AIの意義は、人間の労働を解放し、大多数の人々の最低限の労働能力を向上させることです。しかし、LLMには現在、まだ大きな制限があります。提案を行うには対話が必要であり、ユーザーは提案を自ら実行する必要があります。AIを本当に仕事に役立てるには、まだギャップがあります。
さて、実際にコンピューターを使ってメールに返信したり、レポートを書いたり、さらには AI と通信して暗号通貨取引を自動化したりできるようになれば、生産性を解放するというビジョンに近づいているのではないでしょうか。この技術は現在、AI分野のホットキーワードであるMCP
MCPとは何ですか?
MCP（モデルコンテキストプロトコル）は、これまでのAIモデルが「話す」ことはできても「実行」できなかった問題を解決するために、2024年11月にAnthropicがリリースした「標準化されたプロトコル」のセットです。
まず、MCPの命名法を詳しく見てみましょう
- モデル: モデルとは、さまざまな大規模な AI 言語モデル (GPT、Claude、Gemini など) を指します。
- コンテキスト: モデルの追加情報または外部ツールを表すコンテキスト
- プロトコル: プロトコル、普遍的で標準化された「仕様」または「インターフェース」
まとめると、統一された標準を通じて、AI は「話す」だけでなく、外部ツールを直接制御してさまざまなタスクを完了することもできます。
ChatGPT、Grokなど、私たちが最もよく使用するLLMは、会話の内容に基づいて「テキスト入力とテキスト出力」しか実行できません。コンピュータのフォルダからファイルを読み込んだり、メールを送信したり、データベースを検索したりするなど、実際の操作を AI に手伝ってもらいたい場合は、通常、まず LLM に指示を与え、次にユーザーが LLM からの応答に基づいて操作を自分で実行し、最後に AI に結果を報告します。その後、AI がテキストの提案を行い、操作を続行するというサイクルが繰り返されます。
MCP の登場により、AI はコンピューター上のローカル ファイルを読み取り、リモート データベースに接続できるだけでなく、特定のネットワーク サービスを直接操作できるようになりました。言い換えれば、AI はもはや単なるテキストの出力ではなく、多くの反復的なタスクや手順的なタスクをユーザーに代わって実行できるようになります。
仕組み
- MCP ホスト (管理者): MCP 全体の運用の管理と調整を担当します。たとえば、Claude Desktop は、AI がローカル データやツールにアクセスできるようにするホストの一種です。
- MCP クライアント (ユーザー側): ユーザー要件を受け取り、LLM (AI モデル) と通信します。一般的な例としては、MCP を統合するさまざまなチャット インターフェイスや IDE (Goose、Cursor、Claude Chatbot など) が挙げられます。
- MCP サーバー: AI が利用できる機能を提供する「整理され注釈が付けられた」API のセットと考えることができます。たとえば、データベースの読み取り、電子メールの送信、ファイルの管理、外部サービスの呼び出しなどです。
MCP を使用すると、AI は人間の言語を理解できるだけでなく、特定のテキストを直接アクション指示に変換して、自動操作を完了することもできます。たとえば、売上レポートを整理したり、顧客にメールを送信したり、コマンドを使用して Blender 上で直接 3D モデリングを実行したりすることもできます。
参考: https://www.youtube.com/watch?v=FDRb03XPiRo&t=4s
MCP が重要なのはなぜですか?
1. AIと外部ツールの間に橋をかける
LLM の制限は、その中のデータが事前にトレーニングされており、リアルタイムで更新されないことです。つまり、LLM のデータはトレーニング中に確認される情報に限定されます。したがって、モデルはトレーニング後に生成された新しい情報を認識しません。
LLM研修が今年2月に実施されたと仮定すると、今年2月以降の情報は全くありません。
現在主流となっているのは、「検索システム」と「生成モデル」を組み合わせた手法であるRAG（Retrieval-Augmented Generation）を使用する方法です。このアーキテクチャは、LLM 推論の前に最新のデータを取得し、検索結果をモデルのコンテキストとして提供できます。具体的には：
- 検索: LLM の質問に回答する前に、検索ツール (インターネット検索、内部データベース クエリなど) を使用して、現在の質問に一致する最新情報を検索します。
- 生成: 取得された情報は補助情報 (コンテキスト) として LLM に渡され、より正確でタイムリーな回答を生成するのに役立ちます。
例えば、AIは質問に答える前に、まずBingやGoogleで最新情報を検索し、検索結果を回答に取り入れます。これがRAGの使い方です。
MCP と RAG の最大の違いは次のとおりです。
- RAG は比較的静的なデータを使用して LLM が質問に答えるのを支援しますが、MCP では、データベースの検索、API の呼び出し、ファイルの内容の変更など、AI が実際に「実行」できるようにします。
2. 標準化と普遍性: USB-C と同様: すべてのデバイスが同じ USB-C 伝送ケーブルを使用できるのと同様に、さまざまなメーカーが MCP 仕様に準拠した独自の機能を開発できます。 MCP がなければ、各開発者は AI に特定の API を呼び出させる方法を定義する必要があります。これは、同じ作業が異なる人々によって繰り返し開発されることを意味します。 MCP が統一されると、同じ仕様セットを実装することで誰もがすぐに統合できるようになり、車輪の再発明という現象を回避できます。
3. 受動的な応答から能動的な実行へ: 従来の AI ツールは質問に答えることしかできず、実際にアクションを起こすことはできません。 MCP を使用すると、AI は現在の状況に基づいて実行する指示を決定し、フィードバック結果を読み取って次のステップに進むことができます。状況に応じて継続的に修正できるこの機能は、AIの実用性を大幅に高めます。
4. セキュリティと制御：MCP は、すべてのデータを AI モデルに送信することを強制しません。権限、API キー管理などを通じてデータ アクセスを制御し、機密情報が漏洩しないようにします。
MCP と AI エージェントの違いは何ですか?
AIエージェントとは何ですか?
昨年の第3四半期、GOATはAIエージェントのトレンドをリードしました。ほとんどの暗号通貨ユーザーは、Web 3の観点からAIエージェントを理解しています。AIエージェントは通常、特定のタスクを「自動的に」処理できるAIシステムを指します。人と通信するだけでなく、コンテキストに基づいてアクションを実行し、ツールやAPIを呼び出し、一連のステップを完了します。例えば、最も一般的なのはTwitterに自律的に投稿する機能であり、これもAIエージェントの範疇に入ります。
AIエージェントの限界
- 標準化の欠如: エージェントは誰でも作成できますが、統一された仕様がない場合、「このエージェントはメーカー A のモデルのみを使用する」や「あのエージェントはシステム B の API のみを呼び出す」などの問題が発生します。
- 独立して操作しやすい: AI エージェントはさまざまなタスクを実行できますが、開発者は多くの場合、多数の API 形式とルールをカスタマイズする必要があります。異なるエージェント間で共有されるエコシステムがないため、統合が困難です。
MCPとAIエージェントの関係: MCPはプロトコル、AIエージェントは概念または実行方法
- AIエージェントはAIの主導権を握り、ツールを実行する能力を強調する
- MCP は、さまざまな AI モデルが外部ツールと通信できるようにする方法に重点を置いており、普遍的な標準としての役割を果たしています。
MCPはAIエージェントの効率的な運用を支援します
- MCP がないと、AI エージェントはさまざまなツールやプラットフォーム用の API ルールのセットを記述する必要があり、開発と保守が非常に面倒になります。
- MCP を使用すると、AI エージェントは MCP 仕様に従い、「サーバー リスト」から利用可能なツールを取得し、タスクを完了するために使用するツールを動的に決定するだけで済みます。外部リソースへのアクセスもより安全で便利になります。
異なる機能範囲
- AI エージェント: 意思決定とロジックに重点を置き、要件に基づいて何を実行し、どのような手順を実行するかを決定します。
- MCP: ツールインターフェースや標準フォーマットの解決、外部サービス、データベース、アーカイブシステムをAIに統一的に提供する方法を専門とする
AI エージェント + MCP の 2 つを組み合わせることで、AI は行動方法と行動場所の両方を理解できるようになります。
現在の暗号通貨界における MCP コンセプト プロジェクトとは何ですか?
1. 基本的なMCP
Baseが正式に開発したフレームワークは3月14日にリリースされ、AIアプリケーションがBaseブロックチェーンとやり取りできるようになりました。ユーザーは、開発能力を必要とせずに、ブロックチェーンに契約をデプロイし、自然言語の会話を通じてMorphoを貸付などの機能に使用できます。
BORKはBase MCPデプロイメントを使用する最初のトークンです。3月14日に発行され、時価総額は460万ドルでピークに達しました。しかし、現在は11万ドルまで下落しており、24時間の取引量はわずか9万ドルです。コインの寿命は終わったと判断できます。
Flockは分散型AIトレーニングプラットフォームです。彼は、現在のMCPは依然として外部AIモデル上で実行され、集中型LLMによって処理されていると指摘しました。FlockはWeb3プロキシモデルを提供し、AI駆動型ブロックチェーンタスクをローカルで実行できるため、ユーザーはより多くの制御が可能になります。
2. ライラ
LYRAOS（正式名称はLYRA MCP-OS）も、AIエージェントがSolanaブロックチェーンと直接対話し、暗号通貨の売買などの操作を実行できるようにするマルチAIエージェントオペレーティングシステムです。
現在、MCP-OSを使用して、仮想通貨投資のためのAI駆動型分散型自律組織「AI16ZDAO」を数千個設立する方法を検討している。LYRAIOSは、2025年3月21日から22日の間にDEMOをリリースし、来週には正式製品を発売する予定だ。
現在のトークン市場価値は923,000、最高値は264万、24時間取引量は300万、通貨保有アドレス数は2,922です。
結論：AIの物語は再び踊るが、観察するには時間がかかるだろう
MCPはAIが外部ツールとより簡単かつ安全にやり取りできるようにする標準化されたルールを提供し、Web3の分野で大きな可能性を秘めているように思われますが、成功事例は比較的限られています。その理由としては、次のようなことが考えられます。
テクノロジーの統合はまだ成熟していません。Web 3 エコシステムでは、各チェーンと各 DApp の契約ロジックとデータ構造が異なります。それらを AI が呼び出せる MCP サーバーにカプセル化するには、まだ多くの開発リソースが必要です。
セキュリティと規制上のリスク: AI が契約を直接操作し、金融取引を処理できるようにするには、包括的な秘密鍵管理と権限制御のメカニズムを設計する必要があり、これは困難でコストがかかります。
ユーザーの習慣と経験: ほとんどの人は、ウォレットの管理や投資判断を AI に任せることにまだ懐疑的であり、ブロックチェーン自体の運用ハードルも高いです。エクスペリエンスが複雑すぎたり、明確なアプリケーション シナリオが欠けていたりすると、初心者が長期間使用したり投資したりすることが難しくなります。
美的疲労と市場の無関心：以前、AI Agentは暗号通貨界隈でトレンドを引き起こしました。多くの未実装プロジェクトはピーク時に評価額が1億元を超えるのが一般的でした。しかし、最近はAIバブル崩壊の段階を迎えています。ほとんどのプロジェクトは90％以上下落しており、これはAIに対する恐怖とみなされています。
MCP の話に戻ると、これは AI エージェントの超強化版として理解できます。市場は以前にも暗号 AI ブームを経験しており、概念の誇大宣伝と実際のアプリケーションが何であるかを徐々に理解してきました。真に革新的で実用的なアプリケーションが不足している場合、投資家やユーザーは簡単にお金を払うことはありません。 BORK のような先駆的な MCP プロジェクトは、明確な差別化やアプリケーションの実装がなかったため、最終的には普及しませんでした。これは、現在の MCP コンセプトがまだ普及していない最も重要な要因でもあると著者は考えています。
MCP とブロックチェーンの組み合わせには可能性がありますが、技術的な障壁と市場の圧力という二重の課題にも直面しています。今後、より成熟したセキュリティメカニズムを統合し、より直感的なユーザーエクスペリエンスを生み出し、真に価値をもたらす革新的なアプリケーションを発見できれば、「Web 3 + MCP」は「誇大宣伝の話題」という運命から抜け出し、新たなラウンドの主な物語になることができるかもしれません。
