> For the complete documentation index, see [llms.txt](https://unsloth.ai/docs/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://unsloth.ai/docs/jp/ji-chu/mcp.md).

# MCPサーバーをローカルLLMで使う方法

スクリーンショット付きで、MCP サーバーをオープン AI モデルに接続する方法を学びます。

このステップごとのガイドでは、 **Model Context Protocol（MCP）** サーバーを、次のようなローカルLLMに接続する方法を説明します。 [Qwen](https://unsloth.ai/docs/jp/moderu/qwen3.6.md) や [Gemma](https://unsloth.ai/docs/jp/moderu/gemma-4.md)。これにより、実行するあらゆるモデルがMCP経由で外部ツールやサービスを呼び出せるようになります。 MCPをローカルモデルに接続すると、記憶に基づいて会話するだけでなく、ローカルのファイル、アプリ、データベース、ツールを安全に利用できます。これにより、実際の環境で操作できる、より便利でプライベートかつ柔軟に切り替えられるAIアシスタントを構築できます。

ここでは、オープンソースのリポジトリである [Unsloth](https://github.com/unslothai/unsloth) と [llama.cpp](#llama.cpp-guide) を使用します。どちらもローカルモデルの推論とデプロイに広く使われているフレームワークです。MCPはローカルのGGUFモデルとクラウドの [プロバイダーモデル](https://unsloth.ai/docs/jp/tong-he/connections.md). **にも対応しています。また、** [**複数のMCPサーバー**](#using-multiple-mcp-servers) **を利用する方法も紹介します。**

MCPツールは、 [コード実行](https://unsloth.ai/docs/jp/shii/studio/chat.md#code-execution) や [ウェブ検索](https://unsloth.ai/docs/jp/shii/studio/chat.md#advanced-web-search)など、ほかのモデル機能と組み合わせて使えます。そのため、1つのモデルが同じスレッド内でウェブを検索し、コードを実行して、接続済みのサービスを呼び出すことができます。

### ユースケース

MCPサーバーを接続すると、ローカルモデルにさまざまなタスクを自動で実行させることができます。いくつか例を紹介します。

* **ドキュメントを検索する：** 「関連するドキュメントを見つけて、セットアップ手順を要約してください。」— Context7を利用できます。
* **コードベースを分析する：** 「このリポジトリの構成を整理し、認証、課金、データアクセスがどこで行われているか説明してください。」— GitHub公式MCPとGitMCPを使ってリポジトリを分析できます。
* **埋め込みを使ってウェブを検索する** — ExaのMCPサーバーを使うと、コンテキスト埋め込みに対応した意味検索でウェブを検索できます。
* **ウェブサイトのUIをデバッグする** — PlaywrightとChrome DevToolsのMCPサーバーを使ってウェブサイトを操作し、問題の解決策を見つけることができます。

### クイックスタート

デバイス上のローカルモデルをMCPサーバーに接続する方法を2つ紹介します。どちらもオープンソースのパッケージを使います。 [Unsloth](https://github.com/unslothai/unsloth) と [llama.cpp](llama.cpphttps://github.com/ggml-org/llama.cpp) を使って、モデルを実行、サービング、デプロイします。

<a href="https://unsloth.ai/docs/jp/ji-chu/mcp.md#unsloth-guide" class="button primary">Unsloth MCPガイド</a><a href="https://unsloth.ai/pages/b48e7df06c5fe4b498e941086d9a6927845ec494#llama.cpp-guide" class="button primary">Llama.cpp MCPガイド</a>

### 🦥 Unsloth ガイド

この例では、Unslothを使って、 [Qwen3.6](https://unsloth.ai/docs/jp/moderu/qwen3.6.md) や [Gemma 4](https://unsloth.ai/docs/jp/moderu/gemma-4.md) などの任意のローカルモデルを、次のMCPサーバーに接続します。 [Vercel](https://mcp.vercel.com), [Context7](https://context7.com/), [Exa](https://exa.ai/) と [Hugging Face](https://huggingface.co/docs/hub/en/agents-mcp)。次に、モデルに何ができるかを尋ねます。同じ手順は、どのMCPサーバーにも使えます。

{% stepper %}
{% step %}

#### Unslothをセットアップする

最も簡単な始め方は、次をインストールすることです [Unsloth Desktop](https://unsloth.ai/docs/jp/desktop.md) アプリです。以下に対応しています： [macOS](https://unsloth.ai/docs/jp/meru/install/mac.md)、Linux、 [Windows](https://unsloth.ai/docs/jp/meru/install/windows-installation.md), [NVIDIA](https://unsloth.ai/docs/jp/meru/install/pip-install.md), [AMD](https://unsloth.ai/docs/jp/meru/install/amd.md)、Intel、およびCPU環境。

<a href="https://unsloth.ai/download" class="button primary" data-icon="down-to-bracket">Unslothをダウンロード</a>

* <i class="fa-apple">:apple:</i> [macOS版をダウンロード](https://unsloth.ai/download/mac)
* <i class="fa-windows">:windows:</i> [Windows版をダウンロード](https://unsloth.ai/download/windows)
* <i class="fa-linux">:linux:</i> [Linux版をダウンロード](https://unsloth.ai/download/linux)

手動でインストールする場合は、次の手順に従ってください：

**macOS、Linux、WSL：**

```bash
curl -fsSL https://unsloth.ai/install.sh | sh
```

**Windows PowerShellの場合：**

```bash
irm https://unsloth.ai/install.ps1 | iex
```

[こちらを参照](https://unsloth.ai/docs/jp/desktop.md#get-started) 詳しい手順を確認できます。
{% endstep %}

{% step %}

#### **MCPを有効にする**

チャットツールバーの「MCP」をクリックします。

<figure><img src="https://735611837-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FqNVeCtCvYRMqKT9sSZey%2Fimage.png?alt=media&amp;token=9755a1cc-8118-40ba-ba1f-3b9ac0ef773d" alt=""><figcaption></figcaption></figure>

Unsloth Studioでは、デフォルトでContext7、Exa、Hugging FaceのMCPがサポートされています。Exaを有効にすると、 [ウェブ検索](https://unsloth.ai/docs/jp/shii/studio/chat.md#advanced-web-search) 既定の検索ツールは無効になります。
{% endstep %}

{% step %}

#### **カスタムMCPサーバーを追加する**

Vercel MCPサーバーを追加するには、「カスタムMCPを追加」をクリックすると、ポップアップが表示されます。

<figure><img src="https://735611837-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FaO9zf15MX1jWL7nOmdyK%2Fimage.png?alt=media&amp;token=8ae977f0-8388-414c-9fbd-ae1efff464f2" alt=""><figcaption></figcaption></figure>

サーバーの詳細を入力します。

1. **表示名**：例のようなわかりやすいラベルを入力します。 `Vercel`.
2. **URL**：サーバーのベースエンドポイントを入力します。例： `https://mcp.vercel.com`.
3. 以下から認証方法を選択します。

{% tabs %}
{% tab title="OAuthでサインイン" %}
ブラウザー経由の認証が必要なサーバー（GitHub、Linear、Vercelなど）では、 **OAuthでサインインを使用**をオンにします。初回接続時にブラウザーウィンドウが開くので、Unslothを認証してください。
{% endtab %}

{% tab title="カスタムヘッダー" %}
トークン認証を使用するサーバーでは、OAuthをオフのままにして、 **ヘッダーを追加** をクリックし、 **カスタムヘッダー**の下にある `Authorization` ヘッダーにトークンを設定します。

```
Authorization: Bearer <your-token>
```

{% endtab %}
{% endtabs %}

<figure><img src="https://735611837-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FbgCzTby2rF3qgleWLNXA%2Fmcp-server-added.png?alt=media&amp;token=8095e37e-a4fa-4857-a5aa-0562af526eca" alt="" width="563"><figcaption></figcaption></figure>
{% endstep %}

{% step %}

#### **テストして追加**

をクリックして、 **接続をテスト** し、Unslothからサーバーに接続できることを確認します。成功したら、 **サーバーを追加** をクリックして保存します。

「 **接続をテスト** 」が失敗する場合は、URLがサーバーのベースエンドポイント（ドキュメントページではない）であることと、認証方法が正しいことを確認してください。下記のトラブルシューティングを参照してください。

<figure><img src="https://735611837-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FJeR2x79EkJaG4jYuOiBt%2Fmcp-add-server.png?alt=media&amp;token=38c4fdee-130f-415b-8c5d-e906f13c1555" alt="" width="563"><figcaption></figcaption></figure>
{% endstep %}

{% step %}

#### **ツールが読み込まれたことを確認する**

サーバーがMCPサーバーの一覧に表示されます。Unslothはサーバーのツールを自動的に取得し、次のような確認メッセージを表示します。 *「Vercel」を更新しました（18個のツール）*.

各サーバーには、 **オン／オフを切り替える** 、 **ツールを更新する** 、 **編集する** ためのコントロールがあります。 **削除** してください。サーバーの切り替えと **MCPサーバーを使用** マスター切り替えの両方がオンになっていることを確認してから、ダイアログを閉じます。

有効にするとハイライト表示されます。もう一度クリックするだけで無効にもできます。

<figure><img src="https://735611837-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FgunafFRR6EdrF0xXjIuG%2Fimage.png?alt=media&amp;token=3a91e79f-33d0-44da-a7a3-ded37a34b594" alt=""><figcaption></figcaption></figure>
{% endstep %}

{% step %}

#### **チャットで使う**

から任意のモデルを選択します **モデルを選択** ドロップダウンから選んで、チャットを始めましょう。リクエストに応じて、モデルがサーバーのツールを自律的に呼び出せるようになります。

上の例では、ローカルの `gemma-4-E2B-it-GGUF` に次のように尋ねています。 *「Vercel MCPサーバーを使えますか？」* そして、実行できる操作として、プロジェクトの管理、ログの分析、チームの一覧表示、アクセスリンクの生成、ドメインの確認、Vercelドキュメントの検索を報告しました。

<figure><img src="https://735611837-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FoenMZ3aZx2yUX9ueAbmy%2Fmcp-chat-usecase.png?alt=media&amp;token=4284a8da-e77f-4961-8154-742cd75e4b01" alt=""><figcaption></figcaption></figure>
{% endstep %}
{% endstepper %}

#### 複数のMCPサーバーを使う

では、3つのように複数のMCPサーバーを呼び出すにはどうすればよいでしょうか。Unsloth Studioに標準で用意されているExa、Context7、Hugging FaceのMCPサーバーを使い、3つすべてを有効にします。

「UnslothはQwenのファインチューニングに対応していますか？」と尋ねると、Exaが詳しい情報を提供します。

<figure><img src="https://735611837-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FbqfXsWpuNJksyX2cLgfz%2Fimage.png?alt=media&amp;token=9f66e3e9-0e78-4016-853d-a7a8b63c4d25" alt=""><figcaption></figcaption></figure>

続けて「この方法についてUnslothのドキュメントを検索して」と尋ねると、ドキュメントの検索にContext7が使われます。

<figure><img src="https://735611837-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FrPFQ90O4o8SIydVhDndx%2Fimage.png?alt=media&amp;token=35a48ee5-974b-45de-aba9-e9fb1e7833dd" alt=""><figcaption></figcaption></figure>

次に「Hugging Faceでunsloth/Qwenモデルを検索して」と入力すると、Hugging FaceのMCPサーバーが呼び出されます。

<figure><img src="https://735611837-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2F9KPBtO3VFxC6Y9e4Hl0d%2Fimage.png?alt=media&amp;token=1c1757dc-4ccb-424f-b98b-29ae173df757" alt=""><figcaption></figcaption></figure>

#### その他の具体的なユースケース例

サーバーを接続したら、平易な言葉でモデルに実際の作業を依頼できます。Vercelサーバーを使った例をいくつか紹介します。

* **失敗したビルドをデバッグする**: *「最新のデプロイのビルドログを取得して、失敗した理由を教えてください。」*
* **デプロイのステータスを確認する**: *「直近のデプロイとそのステータスを一覧表示してください。」*
* **ドキュメントを検索する**: *「カスタムドメインの設定方法について、Vercelのドキュメントを検索してください。」*
* **ドメインを調べる**: *「 `myproject.dev` は取得可能ですか？また、料金はいくらですか？」*

### 🦙 Llama.cppガイド

{% stepper %}
{% step %}

#### llama.cppをインストールまたはビルドする

**macOS:**

```bash
brew install llama.cpp
```

または **Linux、Windows、WSLでは、** ソースからビルドします。

```bash
git clone https://github.com/ggml-org/llama.cpp
cmake -S llama.cpp -B llama.cpp/build -DCMAKE_BUILD_TYPE=Release
cmake --build llama.cpp/build --config Release -j --target llama-server llama-cli
```

ソースからビルドしても、llama-serverはPATHにインストールされません。git cloneを実行したディレクトリから、サーバーを実行するターミナルでビルド出力ディレクトリをPATHに追加してください。LinuxまたはWSL（Bash）では次のようにします。

{% code collapsedlinecount="10" %}

```bash
export PATH="$(pwd)/llama.cpp/build/bin:$PATH"
llama-server --help
```

{% endcode %}

標準のVisual Studioジェネレーターを使うネイティブWindows環境では、Release実行ファイルはllama.cpp\build\bin\Releaseにあります。PowerShellでは次のようにします。

{% code collapsedlinecount="10" %}

```powershell
$env:PATH = "$(Resolve-Path .\llama.cpp\build\bin\Release);$env:PATH"
llama-server.exe --help
```

{% endcode %}

WindowsでNinjaなどの単一構成ジェネレーターを使う場合は、代わりに.\llama.cpp\build\binを指定してください。新しいサーバー用ターミナルを開くたびにPATHの設定を繰り返し、ディレクトリを移動した場合はチェックアウト先の絶対パスを使用します。以下の複数行コマンド例はBash構文です。ネイティブのPowerShellでは、各コマンドを1行にするか、Bashの行継続用バックスラッシュをPowerShellのバッククォートに置き換えてください。Homebrewを使う場合は、引き続きllama-serverをそのまま実行できます。
{% endstep %}

{% step %}

#### GGUFを指定してllama-serverを起動する

ここでは [Gemma 4](https://unsloth.ai/docs/jp/moderu/gemma-4.md) この例ではE4B GGUFを使用します。

```bash
llama-server \
  -hf unsloth/gemma-4-E4B-it-GGUF:UD-Q4_K_XL \
  --alias local \
  --host 127.0.0.1 \
  --port 8080 \
  --no-ui \
  --temp 1.0 \
  --top-p 0.95 \
  --top-k 64 \
  --reasoning off
```

より大きなGemma 4 26B-A4Bモデルの場合：

```bash
llama-server \
  -hf unsloth/gemma-4-26B-A4B-it-GGUF:UD-Q4_K_M \
  --alias local \
  --host 127.0.0.1 \
  --port 8080 \
  --no-ui \
  --temp 1.0 \
  --top-p 0.95 \
  --top-k 64 \
  --reasoning off
```

推論パラメーターをさらに調整する方法については、 [Gemma 4ガイド](https://unsloth.ai/docs/jp/moderu/gemma-4.md).

サーバーをテストできます。

```bash
curl http://127.0.0.1:8080/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer none" \
  -d '{
    "model": "local",
    "messages": [{"role": "user", "content": "Say hello in one sentence."}]
  }'
```

{% endstep %}

{% step %}

#### MCP用のファイルシステムサンドボックスを作成する

```bash
mkdir -p ~/mcp-workspace
cd ~/mcp-workspace
pwd
```

絶対パスをコピーします。MCPホスト用に別のプロジェクトフォルダーを作成します。

```bash
mkdir -p ~/llama-mcp
cd ~/llama-mcp
```

作成する `server_config.json`:

{% code expandable="true" %}

```json
{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-filesystem",
        "/ABSOLUTE/PATH/TO/mcp-workspace"
      ],
      "env": {}
    }
  }
}
```

{% endcode %}

パスを実際のワークスペースのパスに置き換えます。IBMの `mcp-cli` のドキュメントでも、同じ `server_config.json` 形式と同じ `npx -y @modelcontextprotocol/server-filesystem /path/to/allowed/files` ファイルシステム構成が使用されています。
{% endstep %}

{% step %}

#### llama.cppに接続するターミナルMCPホストを実行する

IBMの `mcp-cli`を使用します。これはチャットモード、ツール検出、OpenAI互換プロバイダーのカスタム対応を備えた、コマンドラインMCPクライアント／ホストです。ドキュメントでは、 `uvx mcp-cli --help`の実行と、プロジェクト単位の `server_config.json`の使用、および実行時のOpenAI互換プロバイダーのカスタム設定に対応していることが推奨されています。 `--api-base` および `--api-key`.

`mcp-cli` の起動には設定ファイルが必要です。そのため、ファイルを作成する手順を追加する必要があります。たとえば、次のようにします。

{% code title="" expandable="true" %}

```bash
mkdir -p ~/.chuk_llm
cat > ~/.chuk_llm/config.yaml <<'YAML'
openai_compatible:
  client_class: "chuk_llm.llm.providers.openai_client:OpenAILLMClient"
  default_model: "local"
  models: ["*"]
YAML
```

{% endcode %}

次に、以下を実行します。

```bash
uvx mcp-cli \
  --provider llamacpp \
  --api-base http://127.0.0.1:8080/v1 \
  --api-key none \
  --model local \
  --server filesystem \
  --config-file server_config.json
```

次に、以下を試します。

```
ファイルシステムのワークスペース内のファイルを一覧表示してください。
```

続いて、次のようにします。

```
1行のあいさつ文を含む hello.txt を作成し、その内容を読み戻してください。
```

`mcp-cli` ではツール呼び出しの確認がデフォルトで有効になっているため、ツールの実行前に確認プロンプトが表示されます。

**コード全体の例：**

{% code expandable="true" %}

```bash
# ターミナル 1
llama-server -hf unsloth/gemma-4-E4B-it-GGUF:UD-Q4_K_XL \
  --alias local --host 127.0.0.1 --port 8080 --no-ui \
  --temp 1.0 --top-p 0.95 --top-k 64 \
  --chat-template-kwargs '{"enable_thinking":false}'

# ターミナル 2（server_config.json があるフォルダーで実行）
uvx mcp-cli \
  --provider llamacpp \
  --api-base http://127.0.0.1:8080/v1 \
  --api-key none \
  --model local \
  --server filesystem \
  --config-file server_config.json
```

{% endcode %}
{% endstep %}
{% endstepper %}

### ゲームエンジンと3Dアプリ

Unsloth には、次のアプリ用のワンクリック MCP 設定があります。 **Blender**, **Unity**, **Unreal Engine**, **Godot**, **Figma** および **Roblox Studio**。詳しい設定手順とデモについては、 [ゲームエンジンと3Dアプリ](https://unsloth.ai/docs/jp/ji-chu/mcp/mcp-engines.md) をご覧ください。

<figure><img src="https://735611837-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2F5zX7CyoLMVp3Cl811T5u%2Freplace-0.webp?alt=media&amp;token=e0026647-232b-4ebb-b0fd-6f0c0422e96d" alt="A local model building a village in Unreal Engine from Unsloth chat"><figcaption><p>Unsloth Chat から、Qwen3.8-27B が Unreal Engine 5.8 で村を作成している様子。</p></figcaption></figure>

### リモートアクセスまたは LAN アクセスに対応したローカル MCP サーバー

http(s):// `に加えて、` URL または実行可能ファイルも対象です。 **URL または実行可能ファイル** このフィールドでは、次のようなローカルコマンドも指定できます。 `npx`, `uvx` またはサーバーバイナリへのパスを指定し、その引数を **Arguments** の行に入力します。これらのローカル（stdio）サーバーは、コンピューター上でプログラムとして実行されます。

設定で **リモートアクセス** または **LANアクセス** が有効になっている場合（または Unsloth を `--secure`を指定して起動した場合）、Unsloth は他のデバイスからもアクセスできるため、ローカルコマンドは無効になり、保存しようとすると次のメッセージが表示されます。

{% code collapsedlinecount="10" %}

```
サーバーがこのコンピューターの外部からアクセス可能になるため、リモートアクセスが有効な間はローカルコマンドは無効です。
```

{% endcode %}

それでも、次の2つの方法でローカルMCPサーバーを使用できます。

1. **サーバーを自分のコンピューター上でHTTP経由で実行する（推奨）。** 多くのMCPサーバーは、独自にHTTPでサービスを提供できます。 `127.0.0.1` にバインドして起動すれば、このコンピューターからのみアクセスできます。その後、そのアドレスをURLとして追加します。たとえば、 [osmmcp](https://github.com/nervsystems/osmmcp):

   <pre class="language-bash" data-collapsed-line-count="10"><code class="lang-bash">osmmcp --enable-http --http-only --http-addr 127.0.0.1:7082
   </code></pre>

   次に、MCPダイアログで `http://127.0.0.1:7082/mcp` を追加します。これは、リモートアクセスを有効にした状態でUnsloth DesktopとStudioの両方で使用できます。MCPサーバーは、ブラウザーを使うデバイスではなく、Unslothを実行しているコンピューター上で起動してください。 [Docker](https://unsloth.ai/docs/jp/meru/install/docker.md), `127.0.0.1` の場合、これはコンテナ自体を指すため、サーバーはコンテナ内で起動してください（`docker exec`）。stdioのみを使用するサーバーの場合は、 [mcp-proxy](https://github.com/sparfenyuk/mcp-proxy) などのstdioからHTTPへのブリッジを使用できます。例： `mcp-proxy --port=8099 uvx mcp-server-fetch`次に、 `http://127.0.0.1:8099/mcp`.
2. **ローカルコマンドを明示的に許可する（Studio）。** 環境変数をご自身で設定してStudioを起動すると、リモートアクセスまたはLANアクセスが有効な間もローカルコマンドを使用できます。

   <pre class="language-bash" data-collapsed-line-count="10"><code class="lang-bash">UNSLOTH_STUDIO_ALLOW_STDIO_MCP=1 unsloth studio
   </code></pre>

   Windows PowerShellの場合： `$env:UNSLOTH_STUDIO_ALLOW_STDIO_MCP = "1"; unsloth studio`.

{% hint style="warning" %}
方法2では、ネットワーク経由でStudioにサインインできる人なら誰でも、MCPサーバーを通じてお使いのコンピューター上でプログラムを実行できます。信頼できるネットワーク上で強力なパスワードを設定した場合にのみ使用し、方法1を優先してください。
{% endhint %}

### トラブルシューティング

サーバーに接続できない場合やツールが表示されない場合は、URLがドキュメントやダッシュボードのページではなく、サーバーのベースエンドポイント（例： `https://mcp.vercel.com`）になっていることを確認してください。OAuthサーバーの場合は、ブラウザーが開いたらサインインを完了します。トークンベースのサーバーの場合は、 `Authorization` ヘッダーとトークンの有効性を確認してください。

「リモートアクセスが有効な間はローカルコマンドは無効です」というメッセージが表示され、ローカルコマンドを保存できない場合は、 [リモートアクセスまたはLANアクセス使用時のローカルMCPサーバー](#local-mcp-servers-with-remote-access-or-lan-access).

接続後にツールが表示されない場合は、 **更新** をクリックし、個別のサーバー切り替えスイッチと **MCPサーバーを使用** のマスタースイッチの両方がオンになっていることを確認してください。

### セキュリティに関する注意事項

信頼できるMCPサーバーにのみ接続してください。要求された権限を確認し、個人データの読み取り、デプロイの変更、ドメインの購入、プロジェクトの変更を行う操作では、人による確認を有効にしておいてください。MCPサーバーをウェブ検索やその他のツールと組み合わせる場合は、特に注意が必要です。プロンプトインジェクションを含むコンテンツが、意図しないツール呼び出しを試みる可能性があるためです。

### 人気のMCPサーバー

接続できる、人気があり便利なMCPサーバーをいくつか紹介します。

| MCPサーバー                          | 最適な用途                     | 便利な理由                                                                                                                                                                      |
| -------------------------------- | ------------------------- | -------------------------------------------------------------------------------------------------------------------------------------------------------------------------- |
| **GitHub MCP**                   | リポジトリ、課題、PR、コード検索、Actions | リポジトリ、課題、プルリクエスト、Actions、コードセキュリティなどに対応する、リモートおよびローカルでセットアップできる公式GitHub MCPです。（[GitHub](https://github.com/github/github-mcp-server))                                      |
| **Context7**                     | 最新のライブラリドキュメントとサンプル       | 古いトレーニングデータに頼らず、コーディングアシスタント向けに、最新かつバージョン固有のドキュメントを取得します。次を使用します `https://mcp.context7.com/mcp`. ([GitHub](https://github.com/upstash/context7))                           |
| **Notion MCP**                   | ドキュメント、メモ、タスク、プロジェクトのナレッジ | 仕様書、PRD、ロードマップ、メモにNotionを利用するチームに便利です。ホスト型MCPはワークスペースのコンテンツを読み書きできます。（[Notion Developers](https://developers.notion.com/guides/mcp/overview))                              |
| **Slack MCP**                    | チーム内の会話の検索                | AIツールからSlackのメッセージ、チャンネル、ファイル、スレッド、メンバー情報を検索できます。実行できる操作は権限によって異なります。（[Slack](https://slack.com/help/articles/48855576908307-Guide-to-the-Slack-MCP-server))               |
| **Linear MCP**                   | 課題、プロジェクト、プロダクト開発のワークフロー  | Linearの課題、プロジェクト、コメント、および関連オブジェクトの検索、作成、更新に対応する公式リモートMCPです。（[Linear](https://linear.app/changelog/2025-05-01-mcp))                                                         |
| **Vercel MCP**                   | デプロイ、ログ、ドキュメント、ドメイン       | フロントエンドやウェブ開発のワークフローに便利です。デプロイ、ログ、ドキュメント、プロジェクトのコンテキストを確認できます。まずクライアントとの互換性を確認してください。（[Vercel](https://vercel.com/docs/agent-resources/vercel-mcp?utm_source=chatgpt.com)) |
| **Sentry MCP**                   | 本番環境のデバッグ                 | 人間が関与する開発ワークフローで、エージェントがSentryの課題、トレース、エラー、パフォーマンスデータを調査するのに役立ちます。（[GitHub](https://github.com/getsentry/sentry-mcp))                                                      |
| **Filesystem / local files MCP** | ローカルのプロジェクトファイル           | ローカルLLM環境で便利です。通常は次の方法で使用します `stdio`。リファレンスサーバーは、例または出発点として扱うのが最適です。（[GitHub](https://github.com/modelcontextprotocol/servers))                                            |


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation by asking a question.

Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters:

```
GET https://unsloth.ai/docs/jp/ji-chu/mcp.md?ask=<question>&goal=<user_goal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.
