AWS ではじめる MCP 実践ガイド――基礎から AI エージェント構築まで徹底解説

生成 AI のアプリケーションに社内データや外部サービスをつなぐ共通の規格として、MCP は 2024 年に Anthropic が提唱して以来急速に普及し、AI エージェントや仕様駆動開発の現場で欠かせない要素技術になったと版元は紹介しています。『AWS ではじめる MCP 実践ガイド 基礎から AI エージェント構築まで徹底解説』 (塚田真規、森田和明 著、技術評論社、2026 年 2 月刊) は、Model Context Protocol の登場の背景と仕様を前半で解説し、後半のハンズオンで AWS の公式 MCP サーバーやエージェント開発のフレームワークを使った構築、評価、運用管理までを扱う書籍です。版元は、MCP や AI エージェント、生成 AI に興味のあるエンジニアと、AWS を利用しているエンジニアを読者に挙げています。

MCP の仕様を押さえる前半 3 章

第 1 章は、LLM に指示を与えるプロンプト、外部情報を伝えるリソース、外部とやりとりする手段としてのツールという 3 つの流れから MCP 登場までを整理し、MCP が解決する課題と AWS との関わりを示します。第 2 章が仕様の中心で、ホストとクライアントとサーバーの関係、メッセージ形式、stdio と Streamable HTTP の 2 つの通信方式、Prompts、Resources、Tools、Sampling、Roots、Elicitation の 6 つのプリミティブ、OAuth を使った認証と認可のフロー、Cancellation や Progress、Tasks といったユーティリティまでを順に説明します。第 3 章では、MCP ホストとして Kiro、Amazon Q Developer IDE、Claude Code、Cline を、MCP サーバーとしてオープンソースの AWS MCP Servers と同名のサービスを、エージェント開発向けに Strands Agents と Amazon Bedrock AgentCore を紹介し、AWS Samples で公開されているアプリケーションにも触れます。

手を動かす第 4 章から、評価と管理の第 6 章まで

第 4 章は、Claude Code を MCP ホストにして Everything MCP Server で各プリミティブを試したあと、Streamlit のチャットアプリを題材に、サーバー側のプリミティブとクライアント側の Sampling、Roots、Elicitation を自分で実装します。第 5 章は実践編で、AWS 公式の MCP サーバーを使った CloudFront と S3 のインフラ構築や利用料の調査、ナレッジベースの検索を組み込んだ RAG チャットアプリの開発と Playwright MCP Server による UI の自動テスト、リサーチエージェントの構築と AWS へのデプロイを扱います。第 6 章は実運用を見据え、LLM-as-a-Judge を使ったエージェントの評価方法と、AgentCore Gateway によるツールの管理とオブザーバビリティを解説します。付録では AWS アカウントと IAM ユーザーの準備、Amazon Bedrock のクォータ引き上げ、GitHub Codespaces の環境構築、Tavily の API キー取得までを案内しています。

仕組みを知る価値と、読む前に必要な前提

MCP を使うだけなら設定ファイルにサーバーを書き足せば済みますが、自分で MCP サーバーを作ったり業務に組み込んだりする段階になると、仕様の理解が効いてきます。ツールを呼ぶのはモデルではなくホストであること、サーバーがクライアントのモデルに推論を頼む Sampling や利用者に入力を求める Elicitation のように向きの逆な機能があること、リモートのサーバーでは認可の設計が欠かせないことなどは、知らないまま組むと権限の与えすぎや予想外の動作につながります。また、エージェントは同じ入力でも結果がぶれるため、ツールを正しく選べたかを測る評価の仕組みが運用の前提になります。本書は仕様、実装、評価、管理を 1 冊で通すため、試作から本番の手前までの流れをつかみやすい構成です。一方で、ハンズオンは AWS アカウントと Bedrock の利用申請を前提にしており、Streamlit や Rich といった Python のライブラリを使う章もあるため、コードを読む力が要ります。生成 AI の仕組みそのものや LLM の基礎から学びたい人には、先に入門書が必要です。AWS を使わない環境で MCP だけを学びたい場合も、後半の多くは手元で再現しにくくなります。

AI エージェントの開発やデプロイの基礎をより広く押さえたい人には、両著者がそれぞれ共著に加わった『AI エージェント開発 / 運用入門 [生成 AI 深掘りガイド]』や『Amazon Bedrock 生成 AI アプリ開発入門 [AWS 深掘りガイド]』 (いずれも SB クリエイティブ) が隣の選択肢になり、生成 AI の本を層ごとに見比べたいときは LLM と生成 AI の本の選び方 も参考になります。社内の AWS 環境に AI エージェントを導入する役割を任された人や、MCP サーバーを自作して既存のシステムと連携させたい人、試作したエージェントの評価と管理の方法に悩んでいる人にとって、仕様の確認から運用の手前まで手順を追って確かめられる本書は、調べ物に費やす時間を減らして設計の判断に集中する助けになる一冊です。