> ## Documentation Index
> Fetch the complete documentation index at: https://docs.jinba.io/llms.txt
> Use this file to discover all available pages before exploring further.

# Model Context Protocol（MCP）

> ワークスペースのMCPサーバーの設定方法を学びましょう。

# Model Context Protocol（MCP）とは？

MCPは、アプリケーションがLLMにコンテキストを提供する方法を標準化するオープンなプロトコルです。MCPは、AIアプリケーションのためのUSB-Cポートのようなものです。USB-Cがさまざまなデバイスやアクセサリーへの接続方法を標準化しているのと同じように、MCPはAIモデルが異なるデータソースやツールに接続する方法を標準化します。

詳しくは[こちら](https://modelcontextprotocol.io/introduction?utm_source=chatgpt.com)をご覧ください。

# ワークスペースのMCPサーバーをセットアップする方法

フローを作成する際、`INPUT_`で始まるツールを使って、あなたのツールが受け取る入力を設定できます。例えば以下のようになります。

```yaml theme={null}
- id: word_1
  tool: INPUT_TEXT
  input:
    - name: value
      value: DEFAULT_VALUE
    - name: data_type
      value: STRING
- id: word_2
  tool: INPUT_TEXT
  input:
    - name: value
      value: DEFAULT_VALUE
    - name: data_type
      value: STRING
- id: concat
  tool: PYTHON_SANDBOX_RUN
  needs:
    - word_1
    - word_2
  input:
    - name: code
      value: |

        word_1 = steps.word_1.result.output
        word_2 = steps.word_2.result.output

        f"{word_1} {word_2}"
    - name: data_type
      value: STRING
```

上記のフローは、MCPツールのパラメータとして`word_1`と`word_2`を表示します。フロー内では、ツール名ではなくツールのIDを使用して参照します。これらの`INPUT_`ツールを追加したら、ワークスペースのMCPタブに移動して、MCP用のフローを設定したり、各フローが行うことを説明するプロンプトを設定したり、各パラメータに対するプロンプトを設定できます。

# LLMへの接続方法

あなたのワークスペースのMCPをLLMに接続するには、ワークスペースのMCPタブにあるサンプル設定を使用します。シークレットキーを必ず置き換えてください！他にMCPサーバーがない場合は、ファイル全体を貼り付けても構いません。もし他にもMCPサーバーがある場合は、Jinba Flowの`jinbaflow`セクションのみをファイルに追加できます。

以下は設定ファイルの例です。

```JSON theme={null}
{
  "mcpServers": {
    "jinbaflow": {
      "command": "npx",
      "args": [
        "-y",
        "supergateway",
        "--streamableHttp",
        "https://api.jinba.io/api/v2/workspaces/uuid-here-1234-5678-foobar/mcp",
        "--header",
        "Authorization: Bearer YOUR_TOKEN"
      ]
    }
  }
}
```