Expertise as a Service via MCP

Transcript

1. 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
2. # 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
3. 主張の前提 3
4. # 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
5. # 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
6. 理由 6
7. # 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
8. # 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
9. # 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
10. # 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
11. 具体例 11
12. # 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
13. # 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
14. # 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" ] } ```
15. # 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
16. # 「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
17. # 「マインドセット」の実装例 “prompts”として Sever 側で実装・提供
18. # 「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
19. # 「Role/Profile」の実装例 description に、tool use する際の profile を書くことも
20. # 「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
21. # 「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
22. # 「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
23. # 「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
24. # 「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
25. # 「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
26. # 「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
27. # 「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
28. # 「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
29. # 「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
30. # 「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
31. # 「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
32. # 「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
33. # 「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
34. 結び 34
35. # 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
36. # 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