> ## Documentation Index > Fetch the complete documentation index at: https://docs.coreweave.com/llms.txt > Use this file to discover all available pages before exploring further. # Model Context Protocol (MCP) と Weave > Weave で MCP クライアントと MCP サーバー間のアクティビティをトレースします Colab で開く Model Context Protocol (MCP) は、AI アプリケーションが大規模言語モデル (LLM) と情報をやり取りするための標準化された通信プロトコルです。MCP は、LLM がデータソースにアクセスしたり外部ツールを操作したりするためのインターフェースを提供するため、新しいサービスごとにカスタムのインテグレーションを用意する必要はありません。 Weave のインテグレーションを使用すると、MCP クライアントと MCP サーバー間のアクティビティをトレースできます。MCP ベースのシステム全体で、ツール呼び出し、リソースへのアクセス、プロンプト生成を詳細に可視化できるため、MCP アプリケーションのデバッグ、監査、最適化に役立ちます。 このガイドでは、インテグレーションの仕組みと、サーバー側およびクライアント側でトレースを有効にする方法を説明します。また、実際にご自身で実行できる完全な例も順を追って紹介します。

仕組み

このインテグレーションはクライアント側とサーバー側の操作をそれぞれ個別に取得しますが、両者間のやり取りをエンドツーエンドで可視化することはできません。エンドツーエンドの可観測性を実現するため、MCP に OpenTelemetry のトレースサポートを追加する提案が現在進められています。詳細については、[GitHub discussion #269](https://github.com/modelcontextprotocol/modelcontextprotocol/discussions/269) を参照してください。 Weave インテグレーションは、コアメソッドにパッチを当てて [`weave.op()`](/ja/products/wandb/weave/guides/tracking/ops) デコレーターを適用することで、Model Context Protocol (MCP) の主要なコンポーネントを自動的にトレースします。具体的には、[`mcp.server.fastmcp.FastMCP`](https://github.com/modelcontextprotocol/python-sdk/blob/b4c7db6a50a5c88bae1db5c1f7fba44d16eebc6e/src/mcp/server/fastmcp/server.py#L109) クラスと [`mcp.ClientSession`](https://github.com/modelcontextprotocol/python-sdk/blob/b4c7db6a50a5c88bae1db5c1f7fba44d16eebc6e/src/mcp/client/session.py#L84) クラスのメソッドにパッチを当てます。 このインテグレーションにより、Weave は次の MCP コンポーネントをトレースします。 * [ツール](https://modelcontextprotocol.io/specification/2025-06-18/server/tools) * [リソース](https://modelcontextprotocol.io/specification/2025-06-18/server/resources) * [プロンプト](https://modelcontextprotocol.io/specification/2025-06-18/server/prompts) [mcp_trace_timeline.png](https://forge.coreweave.com/wandb/ayut/mcp_example/weave/traces?filter=%7B%22opVersionRefs%22%3A%5B%22weave%3A%2F%2F%2Fayut%2Fmcp_example%2Fop%2Frun_client%3A*%22%5D%7D\&peekPath=%2Fayut%2Fmcp_example%2Fcalls%2F01966bbe-cc5e-7012-b45f-bf10617d8c1e%3FhideTraceTree%3D0)

インテグレーションを使用する

Weave インテグレーションは、MCP サーバーとクライアントの両方で動作します。インストール後は、`weave` をインポートする行と初期化する行の 2 行を追加するだけで、トレースを有効にできます。

前提条件

始める前に、必要なパッケージをインストールしてください。 ```bash theme={"system"} pip install -qq "mcp[cli]" weave ```

設定

MCP インテグレーションは、`MCP_TRACE_LIST_OPERATIONS` 環境変数で設定します。この変数を `true` に設定すると、サーバー側とクライアント側の両方で list 操作 (`list_tools`、`list_resources`、`list_prompts`) がトレースされます。

サーバー側インテグレーション

MCP サーバーを構築またはインストルメントする場合は、このセクションを参照してください。MCP サーバーをトレースするには、既存の `FastMCP` のセットアップに、Weave をインポートする行とクライアントを初期化する行の 2 行を追加します。追加すると、Weave がツール、リソース、プロンプトの操作を自動的にトレースします。 ```python lines theme={"system"} # Weave をインポート（トレースに必須） import weave from mcp.server.fastmcp import FastMCP # プロジェクト名を指定して Weave を初期化 weave_client = weave.init("my-project") # MCP サーバーを設定 mcp = FastMCP("Demo") # ツールを定義（この Call はトレースされます） @mcp.tool() def add(a: int, b: int) -> int: """Add two numbers.""" return a + b # リソースを定義（この Call はトレースされます） @mcp.resource("greeting://{name}") def get_greeting(name: str) -> str: """Return a personalized greeting.""" return f"Hello, {name}!" # プロンプトを定義（この Call はトレースされます） @mcp.prompt() def review_code(code: str) -> str: """Return a prompt for reviewing code.""" return f"Please review this code:\n\n{code}" # サーバーを起動 mcp.run(transport="stdio") ```

クライアント側のインテグレーション

MCP クライアントを構築またはインストルメントする場合は、このセクションを参照してください。クライアント側でも、トレースに必要な変更は Weave のインポートと初期化の 2 つです。Weave は、すべてのツール呼び出し、リソースへのアクセス、プロンプトのリクエストを自動的にトレースします。 ```python lines theme={"system"} # Weave をインポートします（トレースに必須） import weave from mcp import ClientSession, StdioServerParameters from mcp.client.stdio import stdio_client # プロジェクト名を指定して Weave を初期化します weave_client = weave.init("my-project") # MCP クライアントを設定して実行します async with stdio_client(server_params) as (read, write): async with ClientSession(read, write) as session: # セッションを初期化します await session.initialize() # ツールを呼び出します（トレースされます） result = await session.call_tool("add", arguments={"a": 1, "b": 2}) # リソースを読み取ります（トレースされます） resource = await session.read_resource("greeting://user") # プロンプトを取得します（トレースされます） prompt = await session.get_prompt("review_code", arguments={"code": "print('Hello')"}) ```

チュートリアル: `mcp_demo` の例

`mcp_demo` の例では、MCP と Weave を連携させてトレースを行う方法を紹介します。クライアントとサーバーの両方のコンポーネントをインストルメントし、両者のやり取りの詳細なトレースを取得する方法を示します。このコードを実行すると、MCP アプリケーションのクライアント側とサーバー側の両方のトレースを Weights & Biases UI で確認できます。また、ご自身の project に応用できる具体的な参考例としても活用できます。

サンプルを実行する

1. docs リポジトリをクローンし、`mcp_demo` サンプルのディレクトリに移動します。 ```bash theme={"system"} git clone https://github.com/wandb/docs cd docs/weave/examples/mcp_demo ``` このサンプルには、主に次の 2 つのファイルが含まれています。 * `example_server.py`: `FastMCP` で構築したデモ用の MCP サーバーです。ツール、リソース、プロンプトを定義しています。 * `example_client.py`: サーバーに接続し、そのコンポーネントを操作するクライアントです。 2. 必要な依存関係を手動でインストールします。 ```bash theme={"system"} pip install mcp[cli] weave ``` 3. デモを実行します。 ```bash theme={"system"} python example_client.py example_server.py ``` このコマンドを実行すると、クライアントとサーバーの両方が起動します。クライアントが対話型 CLI を起動するので、そこでさまざまな機能を試せます。

クライアント CLI コマンド

クライアントインターフェースでは、次のコマンドを使用できます。 | コマンド | 説明 | | - | - | | `tools` | 利用可能なツールを一覧表示します | | `resources` | 利用可能なリソースを一覧表示します | | `prompts` | 利用可能なプロンプトを一覧表示します | | `add ` | 2 つの数値を加算します | | `bmi ` | ボディマス指数 (BMI) を計算します | | `weather ` | 指定した都市の気象データを取得します | | `greeting ` | パーソナライズされた挨拶を取得します | | `user ` | ユーザープロフィールを取得します | | `config` | アプリの設定を取得します | | `code-review ` | コードレビュー用のプロンプトを生成します | | `debug ` | デバッグ用のプロンプトを生成します | | `demo` | 利用可能なすべての機能を網羅したデモを実行します。各機能を順番に実行し、インタラクション全体のトレースタイムラインを Weights & Biases UI 上に生成します。 | | `q` | セッションを終了します |

例の概要

`example_server.py` サーバーでは、次のものを定義しています。 * *ツール*: `add()`、`calculate_bmi()`、`fetch_weather()` などの関数 * *リソース*: `greeting://{name}`、`config://app`、`users://{id}/profile` などのエンドポイント * *プロンプト*: `review_code()` や `debug_error()` などのテンプレート `weave.init()` でクライアントを初期化すると、Weave はサーバー側のすべての操作を自動的にトレースします。 `example_client.py` クライアントでは、次の内容を紹介しています。 * MCP サーバーへの接続 * 利用可能なツール、リソース、プロンプトの検出 * パラメーターを指定したツールの呼び出し * リソース URI からの読み取り * 引数を指定したプロンプトの生成 * カスタムメソッドや関数での [`weave.op()`](/ja/products/wandb/weave/guides/tracking/ops) の使用例 Weave はクライアント側のすべての Call をトレースするため、クライアントとサーバー間のやり取りを全体的に把握できます。

FAQ

このセクションでは、Weave の MCP トレースを使用する理由とその使い方について、よくある質問にお答えします。

MCP トレースが必要な理由

LLM アプリケーションの開発者は、次の 3 つのタイプのいずれかに該当します。 * *MCP サーバー側の開発者*: 複数のツール、リソース、プロンプトを MCP クライアントに公開したい開発者です。既存のアプリケーションのツールやリソースを公開している場合や、エージェントを構築している場合、またはオーケストレーターエージェントで複数のエージェントを連携させている場合が該当します。 * *MCP クライアント側の開発者*: クライアント側のアプリケーションを複数の MCP サーバーに接続したい開発者です。クライアント側のロジックの中核は、どのツールを呼び出すか、どのリソースを取得するかを判断するための LLM Call です。 * *MCP サーバーとクライアントの開発者*: サーバーとクライアントの両方を開発している開発者です。 最初の 2 つのいずれかに該当する場合は、各ツールがいつ呼び出されたか、実行フローがどうなっているか、トークン数、そしてサーバー側またはクライアント側のロジックにおける各コンポーネントのレイテンシーを把握する必要があります。 サーバーとクライアントの両方を開発している場合は、統合されたトレースのタイムラインを使うことで、サーバー側とクライアント側のロジックを反復的に改善しやすくなります。 いずれの場合も、可観測性レイヤーを導入すると次のことが可能になります。 * アプリケーションを反復的に改善する。 * ワークフローや実行ロジックを監査する。 * ボトルネックを特定する。