Guide April 25, 2026 · 10 min read

MCP Complete Guide 2026: Model Context Protocol for AI Agent Builders

MCP has gone from a niche Anthropic project to the de-facto standard for connecting AI agents to tools. Here's everything you need to know — architecture, MCP vs A2A, the best MCP servers, and how to integrate with every major framework.

What Is MCP?

Model Context Protocol (MCP) is an open standard created by Anthropic in November 2024 that defines how AI agents connect to external tools and data sources. Think of it as USB-C for AI — instead of every framework implementing its own custom GitHub connector, database adapter, or file system bridge, MCP provides a single universal interface.

Before MCP: a GitHub integration written for LangChain didn't work with AutoGen. A database connector for CrewAI needed to be rewritten from scratch. MCP standardizes this layer, so any MCP-compatible agent can use any MCP server — regardless of which framework it's built on.

By mid-2026, MCP has been adopted by OpenAI, Google DeepMind, LangChain, Cursor, Windsurf, Zed, and hundreds of other tools. There are now 2,000+ MCP servers available in public catalogs.

MCP Architecture

The MCP architecture has three components:

MCP Host (your AI app / IDE / agent)
↕ via MCP Client (built into the host)
↕ JSON-RPC 2.0 over stdio or HTTP SSE
MCP Server (tool/data provider)
→ exposes: Tools, Resources, Prompts
  • Tools — functions the LLM can call (e.g., search_github, query_db, read_file)
  • Resources — data the LLM can read (e.g., file contents, database records, API responses)
  • Prompts — pre-built prompt templates the server exposes to clients

MCP vs A2A: The Key Difference

These two protocols solve different problems and are complementary — not competing:

Protocol What It Connects Analogy
MCPAgent ↔ Tools/DataUSB-C (peripheral connectivity)
A2AAgent ↔ AgentHTTP (computer-to-computer)

In a multi-agent system, you use A2A for the orchestrator to delegate tasks to sub-agents, and MCP for each sub-agent to access the tools it needs to complete its work.

Top MCP Servers in 2026

🗂️ File System & Code

@modelcontextprotocol/server-filesystem, @modelcontextprotocol/server-git — built-in MCP-maintained servers for local file operations and Git

🐙 GitHub

@modelcontextprotocol/server-github — search repos, create issues, manage PRs, read file contents directly from GitHub

🗄️ Databases

PostgreSQL, SQLite, MySQL MCP servers — query databases directly from your agent without custom connectors

🌐 Web & Search

Brave Search MCP, Firecrawl MCP, Playwright MCP — web search, page scraping, and browser automation

💬 Communication

Slack MCP, Gmail MCP, Linear MCP — read and write messages, manage tickets, send notifications

☁️ Cloud & DevOps

AWS MCP, Kubernetes MCP — query cloud resources, manage deployments, monitor infrastructure

Full catalogs: mcp.so (2,000+ servers) · mcpservers.org

Framework Integration Guide

LangChain / LangGraph

from langchain_mcp_adapters.client import MultiServerMCPClient

async with MultiServerMCPClient({
"filesystem": {
"command": "npx",
"args": ["-y", "@modelcontextprotocol/server-filesystem", "/workspace"],
"transport": "stdio"
},
"github": {
"url": "https://github-mcp.example.com/sse",
"transport": "sse"
}
}) as client:
tools = client.get_tools()
# All MCP tools available as LangChain tools

CrewAI

from crewai import Agent
from crewai_tools import MCPTool

# Connect to a remote MCP server
github_tool = MCPTool(url="https://your-github-mcp.example.com/sse")

agent = Agent(
role="Developer",
tools=[github_tool],
...
)

OpenAI Agents SDK

from agents import Agent, MCPServerSSE

async with MCPServerSSE(url="https://your-mcp-server.example.com/sse") as server:
agent = Agent(name="assistant", mcp_servers=[server])
result = await agent.run("Search GitHub for MCP examples")

Building Your Own MCP Server

Creating a custom MCP server for your internal tools takes ~50 lines of Python:

from mcp.server import Server
from mcp.server.models import InitializationOptions

server = Server("my-internal-tools")

@server.tool()
async def search_internal_db(query: str) -> str:
"""Search our internal database"""
results = await db.search(query)
return json.dumps(results)

@server.tool()
async def post_to_slack(channel: str, message: str) -> str:
"""Post a message to Slack"""
await slack.post(channel, message)
return "Posted successfully"

Once deployed, any MCP-compatible agent (Claude, LangChain, CrewAI, etc.) can use your internal tools without any framework-specific code.

MCP Transport: stdio vs SSE vs HTTP

Transport Use Case Notes
stdioLocal tools (file system, CLI)Spawns server process, low latency
HTTP SSERemote servers, cloud deploymentsServer-sent events, streaming support
Streamable HTTPProduction deployments (MCP 1.1+)Bidirectional, more efficient

Framework Support Matrix (April 2026)

Framework MCP Status Notes
LangChain / LangGraph✅ Nativelangchain-mcp-adapters package
CrewAI✅ NativeMCPTool in crewai-tools
OpenAI Agents SDK✅ NativeMCPServerSSE / MCPServerStdio
AutoGen (Microsoft)✅ Supportedvia MCPToolAdapter
Google ADK✅ NativeFirst-class Gemini integration
Mastra✅ NativeTypeScript-first MCP support
PydanticAI✅ Nativemcp tools auto-discovery
Claude (Desktop/API)✅ NativeMCP creator — deepest integration

The 2026 Standard Agent Stack

Framework (LangGraph / CrewAI / AutoGen / ADK)
↓ tool connectivity
MCP (files / DBs / APIs / browser / Slack)
↓ agent coordination
A2A (multi-agent task delegation)
↓ observability
LangSmith / Langfuse / Helicone
↓ memory persistence
Mem0 / Zep / Letta

Explore MCP servers, A2A-compatible frameworks, and 400+ curated AI agent tools at AgDex.ai — the AI Agent resource directory.

← All Articles Browse Tools →

🔧 Related Tools

LangChain → LangGraph → LangSmith → Langfuse →

📚 Related Articles

Guía 25 de abril de 2026 · 10 min de lectura

Guía Completa de MCP 2026: Model Context Protocol para creadores de agentes de IA

MCP ha pasado de ser un proyecto de nicho de Anthropic a convertirse en el estándar de facto para conectar agentes de IA con herramientas. Aquí tienes todo lo que necesitas saber: arquitectura, MCP frente a A2A, los mejores servidores MCP y cómo integrarlo con los principales frameworks.

¿Qué es MCP?

Model Context Protocol (MCP) es un estándar abierto creado por Anthropic en noviembre de 2024 que define cómo se conectan los agentes de IA con las herramientas y fuentes de datos externas. Piénsalo como el USB-C para la IA: en lugar de que cada framework implemente su propio conector personalizado para GitHub, adaptador de base de datos o puente de sistema de archivos, MCP proporciona una única interfaz universal.

Antes de MCP: una integración de GitHub escrita para LangChain no funcionaba con AutoGen. Un conector de base de datos para CrewAI tenía que ser reescrito desde cero. MCP estandariza esta capa, por lo que cualquier agente compatible con MCP puede usar cualquier servidor MCP, independientemente del framework en el que esté construido.

Para mediados de 2026, MCP ha sido adoptado por OpenAI, Google DeepMind, LangChain, Cursor, Windsurf, Zed y cientos de otras herramientas. Actualmente hay más de 2000 servidores MCP disponibles en catálogos públicos.

Arquitectura de MCP

La arquitectura de MCP tiene tres componentes:

Host de MCP (tu aplicación de IA / IDE / agente)
↕ a través del Cliente MCP (integrado en el host)
↕ JSON-RPC 2.0 sobre stdio o HTTP SSE
Servidor MCP (proveedor de herramientas/datos)
→ expone: Herramientas, Recursos, Prompts
  • Herramientas (Tools) — funciones que el LLM puede llamar (por ejemplo, search_github, query_db, read_file)
  • Recursos (Resources) — datos que el LLM puede leer (por ejemplo, el contenido de archivos, registros de bases de datos, respuestas de API)
  • Prompts (Plantillas de instrucciones) — plantillas de instrucciones preconstruidas que el servidor expone a los clientes

MCP frente a A2A: La diferencia clave

Estos dos protocolos resuelven problemas diferentes y son complementarios, no competidores:

Protocolo Qué conecta Analogía
MCPAgente ↔ Herramientas/DatosUSB-C (conectividad de periféricos)
A2AAgente ↔ AgenteHTTP (computadora a computadora)

En un sistema multi-agente, utilizas A2A para que el orquestador delegue tareas a los subagentes, y MCP para que cada subagente acceda a las herramientas que necesita para completar su trabajo.

Mejores servidores MCP en 2026

🗂️ Sistema de archivos y código

@modelcontextprotocol/server-filesystem, @modelcontextprotocol/server-git — servidores integrados y mantenidos por MCP para operaciones de archivos locales y Git

🐙 GitHub

@modelcontextprotocol/server-github — buscar repositorios, crear issues, gestionar PRs, leer el contenido de archivos directamente desde GitHub

🗄️ Bases de datos

Servidores MCP de PostgreSQL, SQLite, MySQL — consultar bases de datos directamente desde tu agente sin conectores personalizados

🌐 Web y búsqueda

Brave Search MCP, Firecrawl MCP, Playwright MCP — búsqueda web, raspado de páginas y automatización de navegadores

💬 Comunicación

Slack MCP, Gmail MCP, Linear MCP — leer y escribir mensajes, gestionar tickets, enviar notificaciones

☁️ Nube y DevOps

AWS MCP, Kubernetes MCP — consultar recursos en la nube, gestionar despliegues, monitorear infraestructura

Catálogos completos: mcp.so (más de 2000 servidores) · mcpservers.org

Guía de integración de frameworks

LangChain / LangGraph

from langchain_mcp_adapters.client import MultiServerMCPClient

async with MultiServerMCPClient({
"filesystem": {
"command": "npx",
"args": ["-y", "@modelcontextprotocol/server-filesystem", "/workspace"],
"transport": "stdio"
},
"github": {
"url": "https://github-mcp.example.com/sse",
"transport": "sse"
}
}) as client:
tools = client.get_tools()
# Todas las herramientas MCP disponibles como herramientas de LangChain

CrewAI

from crewai import Agent
from crewai_tools import MCPTool

# Conectar a un servidor MCP remoto
github_tool = MCPTool(url="https://your-github-mcp.example.com/sse")

agent = Agent(
role="Developer",
tools=[github_tool],
...
)

OpenAI Agents SDK

from agents import Agent, MCPServerSSE

async with MCPServerSSE(url="https://your-mcp-server.example.com/sse") as server:
agent = Agent(name="assistant", mcp_servers=[server])
result = await agent.run("Search GitHub for MCP examples")

Construyendo tu propio servidor MCP

Crear un servidor MCP personalizado para tus herramientas internas toma alrededor de 50 líneas de Python:

from mcp.server import Server
from mcp.server.models import InitializationOptions

server = Server("my-internal-tools")

@server.tool()
async def search_internal_db(query: str) -> str:
"""Buscar en nuestra base de datos interna"""
results = await db.search(query)
return json.dumps(results)

@server.tool()
async def post_to_slack(channel: str, message: str) -> str:
"""Publicar un mensaje en Slack"""
await slack.post(channel, message)
return "Publicado con éxito"

Una vez desplegado, cualquier agente compatible con MCP (Claude, LangChain, CrewAI, etc.) puede usar tus herramientas internas sin ningún código específico del framework.

Transporte MCP: stdio frente a SSE frente a HTTP

Transporte Caso de uso Notas
stdioHerramientas locales (sistema de archivos, CLI)Genera un proceso de servidor, baja latencia
HTTP SSEServidores remotos, despliegues en la nubeEventos enviados por el servidor (SSE), soporte de transmisión (streaming)
HTTP de transmisiónDespliegues de producción (MCP 1.1+)Bidireccional, más eficiente

Matriz de soporte de frameworks (abril de 2026)

Framework Estado de MCP Notas
LangChain / LangGraph✅ Nativopaquete langchain-mcp-adapters
CrewAI✅ NativoMCPTool en crewai-tools
OpenAI Agents SDK✅ NativoMCPServerSSE / MCPServerStdio
AutoGen (Microsoft)✅ Soportadoa través de MCPToolAdapter
Google ADK✅ NativoIntegración de Gemini de primer nivel
Mastra✅ NativoSoporte de MCP enfocado en TypeScript
PydanticAI✅ Nativoauto-descubrimiento de herramientas mcp
Claude (Escritorio/API)✅ NativoCreador de MCP — integración más profunda

La pila de agentes estándar de 2026

Framework (LangGraph / CrewAI / AutoGen / ADK)
↓ conectividad de herramientas
MCP (archivos / bases de datos / APIs / navegador / Slack)
↓ coordinación de agentes
A2A (delegación de tareas multi-agente)
↓ observabilidad
LangSmith / Langfuse / Helicone
↓ persistencia de memoria
Mem0 / Zep / Letta

Explora servidores MCP, frameworks compatibles con A2A y más de 400 herramientas curadas de agentes de IA en AgDex.ai — el directorio de recursos de agentes de IA.

← Todos los artículos Explorar herramientas →

🔧 Herramientas relacionadas

LangChain → LangGraph → LangSmith → Langfuse →

📚 Artículos relacionados

Leitfaden 25. April 2026 · 10 Min. Lesezeit

MCP Komplettanleitung 2026: Model Context Protocol für Entwickler von KI-Agenten

MCP hat sich von einem Nischenprojekt von Anthropic zum De-facto-Standard für die Verbindung von KI-Agenten mit Tools entwickelt. Hier finden Sie alles, was Sie wissen müssen – Architektur, MCP vs. A2A, die besten MCP-Server und wie Sie es in jedes gängige Framework integrieren.

Was ist MCP?

Model Context Protocol (MCP) ist ein im November 2024 von Anthropic entwickelter offener Standard, der definiert, wie sich KI-Agenten mit externen Tools und Datenquellen verbinden. Stellen Sie es sich wie USB-C für KI vor – anstatt dass jedes Framework seinen eigenen benutzerdefinierten GitHub-Connector, Datenbankadapter oder seine eigene Dateisystembrücke implementiert, MCP bietet eine einzige universelle Schnittstelle.

Vor MCP: Eine für LangChain geschriebene GitHub-Integration funktionierte nicht mit AutoGen. Ein Datenbank-Connector für CrewAI musste von Grund auf neu geschrieben werden. MCP standardisiert diese Schicht, sodass jeder MCP-kompatible Agent jeden MCP-Server verwenden kann – unabhängig davon, auf welchem Framework er aufgebaut ist.

Bis Mitte 2026 wurde MCP von OpenAI, Google DeepMind, LangChain, Cursor, Windsurf, Zed und Hunderten von anderen Tools übernommen. Inzwischen stehen über 2.000 MCP-Server in öffentlichen Katalogen zur Verfügung.

MCP-Architektur

Die MCP-Architektur besteht aus drei Komponenten:

MCP-Host (Ihre KI-App / IDE / Agent)
↕ über MCP-Client (im Host integriert)
↕ JSON-RPC 2.0 über stdio oder HTTP SSE
MCP-Server (Tool-/Datenanbieter)
→ stellt bereit: Tools, Ressourcen, Prompts
  • Tools – Funktionen, die das LLM aufrufen kann (z. B. search_github, query_db, read_file)
  • Ressourcen (Resources) – Daten, die das LLM lesen kann (z. B. Dateiinhalte, Datenbankeinträge, API-Antworten)
  • Prompts – vorgefertigte Prompt-Vorlagen, die der Server für Clients bereitstellt

MCP vs. A2A: Der entscheidende Unterschied

Diese beiden Protokolle lösen unterschiedliche Probleme und ergänzen sich gegenseitig – sie stehen nicht in Konkurrenz zueinander:

Protokoll Was es verbindet Analogie
MCPAgent ↔ Tools/DatenUSB-C (Verbindung von Peripheriegeräten)
A2AAgent ↔ AgentHTTP (Computer-zu-Computer)

In einem Multi-Agenten-System verwenden Sie A2A, damit der Orchestrator Aufgaben an Sub-Agenten delegiert, und MCP, damit jeder Sub-Agent auf die Tools zugreifen kann, die er zur Erledigung seiner Arbeit benötigt.

Die besten MCP-Server im Jahr 2026

🗂️ Dateisystem & Code

@modelcontextprotocol/server-filesystem, @modelcontextprotocol/server-git – integrierte, von MCP gepflegte Server für lokale Dateioperationen und Git

🐙 GitHub

@modelcontextprotocol/server-github – Repositories durchsuchen, Issues erstellen, PRs verwalten, Dateiinhalte direkt aus GitHub lesen

🗄️ Datenbanken

PostgreSQL, SQLite, MySQL MCP-Server – Datenbanken direkt von Ihrem Agenten aus abfragen, ohne benutzerdefinierte Connectoren

🌐 Web & Suche

Brave Search MCP, Firecrawl MCP, Playwright MCP – Websuche, Page-Scraping und Browser-Automatisierung

💬 Kommunikation

Slack MCP, Gmail MCP, Linear MCP – Nachrichten lesen und schreiben, Tickets verwalten, Benachrichtigungen senden

☁️ Cloud & DevOps

AWS MCP, Kubernetes MCP – Cloud-Ressourcen abfragen, Deployments verwalten, Infrastruktur überwachen

Vollständige Kataloge: mcp.so (über 2.000 Server) · mcpservers.org

Framework-Integrationsanleitung

LangChain / LangGraph

from langchain_mcp_adapters.client import MultiServerMCPClient

async with MultiServerMCPClient({
"filesystem": {
"command": "npx",
"args": ["-y", "@modelcontextprotocol/server-filesystem", "/workspace"],
"transport": "stdio"
},
"github": {
"url": "https://github-mcp.example.com/sse",
"transport": "sse"
}
}) as client:
tools = client.get_tools()
# Alle MCP-Tools als LangChain-Tools verfügbar

CrewAI

from crewai import Agent
from crewai_tools import MCPTool

# Verbindung zu einem Remote-MCP-Server herstellen
github_tool = MCPTool(url="https://your-github-mcp.example.com/sse")

agent = Agent(
role="Developer",
tools=[github_tool],
...
)

OpenAI Agents SDK

from agents import Agent, MCPServerSSE

async with MCPServerSSE(url="https://your-mcp-server.example.com/sse") as server:
agent = Agent(name="assistant", mcp_servers=[server])
result = await agent.run("Search GitHub for MCP examples")

Einen eigenen MCP-Server bauen

Das Erstellen eines benutzerdefinierten MCP-Servers für Ihre internen Tools erfordert ca. 50 Zeilen Python:

from mcp.server import Server
from mcp.server.models import InitializationOptions

server = Server("my-internal-tools")

@server.tool()
async def search_internal_db(query: str) -> str:
"""Unsere interne Datenbank durchsuchen"""
results = await db.search(query)
return json.dumps(results)

@server.tool()
async def post_to_slack(channel: str, message: str) -> str:
"""Eine Nachricht auf Slack posten"""
await slack.post(channel, message)
return "Erfolgreich gepostet"

Einmal bereitgestellt, kann jeder MCP-kompatible Agent (Claude, LangChain, CrewAI usw.) Ihre internen Tools ohne frameworkspezifischen Code verwenden.

MCP-Transport: stdio vs. SSE vs. HTTP

Transport Anwendungsfall Hinweise
stdioLokale Tools (Dateisystem, CLI)Startet Serverprozess, geringe Latenz
HTTP SSERemote-Server, Cloud-DeploymentsServer-Sent Events, Streaming-Unterstützung
Streamfähiges HTTPProduktions-Deployments (MCP 1.1+)Bidirektional, effizienter

Framework-Support-Matrix (April 2026)

Framework MCP-Status Hinweise
LangChain / LangGraph✅ Nativlangchain-mcp-adapters-Paket
CrewAI✅ NativMCPTool in crewai-tools
OpenAI Agents SDK✅ NativMCPServerSSE / MCPServerStdio
AutoGen (Microsoft)✅ Unterstütztüber MCPToolAdapter
Google ADK✅ NativErstklassige Gemini-Integration
Mastra✅ NativTypeScript-first MCP-Unterstützung
PydanticAI✅ NativAutomatische Erkennung von MCP-Tools
Claude (Desktop/API)✅ NativMCP-Schöpfer – tiefste Integration

Der Standard-Agenten-Stack 2026

Framework (LangGraph / CrewAI / AutoGen / ADK)
↓ Tool-Konnektivität
MCP (Dateien / Datenbanken / APIs / Browser / Slack)
↓ Agenten-Koordination
A2A (Multi-Agenten-Aufgabenverteilung)
↓ Observability (Beobachtbarkeit)
LangSmith / Langfuse / Helicone
↓ Speicherpersistenz
Mem0 / Zep / Letta

Entdecken Sie MCP-Server, A2A-kompatible Frameworks und über 400 kuratierte KI-Agenten-Tools auf AgDex.ai – dem Ressourcenverzeichnis für KI-Agenten.

← Alle Artikel Tools durchsuchen →

🔧 Ähnliche Tools

LangChain → LangGraph → LangSmith → Langfuse →

📚 Ähnliche Artikel

ガイド 2026年4月25日 · 読了時間 10分

MCP完全ガイド2026：AIエージェント開発者のためのModel Context Protocol

MCPは、Anthropicのニッチなプロジェクトから、AIエージェントとツールを接続するためのデファクトスタンダードへと進化しました。アーキテクチャ、MCPとA2Aの違い、最適なMCPサーバー、主要なすべてのフレームワークとの統合方法など、知っておくべきすべての情報をお届けします。

MCPとは何か？

Model Context Protocol (MCP)は、2024年11月にAnthropicによって作成されたオープン標準であり、AIエージェントが外部ツールやデータソースに接続する方法を定義しています。AIにおけるUSB-Cのようなものと考えてください。フレームワークごとに独自のカスタムGitHubコネクタ、データベースアダプタ、またはファイルシステムブリッジを実装する代わりに、MCPは単一のユニバーサルインターフェースを提供します。

MCPが登場する前は、LangChain向けに記述されたGitHub統合はAutoGenでは機能しませんでした。CrewAI用のデータベースコネクタはゼロから書き直す必要がありました。MCPはこのレイヤーを標準化するため、構築されているフレームワークに関係なく、任意のMCP互換エージェントが任意のMCPサーバーを使用できます。

2026年半ばまでに、MCPはOpenAI、Google DeepMind, LangChain、Cursor、Windsurf、Zed、およびその他数百のツールによって採用されています。現在、公開カタログには2,000以上のMCPサーバーが用意されています。

MCPアーキテクチャ

MCPアーキテクチャは次の3つのコンポーネントで構成されています。

MCPホスト (AIアプリ / IDE / エージェント)
↕ MCPクライアント経由 (ホストに内蔵)
↕ stdioまたはHTTP SSEを介したJSON-RPC 2.0
MCPサーバー (ツール/データプロバイダー)
→ 公開内容：ツール (Tools)、リソース (Resources)、プロンプト (Prompts)
  • Tools (ツール) — LLMが呼び出せる関数（例: search_github、query_db、read_file）
  • Resources (リソース) — LLMが読み取れるデータ（例: ファイルの内容、データベースのレコード、APIレスポンス）
  • Prompts (プロンプト) — サーバーがクライアントに提供する事前構築済みのプロンプトテンプレート

MCPとA2A：主な違い

これら2つのプロトコルは異なる課題を解決し、相互に補完し合うものであり、競合するものではありません。

プロトコル 接続対象 例え
MCPエージェント ↔ ツール/データUSB-C (周辺機器の接続)
A2Aエージェント ↔ エージェントHTTP (コンピュータ間の通信)

マルチエージェントシステムでは、オーケストレーターがサブエージェントにタスクを委譲するために A2A を使用し、各サブエージェントが作業を完了するために必要なツールにアクセスするために MCP を使用します。

2026年の主要なMCPサーバー

🗂️ ファイルシステム＆コード

@modelcontextprotocol/server-filesystem, @modelcontextprotocol/server-git — ローカルファイル操作およびGit用の、MCPが公式にメンテナンスしている組み込みサーバー

🐙 GitHub

@modelcontextprotocol/server-github — リポジトリの検索、イシューの作成、PRの管理、GitHubからのファイル内容の直接読み取り

🗄️ データベース

PostgreSQL, SQLite, MySQL MCPサーバー — カスタムコネクタなしで、エージェントからデータベースに直接クエリを実行

🌐 ウェブ＆検索

Brave Search MCP, Firecrawl MCP, Playwright MCP — ウェブ検索、ページスクレイピング、およびブラウザ自動化

💬 コミュニケーション

Slack MCP, Gmail MCP, Linear MCP — メッセージの送受信、チケットの管理、通知の送信

☁️ クラウド＆DevOps

AWS MCP, Kubernetes MCP — クラウドリソースのクエリ、デプロイの管理、インフラの監視

全カタログ：mcp.so (2,000以上のサーバー) · mcpservers.org

フレームワーク統合ガイド

LangChain / LangGraph

from langchain_mcp_adapters.client import MultiServerMCPClient

async with MultiServerMCPClient({
"filesystem": {
"command": "npx",
"args": ["-y", "@modelcontextprotocol/server-filesystem", "/workspace"],
"transport": "stdio"
},
"github": {
"url": "https://github-mcp.example.com/sse",
"transport": "sse"
}
}) as client:
tools = client.get_tools()
# すべてのMCPツールはLangChainツールとして利用可能

CrewAI

from crewai import Agent
from crewai_tools import MCPTool

# リモートMCPサーバーに接続
github_tool = MCPTool(url="https://your-github-mcp.example.com/sse")

agent = Agent(
role="Developer",
tools=[github_tool],
...
)

OpenAI Agents SDK

from agents import Agent, MCPServerSSE

async with MCPServerSSE(url="https://your-mcp-server.example.com/sse") as server:
agent = Agent(name="assistant", mcp_servers=[server])
result = await agent.run("Search GitHub for MCP examples")

独自のMCPサーバーの構築

社内ツール用のカスタムMCPサーバーの作成は、Pythonで約50行で記述できます。

from mcp.server import Server
from mcp.server.models import InitializationOptions

server = Server("my-internal-tools")

@server.tool()
async def search_internal_db(query: str) -> str:
"""社内データベースを検索"""
results = await db.search(query)
return json.dumps(results)

@server.tool()
async def post_to_slack(channel: str, message: str) -> str:
"""Slackにメッセージを投稿"""
await slack.post(channel, message)
return "投稿に成功しました"

デプロイされると、MCP互換のエージェント（Claude、LangChain、CrewAIなど）は、フレームワーク固有のコードなしで社内ツールを使用できます。

MCPトランスポート：stdio vs SSE vs HTTP

トランスポート ユースケース 備考
stdioローカルツール（ファイルシステム、CLI）サーバープロセスを起動、低遅延
HTTP SSEリモートサーバー、クラウドデプロイServer-Sent Events（サーバー送信イベント）、ストリーミング対応
Streamable HTTP本番デプロイ（MCP 1.1以上）双方向、より効率的

フレームワークサポートマトリクス（2026年4月）

フレームワーク MCP対応状況 備考
LangChain / LangGraph✅ ネイティブlangchain-mcp-adapters パッケージ
CrewAI✅ ネイティブcrewai-tools内のMCPTool
OpenAI Agents SDK✅ ネイティブMCPServerSSE / MCPServerStdio
AutoGen (Microsoft)✅ サポートありMCPToolAdapter経由
Google ADK✅ ネイティブファーストクラスのGemini統合
Mastra✅ ネイティブTypeScriptファーストのMCPサポート
PydanticAI✅ ネイティブMCPツールの自動検出
Claude (デスクトップ/API)✅ ネイティブMCPの開発元 — 最も深い統合

2026年の標準エージェントスタック

Framework (LangGraph / CrewAI / AutoGen / ADK)
↓ ツール接続
MCP (ファイル / データベース / APIs / ブラウザ / Slack)
↓ エージェント連携
A2A (マルチエージェントのタスク委譲)
↓ オブザーバビリティ（可観測性）
LangSmith / Langfuse / Helicone
↓ メモリ永続化
Mem0 / Zep / Letta

AgDex.ai（AIエージェントのリソースディレクトリ）で、MCPサーバー、A2A互換フレームワーク、および400以上の厳選されたAIエージェントツールを探索しましょう。

← すべての記事 ツールを閲覧する →

🔧 関連ツール

LangChain → LangGraph → LangSmith → Langfuse →

📚 関連記事