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
460
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
430
Agent Rules as Domain Parser
yodakeisuke
1
1.3k
.mdc駆動ナレッジマネジメント/.mdc-driven knowledge management
yodakeisuke
32
21k
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
100
Other Decks in Technology
See All in Technology
Function calling機能をPLaMo2に実装するには / PFN LLMセミナー
pfn
PRO
0
670
#普通の文系サラリーマンチャレンジ 自分でアプリ開発と電子工作を続けたら人生が変わった
tatsuya1970
0
750
Findy Team+のSOC2取得までの道のり
rvirus0817
0
230
研究開発部メンバーの働き⽅ / Sansan R&D Profile
sansan33
PRO
3
20k
入門 FormObject / An Introduction to FormObject #kaigionrails
expajp
2
1.4k
“2件同時配達”の開発舞台裏 〜出前館PMが挑んだダブルピック実現に向けた体験設計〜
demaecan
0
160
GA technologiesでのAI-Readyの取り組み@DataOps Night
yuto16
0
230
Oracle Base Database Service 技術詳細
oracle4engineer
PRO
11
77k
RailsのPostgreSQL 18対応
yahonda
0
1.2k
about #74462 go/token#FileSet
tomtwinkle
1
260
DEFCON CHV CTF 2025 Write-up
bata_24
0
190
GC25 Recap+: Advancing Go Garbage Collection with Green Tea
logica0419
1
310
Featured
See All Featured
Dealing with People You Can't Stand - Big Design 2015
cassininazir
367
27k
Designing Experiences People Love
moore
142
24k
Music & Morning Musume
bryan
46
6.8k
KATA
mclloyd
32
14k
Building Applications with DynamoDB
mza
96
6.6k
Agile that works and the tools we love
rasmusluckow
330
21k
Scaling GitHub
holman
463
140k
10 Git Anti Patterns You Should be Aware of
lemiorhan
PRO
657
61k
A designer walks into a library…
pauljervisheath
208
24k
jQuery: Nuts, Bolts and Bling
dougneiner
64
7.9k
Raft: Consensus for Rubyists
vanstee
139
7.1k
Practical Tips for Bootstrapping Information Extraction Pipelines
honnibal
PRO
23
1.5k
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