MCPのリソースを使用すると、サーバーは情報にアクセスするためにツール呼び出しを必要とせずに、プロンプトに直接含めることができるデータを公開できます。これにより、Claudeのような AI モデルにコンテキストを提供するためのより効率的な方法が実現します。

リソースフローの理解
ユーザーがアプリケーションで「What's in the @...」のような入力をすると、システムはオートコンプリート用に利用可能なリソースのリストを取得する必要があります。MCPクライアントはReadResourceRequestをサーバーに送信し、サーバーは参照可能なドキュメント名のリストで応答します。
リソース読み取りの実装
コアとなる機能は、MCPクライアントのread_resourceメソッドで実行されます。このメソッドは、サーバーからどのリソースを取得するかを識別するURIパラメータを受け取ります。
まず、JSONのパースとURLの検証を扱うために必要なインポートを追加します。
import json
from pydantic import AnyUrl主要な実装では、MCPサーバーへのリクエストを行い、その応答を処理します。
async def read_resource(self, uri: str) -> Any:
result = await self.session().read_resource(AnyUrl(uri))
resource = result.contents[0]さまざまなコンテンツタイプの処理
リソースはさまざまな種類のコンテンツを返すことができるため、応答を適切に処理するにはMIMEタイプを確認する必要があります。
if isinstance(resource, types.TextResourceContents):
if resource.mimeType == "application/json":
return json.loads(resource.text)
return resource.textこのアプローチにより、JSONリソースは適切にパースされる一方、プレーンテキストのリソースはそのまま返されることが保証されます。
実装のテスト
実装が完了したら、CLIアプリケーションを実行してリソース機能をテストできます。「@」に続けてリソース名を入力すると、システムは次のことを行います。
- オートコンプリートリストに利用可能なリソースを表示する
- 矢印キーとスペースキーを使ってリソースを選択できるようにする
- リソースの内容をClaudeに送信されるプロンプトに直接含める
これにより、Claudeは追加のツール呼び出しを行う必要なく、ドキュメントの内容を即座に受け取ることができ、やり取りがはるかに効率的になります。
主な利点
リソースは、静的な情報へのアクセスにおいて、ツールに比べていくつかの利点があります。
- コンテンツがプロンプトに直接含まれるため、レイテンシが減少する
- 会話中に追加のAPI呼び出しが不要になる
- オートコンプリート機能によりユーザー体験が向上する
- 静的データと動的な処理との間をより明確に分離できる
リソースは、ドキュメント、レポート、参考資料など、AIモデルから簡単にアクセスできるようにしたい、比較的静的な情報に最適です。