Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
Expertise as a Service via MCP
Search
Yoda Keisuke
July 23, 2025
Technology
1
750
Expertise as a Service via MCP
Yoda Keisuke
July 23, 2025
Tweet
Share
More Decks by Yoda Keisuke
See All by Yoda Keisuke
Code as Context 〜 1にコードで 2にリンタ 34がなくて 5にルール? 〜
yodakeisuke
0
700
Agent Rules as Domain Parser
yodakeisuke
1
1.6k
.mdc駆動ナレッジマネジメント/.mdc-driven knowledge management
yodakeisuke
32
22k
Reactのミニマム理解 〜UI = f(data)(state)+sideEffect〜
yodakeisuke
5
150
インフラ高級言語としてのAWS CDK〜"設定"より1段階ハイレベルな抽象化〜
yodakeisuke
1
110
Other Decks in Technology
See All in Technology
[VPoE Global Summit] サービスレベル目標による信頼性への投資最適化
satos
0
200
コンパウンド組織のCRE #cre_meetup
layerx
PRO
0
160
ローカルLLMとLINE Botの組み合わせ その2(EVO-X2でgpt-oss-120bを利用) / LINE DC Generative AI Meetup #7
you
PRO
0
140
HonoとJSXを使って管理画面をサクッと型安全に作ろう
diggymo
0
150
ソースを読むプロセスの例
sat
PRO
15
9.7k
OCIjp_Oracle AI World_Recap
shinpy
1
150
AI時代におけるデータの重要性 ~データマネジメントの第一歩~
ryoichi_ota
0
710
事業開発におけるDify活用事例
kentarofujii
4
1.2k
混合雲環境整合異質工作流程工具運行關鍵業務 Job 的經驗分享
yaosiang
0
140
Introduction to Sansan Meishi Maker Development Engineer
sansan33
PRO
0
310
Data Hubグループ 紹介資料
sansan33
PRO
0
2.2k
Zephyr(RTOS)にEdge AIを組み込んでみた話
iotengineer22
1
240
Featured
See All Featured
The Cult of Friendly URLs
andyhume
79
6.6k
10 Git Anti Patterns You Should be Aware of
lemiorhan
PRO
657
61k
ピンチをチャンスに:未来をつくるプロダクトロードマップ #pmconf2020
aki_iinuma
127
54k
Large-scale JavaScript Application Architecture
addyosmani
514
110k
Designing for humans not robots
tammielis
254
26k
実際に使うSQLの書き方 徹底解説 / pgcon21j-tutorial
soudai
PRO
190
55k
Dealing with People You Can't Stand - Big Design 2015
cassininazir
367
27k
Writing Fast Ruby
sferik
629
62k
Templates, Plugins, & Blocks: Oh My! Creating the theme that thinks of everything
marktimemedia
31
2.5k
Embracing the Ebb and Flow
colly
88
4.9k
Being A Developer After 40
akosma
91
590k
GraphQLの誤解/rethinking-graphql
sonatard
73
11k
Transcript
Expertise as a Service via MCP a 〜汎用Agent への"プラグイン型"専門性〜 MCPは当たり前になるのか?
〜流行から普及への可能性〜 2025年7月24日 株式会社ログラス 1
# 主題 Q. MCPは当たり前になるのか?本当に企業に浸透していくのか? A. なると思う のスタンス。なぜならMCPであれば: コスト・リスクを抑えつつ Agentic なサービスを提供できる
から
主張の前提 3
# 主張の前提 前提①: toB SaaS 事業者の視点で考えます ・データベースラッパー ・決定的ロジック ・人間向けUI・UX 従来
・AIがデータ利用 ・非決定的判断 ・AIが自律作業 現在 “Agentic なサービス” 提供を求められる
# 主張の前提 前提②: 「MCPが企業に大きなメリットをもたらす可能性」こちらに フォーカスします https://rosca.connpass.com/event/ 359497/ イベントページより また、所属企業での商用公開しているMCP Server開発経験は無炒め、
個人開発者としての発信となります
理由 6
# 主張の理由① - コスト・リスクを抑えられる コスト・リスクを抑えられ、事業会社・ユーザ共にメリットがある
# 主張の理由② - Agent を作らずに Agentic なサービスを提供できる やりたいこと: 対象ドメイン熟練者の「勘所」も含めた「自律的業務遂行」の提供 エキスパートが持つ
非定型的知識・非決定的判断・業務操 作や思考操作、引き出し・道具箱 ..etc のような 実行を伴う知恵 の実装が可能となった
# 主張の理由② - Agent を作らずに Agentic なサービスを提供できる MCP 経由でも「エキスパートの実行を伴う知恵」を提供 ->
汎用Agentに武装可能 プレーンなAgentに対する 「専門性のMCP武装」は 容易に換装可能でもある
# デメリット とはいえ… ・ワークフローやAgentの動作をより細かくコントロールしたい ・失敗してはいけないタスクを任せたい ・クライアントAgentの特性に挙動を引っ張られたくない ・moatを築ける可能性のある要素が減る ような場合など、本番ではAgentやAI Workflow を実装した方が良い場
面も多そう もちろん、セキュリティ等の 今回フォーカスしていないハードルもある
具体例 11
# Expertise の MCP 実装のお題 「WRAPプロセスによる質の高い意思決定」という Expertise を MCP で
提供することを例とします https://amzn.asia/d/33oDlpb
# Expertise の MCP 実装のお題 中でも「W」ステップと「P」の一部(トリップワイヤー)を実装します
# Expertise の MCP 実装のお題 サンプルコードのリポジトリ: https://github.com/yodakeisuke/mcp-desicive NPM: ``` "desicive":
{ "command": "npx", "args": [ "-y", "mcp-decisive" ] } ```
# エキスパートの知識・振る舞いの実装例 以下の種類の”エキスパートの知識・振る舞い”(Agenticな要素例)の実装例を 順に取り上げていきます 1. マインドセット 2. Role / Profile
3. 熟練者の道具箱・思考/行動パターン 4. ワークフローステート(動的Planning) 5. 自己評価/行動修正 6. 機械的な判断/事実的な情報 7. 思考しつつ行うアクション
# 「マインドセット」の実装例 マインドセット的知識は、Prompt で提供がメイン
# 「マインドセット」の実装例 “prompts”として Sever 側で実装・提供
# 「マインドセット」の実装例 オレオレテクニック①「init-prompt」パターン mcp serverから提供している promptで「widen options」という ワークフローを駆動する ユーザ起点でワークフローを起動する用途はオレオレ テクニックというより、普通に“prompts”のメイン
用途ではある 変数も渡せる
# 「Role/Profile」の実装例 description に、tool use する際の profile を書くことも
# 「Role/Profile」の実装例 オレオレテクニック②「role in description 」パターン toolのdescriptionの内容は Agentも認知
# 「熟練者の道具箱・思考/行動パターン」の実装例 キモである、業務操作・思考操作は tool で実装
# 「熟練者の道具箱・思考/行動パターン」の実装例 エキスパートが内面化している「手順」のパターンを tool として 明確に Agent が認識でき、「型にはめる」ことができる
# 「ワークフローステート / 動的Planning」の実装例 ワークフローとその状態、タスク手順も MCP Server 側で制御可能
# 「ワークフローステート / 動的Planning」の実装例 Agentは、動的に計画しつつ、必要なタスクを判断し遂行していく
# 「ワークフローステート / 動的Planning」の実装例 オレオレテクニック③「workflow state」パターン 現在のワークフローステートを mpc server側で保持 (必要であれば履歴保持)
タスク手順の順番制約があれば、 ルールベースロジックを書いて制御
# 「ワークフローステート / 動的Planning」の実装例 オレオレテクニック④「response next action」パターン 次に行うべきアクションのpromptを リターンする 成功ケースとエラーケースでも出し分
ける
# 「自己評価/行動修正」の実装例 タスク実行後に、結果に対して内省 -> 行動修正を誘導したいケース
# 「自己評価/行動修正」の実装例 オレオレテクニック④’「response for reflection」パターン toolレスポンスでタスクの評価基準を リターン 簡易的な reflection を誘導
# 「機械的な判断/事実的な情報」の実装例 もちろん、rule-based ロジックやデータ型制約も表現可能
# 「機械的な判断/事実的な情報」の実装例 従来的なシステムと同じく、rule-based ロジックやデータ型で表現
# 「思考しつつ行うアクション」 の実装例 MCP Server は「脳」を持たない(LLMをコールすることはできるが) tool はあくまで 決定的ロジック +
データ(や外部APIコール) に過ぎない 決定的ロジックを処理するだけでは遂行不可 自由な思考力を持った主体でないと行えないタスク
# 「思考しつつ行うアクション」 の実装例 “sampling” でクライアントに「脳」を借り、”自由な思考を伴ったアクション” すらも MCP Server 側で提供可能となる Server
からClientにLLM処理を依頼 思考・推論能力を借りて、タスクを完了できる
# 「思考しつつ行うアクション」 の実装例 主要クライアントが sampling 対応したら一段と可能性が広がる 2025/7/21現在 メジャーどころの 対応クライアントは VSCodeくらい
(claude desktopは…?) mcp server 提供側はリスク低く agenticなタスク遂行 を実装できる ・ api key管理・課金体系整備不要 ・ クライアント側へリスク分散 非常に強力な機能だと感じる
結び 34
# 結び MCPは、あくまで規約・仕様ではある。 しかし、AI Agentに業務手順・知識・データをアタッチすることを可能とする仕様である MCPが サービスとしての Expertise の提供を導いてくれる
# 自己紹介 株式会社ログラス エンジニア 依田 啓佑 Keisuke Yoda x: kei_output_1104
None
None