サンプリングを使用すると、サーバーは接続されたMCPクライアントを通じて、Claudeのような言語モデルにアクセスできます。サーバーが直接Claudeを呼び出す代わりに、クライアントに代理で呼び出しを行うよう依頼します。これにより、テキスト生成の責任とコストがサーバーからクライアントへと移ります。
サンプリングが解決する問題
Wikipediaから情報を取得するリサーチ ツールを備えたMCPサーバーがあるとします。そのデータをすべて収集した後、それを一貫性のあるレポートに要約する必要があります。ここで2つの選択肢があります。

オプション1: MCPサーバーにClaudeへの直接アクセス権を与える。この場合、サーバーは独自のAPIキーを持ち、認証を処理し、コストを管理し、Claude統合のコードをすべて実装する必要があります。これでも機能しますが、大きな複雑さが加わります。

オプション2: サンプリングを使用する。サーバーはプロンプトを生成し、クライアントに「代わりにClaudeを呼び出してもらえますか?」と依頼します。すでにClaudeへの接続を持っているクライアントが呼び出しを行い、結果を返します。
サンプリングの仕組み
流れは単純です。
- サーバーが作業を完了する(Wikipediaの記事を取得するなど)
- サーバーがテキスト生成を依頼するプロンプトを作成する
- サーバーがクライアントにサンプリング リクエストを送信する
- クライアントが提供されたプロンプトでClaudeを呼び出す
- クライアントが生成されたテキストをサーバーに返す
- サーバーが生成されたテキストを自身の応答に使用する
サンプリングの利点
- サーバーの複雑さを軽減: サーバーは言語モデルと直接統合する必要がありません
- コスト負担を移行: サーバーではなくクライアントがトークン使用料を支払います
- APIキーが不要: サーバーはClaudeの認証情報を必要としません
- 公開サーバーに最適: ユーザーごとにAIコストがかさんでいく公開サーバーは望ましくありません
実装
サンプリングの設定には、両側でのコードが必要です。
サーバー側
ツール関数内で、create_message関数を使用してテキスト生成をリクエストします。
@mcp.tool()
async def summarize(text_to_summarize: str, ctx: Context):
prompt = f"""
Please summarize the following text:
{text_to_summarize}
"""
result = await ctx.session.create_message(
messages=[
SamplingMessage(
role="user",
content=TextContent(
type="text",
text=prompt
)
)
],
max_tokens=4000,
system_prompt="You are a helpful research assistant",
)
if result.content.type == "text":
return result.content.text
else:
raise ValueError("Sampling failed")クライアント側
サーバーのリクエストを処理するサンプリング コールバックを作成します。
async def sampling_callback(
context: RequestContext, params: CreateMessageRequestParams
):
# Anthropic SDKを使用してClaudeを呼び出す
text = await chat(params.messages)
return CreateMessageResult(
role="assistant",
model=model,
content=TextContent(type="text", text=text),
)次に、クライアント セッションを初期化する際にこのコールバックを渡します。
async with ClientSession(
read,
write,
sampling_callback=sampling_callback
) as session:
await session.initialize()サンプリングを使用すべき場面
サンプリングは、一般公開されるMCPサーバーを構築する際に最も価値を発揮します。不特定多数のユーザーが自分の負担で無制限にテキストを生成することは望ましくありません。サンプリングを使用することで、各クライアントは自身のAI使用料を支払いながら、サーバーの機能の恩恵を受けることができます。
この手法は、本質的にAI統合の複雑さをサーバーからクライアントへと移します。クライアント側には、必要な接続や認証情報がすでに整っていることが多いためです。