# サーバー開発者向け - Claude for Desktop やその他のクライアントで使用する独自のサーバーの構築を開始します。 このチュートリアルでは、シンプルな MCP 天気予報サーバーを構築し、ホストである Claude for Desktop に接続します。まずは基本的なセットアップから始めて、より複雑なユースケースに進みます。 ### [私たちが構築するもの](https://modelcontextprotocol.io/quickstart/server#what-we’ll-be-building) 多くの LLMs (Claude を含む) には現在、予報や悪天候警報を取得する機能がありません。MCP を使用してこれを解決しましょう。 `get-alerts`と`get-forecast` 2 つのツールを公開するサーバーを構築します。次に、サーバーを MCP ホスト (この場合は Claude for Desktop) に接続します。 ![img](https://mintlify.s3.us-west-1.amazonaws.com/mcp/images/weather-alerts.png) ![img](https://mintlify.s3.us-west-1.amazonaws.com/mcp/images/current-weather.png) > サーバーはどのクライアントにも接続できます。ここではシンプルさのために Claude for Desktop を選択しましたが、[独自のクライアントを構築する](https://modelcontextprotocol.io/quickstart/client)ためのガイドや、[他のクライアントのリストもこちらに](https://modelcontextprotocol.io/clients)あります。 > なぜ Claude for Desktop ではなく、Claude.ai なのでしょうか? ### [MCP のコアコンセプト](https://modelcontextprotocol.io/quickstart/server#core-mcp-concepts) MCP サーバーは、主に次の 3 種類の機能を提供できます。 1. **リソース**: クライアントが読み取ることができるファイルのようなデータ (API 応答やファイルの内容など) 2. **ツール**: LLM から呼び出せる関数 (ユーザーの承認が必要) 3. **プロンプト**: ユーザーが特定のタスクを達成するのに役立つ、事前に作成されたテンプレート このチュートリアルでは主にツールに焦点を当てます。 Python 天気予報サーバーの構築を始めましょう。[ここで構築する完全なコードを見つけることができます。](https://github.com/modelcontextprotocol/quickstart-resources/tree/main/weather-server-python) ### 前提知識 このクイックスタートでは、以下の知識があることを前提としています。 - Python - Claude などの LLM ### システム要件 - Python 3.10 以降がインストールされています。 - Python MCP SDK 1.2.0 以降を使用する必要があります。 ### 環境を設定する まず、 `uv`をインストールし、Python プロジェクトと環境を設定しましょう。 MacOS/Linux ```powershell curl -LsSf https://astral.sh/uv/install.sh | sh ``` Windows ```powershell powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex" ``` `uv`コマンドが確実に実行されるように、後でターミナルを再起動してください。 それでは、プロジェクトを作成して設定しましょう。 MacOS/Linux ```powershell # Create a new directory for our project uv init weather cd weather # Create virtual environment and activate it uv venv source .venv/bin/activate # Install dependencies uv add "mcp[cli]" httpx # Create our server file touch weather.py ``` Windows ```powershell # Create a new directory for our project uv init weather cd weather # Create virtual environment and activate it uv venv .venv\Scripts\activate # Install dependencies uv add mcp[cli] httpx # Create our server file new-item weather.py ``` それでは、サーバーの構築に取り掛かりましょう。 ## サーバーの構築 ### パッケージのインポートとインスタンスの設定 これらを`weather.py`の先頭に追加します: ```python from typing import Any import httpx from mcp.server.fastmcp import FastMCP # Initialize FastMCP server mcp = FastMCP("weather") # Constants NWS_API_BASE = "https://api.weather.gov" USER_AGENT = "weather-app/1.0" ``` FastMCP クラスは、Python の型ヒントとドキュメント文字列を使用してツール定義を自動的に生成し、MCP ツールの作成と保守を容易にします。 ### ヘルパー関数 次に、National Weather Service API からのデータをクエリしてフォーマットするためのヘルパー関数を追加しましょう。 ```python async def make_nws_request(url: str) -> dict[str, Any] | None: """Make a request to the NWS API with proper error handling.""" headers = { "User-Agent": USER_AGENT, "Accept": "application/geo+json" } async with httpx.AsyncClient() as client: try: response = await client.get(url, headers=headers, timeout=30.0) response.raise_for_status() return response.json() except Exception: return None def format_alert(feature: dict) -> str: """Format an alert feature into a readable string.""" props = feature["properties"] return f""" Event: {props.get('event', 'Unknown')} Area: {props.get('areaDesc', 'Unknown')} Severity: {props.get('severity', 'Unknown')} Description: {props.get('description', 'No description available')} Instructions: {props.get('instruction', 'No specific instructions provided')} """ ``` ### ツール実行の実装 ツール実行ハンドラーは、各ツールのロジックを実際に実行する役割を担います。これを追加してみましょう。 ```python @mcp.tool() async def get_alerts(state: str) -> str: """Get weather alerts for a US state. Args: state: Two-letter US state code (e.g. CA, NY) """ url = f"{NWS_API_BASE}/alerts/active/area/{state}" data = await make_nws_request(url) if not data or "features" not in data: return "Unable to fetch alerts or no alerts found." if not data["features"]: return "No active alerts for this state." alerts = [format_alert(feature) for feature in data["features"]] return "\n---\n".join(alerts) @mcp.tool() async def get_forecast(latitude: float, longitude: float) -> str: """Get weather forecast for a location. Args: latitude: Latitude of the location longitude: Longitude of the location """ # First get the forecast grid endpoint points_url = f"{NWS_API_BASE}/points/{latitude},{longitude}" points_data = await make_nws_request(points_url) if not points_data: return "Unable to fetch forecast data for this location." # Get the forecast URL from the points response forecast_url = points_data["properties"]["forecast"] forecast_data = await make_nws_request(forecast_url) if not forecast_data: return "Unable to fetch detailed forecast." # Format the periods into a readable forecast periods = forecast_data["properties"]["periods"] forecasts = [] for period in periods[:5]: # Only show next 5 periods forecast = f""" {period['name']}: Temperature: {period['temperature']}°{period['temperatureUnit']} Wind: {period['windSpeed']} {period['windDirection']} Forecast: {period['detailedForecast']} """ forecasts.append(forecast) return "\n---\n".join(forecasts) ``` ### サーバーの実行 最後に、サーバーを初期化して実行します。 ```python if __name__ == "__main__": # Initialize and run the server mcp.run(transport='stdio') ``` サーバーが完成しました。uv `uv run weather.py`を実行して、すべてが動作していることを確認してください。 既存の MCP ホストである Claude for Desktop からサーバーをテストしてみましょう。 ## Claude for Desktop でサーバーをテストする Claude for Desktop はまだ Linux では利用できません。Linux ユーザーは[、クライアントの構築](https://modelcontextprotocol.io/quickstart/client)チュートリアルに進み、構築したサーバーに接続する MCP クライアントを構築できます。 まず、Claude for Desktop がインストールされていることを確認してください。[最新バージョンはここからインストールできます。](https://claude.ai/download)すでに Claude for Desktop をお持ちの場合は、**最新バージョンに更新されていることを確認してください。** 使用する MCP サーバーに応じて、Claude for Desktop を構成する必要があります。これを行うには、テキスト エディターで `~/Library/Application Support/Claude/claude_desktop_config.json` にある Claude for Desktop アプリの構成を開きます。ファイルが存在しない場合は必ず作成してください。 たとえば、 [VS Code](https://code.visualstudio.com/)がインストールされている場合は次のようになります。 MacOS/Linux ```bash code ~/Library/Application\ Support/Claude/claude_desktop_config.json ``` Windows ```powershell code $env:AppData\Claude\claude_desktop_config.json ``` 次に、 `mcpServers`キーにサーバーを追加します。少なくとも 1 つのサーバーが適切に構成されている場合にのみ、MCP UI 要素が Claude for Desktop に表示されます。 この場合、次のように単一の天気予報サーバーを追加します。 MacOS/Linux ```json { "mcpServers": { "weather": { "command": "uv", "args": [ "--directory", "/ABSOLUTE/PATH/TO/PARENT/FOLDER/weather", "run", "weather.py" ] } } } ``` Windows ```json { "mcpServers": { "weather": { "command": "uv", "args": [ "--directory", "C:\\ABSOLUTE\\PATH\\TO\\PARENT\\FOLDER\\weather", "run", "weather.py" ] } } } ``` > `command`フィールドに`uv`実行可能ファイルへのフル パスを入力する必要がある場合があります。これは、MacOS/Linux では`which uv` 、Windows では`where uv`実行することで取得できます。 > > 必ずサーバーへの絶対パスを渡してください。 これはデスクトップの Claude に次のように伝えます。 1. 「weather」という名前のMCPサーバーがあります 2. `uv --directory /ABSOLUTE/PATH/TO/PARENT/FOLDER/weather run weather.py` を実行して起動するには ファイルを保存し、 **Claude for Desktop**を再起動します。 ### [コマンドでテストする](https://modelcontextprotocol.io/quickstart/server#test-with-commands) Claude for Desktop が`weather`サーバーで公開した 2 つのツールを取得していることを確認しましょう。これを行うには、ハンマー ![img](https://mintlify.s3.us-west-1.amazonaws.com/mcp/images/claude-desktop-mcp-hammer-icon.svg) アイコンを探します。 ![img](https://mintlify.s3.us-west-1.amazonaws.com/mcp/images/visual-indicator-mcp-tools.png) ハンマーアイコンをクリックすると、次の 2 つのツールがリストされます。 ![img](https://mintlify.s3.us-west-1.amazonaws.com/mcp/images/available-mcp-tools.png) サーバーが Claude for Desktop によって取得されない場合は、[トラブルシューティング](https://modelcontextprotocol.io/quickstart/server#troubleshooting)セクションに進み、デバッグのヒントを参照してください。 ハンマー アイコンが表示された場合は、Claude for Desktop で次のコマンドを実行してサーバーをテストできます。 - サクラメントの天気はどうですか? - テキサス州で発令中の気象警報は何ですか? ![img](https://mintlify.s3.us-west-1.amazonaws.com/mcp/images/current-weather.png) ![img](https://mintlify.s3.us-west-1.amazonaws.com/mcp/images/weather-alerts.png) これは米国国立気象サービスであるため、クエリは米国の場所でのみ機能します。 ## [ボンネットの下で何が起こっているのか](https://modelcontextprotocol.io/quickstart/server#what’s-happening-under-the-hood) 質問をするときは： 1. クライアントはあなたの質問をクロードに送信します 2. クロードは利用可能なツールを分析し、どのツールを使用するかを決定します 3. クライアントはMCPサーバーを介して選択されたツールを実行します。 4. 結果はクロードに送り返される 5. Claude は自然言語の応答を生成します 6. 応答が表示されます。