【2026年最新】エンジニア必見！おすすめMCPサーバー厳選12選｜用途別設定方法まで徹底解説

AIコーディングツールを使っているのに、「AIがGitHubにアクセスできない」「古いAPIの書き方でコードを生成してしまう」「ブラウザとエディタを行き来するのが面倒」……そんな悩みを抱えていませんか？

実は、これらの課題をまとめて解決できるのが MCP（Model Context Protocol） です。MCPサーバーを導入することで、Claude DesktopやClaude Code、Cursorといった対応AIツールが、GitHubやデータベース、ブラウザなどの外部ツールを「直接操作できる」ようになります。

本記事では、2026年2月時点の最新情報をもとに、開発現場で即戦力になるおすすめMCPサーバーを厳選12個、カテゴリ別に解説します。初めてMCPを使う方でも導入できるよう、設定コードと具体的なユースケースもあわせて紹介しますので、ぜひ最後まで読んでみてください。

MCPとは？今さら聞けない基礎知識

MCPが登場する前の世界と後の世界

MCP（Model Context Protocol）は、Anthropicが2024年11月に公開した、AIモデルと外部ツールをつなぐための標準プロトコルです。「プロトコル」とは、機器同士が通信するための約束ごとのこと。MCPが登場する前と後では、AIアシスタントの使い勝手が大きく変わりました。

比較項目	MCPなし	MCPあり
GitHubへのアクセス	不可（URLを貼り付けて人間が説明する）	自然言語で直接操作可能
ファイル操作	AIが内容を知ることができない	ローカルファイルを読み書き可能
DBへのクエリ	不可	自然言語でSQL実行可能
最新ライブラリ情報	学習データ時点の古い情報のみ	リアルタイム取得・反映が可能
ブラウザ操作	不可	E2Eテストの自動作成・実行が可能

MCPは「AIとツールをつなぐUSB-Cのような存在」とよく例えられます。USB-Cが登場したことで1種類のケーブルでさまざまなデバイスが接続できるようになったように、MCPがあることでどんなAIツールでも共通の方法で外部サービスに接続できるようになりました。

MCPサーバーの仕組み

MCPの登場人物は大きく3つに分かれます。

• ホスト：Claude Desktop、Claude Code、Cursorなど、AIが動作するアプリケーション
• MCPクライアント：ホストに内蔵され、MCPサーバーとの通信を担う部分
• MCPサーバー：GitHub、DB、ブラウザなど、AIが使いたいツール・サービスに接続する中継役

この3者が連携することで、「AIにGitHubのPRを確認して」という自然言語の指示が、実際のGitHub API操作として実行されるようになります。

対応クライアントの種類（2026年2月時点）

現在MCPに対応している主なクライアントは以下のとおりです。

クライアント	種別	特徴
Claude Desktop	デスクトップアプリ	Anthropic公式。設定ファイルで管理
Claude Code	CLIツール	ターミナルで動作。コーディング特化
Cursor	AIエディタ	VSCodeベースのAIコーディングIDE
opencode	CLIツール	オープンソース。opencode.jsonで管理
Windsurf	AIエディタ	Codeium製のAIエディタ

---

【開発効率化系】コーディング品質を劇的に上げるMCPサーバー

Context7 ── AIの「古いコード問題」を根本から解決

AIコードアシスタントのよく知られた弱点として、「学習データが古いため、非推奨のAPIや存在しないメソッドを使ったコードを生成してしまう」という問題があります。特にReact 18→19、Next.js 14→15のような破壊的変更が多いフレームワークでは、AIの提案がそのまま動かないことも珍しくありません。

Context7はこの問題をピンポイントで解決するMCPサーバーです。Upstash社が開発・提供しており、AIが使おうとしているライブラリの最新バージョン固有のドキュメントをリアルタイムで取得してプロンプトに注入してくれます。

こんな場面で効果を発揮

• 新しいフレームワークやライブラリを初めて使うとき
• バージョンアップ後の破壊的変更に対応するコード修正
• use context7 のひと言を添えるだけで最新仕様に基づいたコードが生成される

設定方法（Claude Desktop）

{
  "mcpServers": {
    "context7": {
      "command": "npx",
      "args": ["-y", "@upstash/context7-mcp@latest"]
    }
  }
}

使い方

プロンプトの末尾に use context7 と追加するだけです。

Reactの最新のuseActionStateを使ってフォームを作成して。use context7

メリット・デメリット

メリット	デメリット・注意点
AIのハルシネーション（存在しないAPIの使用など）が激減	インターネット接続が必要
設定が非常に簡単（npx一発）	対応していないマイナーなライブラリもある
ほぼすべての主要フレームワークに対応	プロンプトへの明示的な記載が必要

---

GitHub MCP（公式）── リポジトリ操作を自然言語で完結

GitHub公式のMCPサーバーです。Issue確認・PRレビュー・ブランチ管理・ファイル作成など、GitHub上の操作をすべてAIアシスタントから自然言語で実行できます。ブラウザとエディタを行き来する「コンテキストスイッチング」が大幅に減少し、集中力を保ったまま開発を続けられます。

実際のプロンプト例

「このバグはすでにIssueになっているか確認して」
「このPRの変更内容をレビューして問題点を指摘して」
「featブランチを作成して、このコードをコミットして」

設定方法

まずGitHubのPersonal Access Tokenを取得します（Settings → Developer settings → Personal access tokens）。

{
  "mcpServers": {
    "github": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-github"],
      "env": {
        "GITHUB_PERSONAL_ACCESS_TOKEN": "ghp_your_token_here"
      }
    }
  }
}

必要な権限スコープの目安

用途	必要なスコープ
リポジトリ読み取り	repo:read
Issue・PR操作	repo
ファイル作成・編集	repo

⚠️ 注意点：GitHub MCPは大量のトークンを消費しやすく、コンテキストウィンドウを圧迫することがあります。大きなリポジトリを対象にする場合は特に注意が必要です。

---

Serena ── 無料でCursor級のコード理解を実現

SerenaはLSP（Language Server Protocol：IDEがコード補完などに使う通信規格）とMCPを組み合わせた、オープンソースのコーディングエージェントツールキットです。

通常のMCPサーバーがファイルをテキストとしてAIに渡すのに対し、Serenaはコードをシンボルレベルで理解します。「Userクラスの定義を取得」「このメソッドを呼んでいる箇所の一覧」など、IDEと同じ粒度でコード構造を把握し、必要な部分だけを渡すため、トークンを節約しながら高精度な操作が可能です。

GitHubのスター数は17,000以上（2026年2月時点）を誇り、「Cursor不要論」とも言われるほどの実力を持っています。

対応言語： Python / TypeScript / JavaScript / Rust / Go / Java / C# / C++ など主要言語はほぼ網羅

設定方法（Claude Code 推奨）

claude mcp add serena -- \
  uvx --from git+https://github.com/oraios/serena \
  serena start-mcp-server --context ide-assistant

大規模プロジェクトでの効果比較

比較項目	通常のMCP（ファイル渡し）	Serena（シンボルレベル）
トークン消費	大（ファイル全体を渡す）	小（必要部分のみ）
コード理解精度	△（テキスト解析）	◎（IDEレベルの構造把握）
大規模プロジェクト対応	△（コンテキスト超過リスク）	◎
初期設定の手軽さ	◎	△（uvのインストールが必要）

---

【テスト・インフラ系】DevOpsを自動化するMCPサーバー

Playwright MCP（Microsoft公式）── E2Eテストの作成を自動化

MicrosoftのPlaywright（プレイライト）をMCP経由で操作できるサーバーです。Playwrightとは、ブラウザを自動操作してWebアプリのテストを行うフレームワークです。これをAIが直接制御できるようになることで、テストコードの作成・実行・デバッグまでをAIに任せられます。

GitHubのスター数は11,600以上（2026年2月時点）あり、注目度の高さが伺えます。

実際のユースケース

• 「このログインフォームのE2Eテストコードを書いて実行して、エラーが出たら修正して」
• 「本番環境のUIが仕様通りに動いているか確認して、スクリーンショットと一緒にレポートを作って」
• Webアプリのスクレイピング処理のプロトタイピング

設定方法（Claude Desktop）

{
  "mcpServers": {
    "playwright": {
      "command": "npx",
      "args": ["@playwright/mcp@latest"]
    }
  }
}

---

Docker MCP ── コンテナのトラブルシューティングをAIに丸投げ

Dockerコンテナ・イメージ・ボリューム・ネットワークを、AIアシスタントから管理できるMCPサーバーです。エラーが発生した時に「Dockerのログを見て原因を教えて」と一言投げるだけで、ログ取得→エラー分析→修正提案まで自律的に実行してくれます。

本番環境で障害が起きたとき、手動でログを探し回る手間が大幅に削減されます。

実際のプロンプト例

起動中のコンテナの状態を一覧で確認して
このDockerfileのビルドエラーを修正して
nginx-containerのログを見て、500エラーが発生している原因を特定して

設定方法

{
  "mcpServers": {
    "docker": {
      "command": "uvx",
      "args": ["mcp-server-docker"]
    }
  }
}

---

Supabase MCP（公式）── データベースを自然言語で操作

SupabaseのデータベースをMCP経由でAIが操作できるサーバーです。Supabaseとは、PostgreSQLをベースにしたオープンソースのBaaS（Backend as a Service）です。自然言語でSQLクエリを実行したり、テーブル構造の確認、マイグレーションの作成も可能になります。

同様のDBツールとしてPostgreSQL MCP・SQLite MCPもありますが、Supabaseはクラウドを含むプロジェクト管理機能まで対応している点が特徴です。

自然言語クエリの例

usersテーブルに今月登録したユーザーは何人いますか？
このスキーマに適したインデックスを提案して、そのまま作成してください
productsテーブルとordersテーブルを結合して、売上トップ10を出して

設定方法

{
  "mcpServers": {
    "supabase": {
      "command": "npx",
      "args": ["-y", "@supabase/mcp-server-supabase@latest"],
      "env": {
        "SUPABASE_ACCESS_TOKEN": "your_access_token"
      }
    }
  }
}

---

【デザイン・ドキュメント系】非エンジニアにも使えるMCPサーバー

Draw.io MCP（公式）── 構成図をAIが自動生成

「AIに指示するだけでシステム構成図を作りたい」 というエンジニアの夢を実現するのが、Draw.io公式のMCPサーバーです。テキストからXML・CSV・Mermaid形式で図を自動生成し、そのままDraw.ioで編集可能な状態で出力されます。

スクラッチでアーキテクチャ図を書く手間が大幅に削減され、ドキュメント作成の速度が飛躍的に向上します。Zenn等のエンジニアコミュニティでも「おすすめ度★★★★★」と高評価を受けています。

実際の指示例

AWSのサーバーレス構成図を描いて（API Gateway + Lambda + DynamoDB）
このコードのクラス図をUML形式で生成して
ユーザー登録フローのシーケンス図を作って

設定方法

npx @drawio/mcp

他の作図ツールとの比較

ツール	特徴	導入難易度	おすすめ度
Draw.io MCP	XMLで編集可能・公式提供	◎ 簡単	★★★★★
Excalidraw MCP	手書き風でビジュアルに親しみやすい	△ クローンが必要	★★★☆☆
Figma MCP	デザインデータから直接コード生成	△ Dev Modeサブスク必要	★★★★☆

---

Figma MCP（Dev Mode）── デザインカンプから即コード生成

FigmaのDev ModeとMCPを組み合わせることで、選択しているFigmaレイヤーの構造・レイアウト・バリアント・テキストスタイルをAIが直接読み取れます。スクリーンショットではなく実際のデザインデータからコード生成するため、精度が格段に上がります。

従来は「デザインを見ながらCSSを手打ちする」作業が必要でしたが、Figma MCPを使えば「このFigmaのコンポーネントをReactで実装して」の一言でコードが生成されます。

設定方法

{
  "mcpServers": {
    "figma": {
      "command": "npx",
      "args": ["-y", "figma-developer-mcp", "--figma-api-key=YOUR_API_KEY", "--stdio"]
    }
  }
}

⚠️ 注意：Figma Dev Modeサブスクリプション（有料）が必要です。

---

Markdownify MCP ── あらゆるファイルをMarkdownに変換

PDF・PowerPoint・音声ファイル・Webページなど、様々な形式のコンテンツをMarkdownに変換するMCPサーバーです。image-to-markdown・pptx-to-markdownなど、フォーマットごとに専用ツールが用意されており、変換精度が高いのが特徴です。

仕様書のPDFをMarkdownに変換して、そのままAIに解析させる、といった使い方が特に便利です。

設定方法

{
  "mcpServers": {
    "markdownify": {
      "command": "uvx",
      "args": ["markdownify-mcp"]
    }
  }
}

---

【情報収集・AI連携系】AIの知識の限界を突破するMCPサーバー

Brave Search / Tavily MCP ── 最新情報をリアルタイムで取得

AIの根本的な制限のひとつが「学習データのカットオフ（知識の締め切り日）」です。これにより、最新のニュースや直近リリースされたライブラリ情報はAIが知らない状態になります。これを解決するのが検索系MCPサーバーです。

Brave Search MCP は、プライバシー重視の検索エンジンBraveのAPIを活用。高速かつ低コストで、AIに最新ニュースやドキュメントを検索させることができます。

Tavily MCP は「AIのための検索エンジン」として設計されており、通常のGoogle検索と違い、LLMが読み取りやすいフォーマットでデータを返してくれます。Deep Research（詳細調査）を行わせたい場合はこちらがおすすめです。

両者の比較

比較項目	Brave Search MCP	Tavily MCP
主な特徴	プライバシー重視・高速	LLM最適化フォーマット
向いている用途	一般的なニュース・情報収集	技術調査・Deep Research
APIコスト	無料枠あり（月2,000クエリ）	無料枠あり（月1,000クエリ）
回答品質	高い	非常に高い

---

gemini-mcp-tool ── GeminiのWeb検索×巨大コンテキストをClaudeから活用

ClaudeをメインのAIとして使いながら、Geminiの強みだけを必要な場面で借用できるユニークなMCPサーバーです。Gemini CLIをMCP経由でブリッジする仕組みになっています。

Claudeには苦手な分野があり、GeminiにはClaudeにない強みがあります。それぞれの得意分野を活かした「マルチAIワークフロー」を実現するのがこのツールの価値です。

ClaudeとGeminiの得意分野比較

比較項目	Claude	Gemini
コーディング・推論	◎	○
Web検索（ネイティブ対応）	△（MCPで補完が必要）	◎
コンテキストウィンドウ	最大20万トークン	最大100万トークン
大規模ファイル解析	△	◎
コードのサンドボックス実行	△	◎

実際のプロンプト例（Claude Code内で使用）

use gemini to search for the latest React 19 changes
use gemini to explain @src/main.ts  （100万トークンでリポジトリ全体を解析）
use gemini sandbox to test @script.py safely

設定方法（前提：Gemini CLIのインストールと認証が必要）

# 前準備
npm install -g @google/gemini-cli
gemini  # 初回起動でGoogleアカウント認証

# Claude Codeへの追加
claude mcp add gemini-cli -s user -- npx -y gemini-mcp-tool

---

【開発プロセス改革系】"雰囲気コーディング"を卒業するMCPサーバー

spec-workflow-mcp ── 仕様駆動開発でAI開発の質を高める

「なんとなくプロンプトを書いてコードを生成する」いわゆる「Vibe Coding（雰囲気コーディング）」は、スピードは出るものの、意図と違うコードが生成されて後から修正だらけになることが多いです。

spec-workflow-mcpはSDD（Spec-Driven Development：仕様駆動開発）を実践するためのMCPサーバーです。仕様→設計→タスク→実装という構造化されたフローをAIと一緒に進めることができます。

Vibe CodingとSDD（仕様駆動開発）の違い

比較項目	Vibe Coding	SDD（spec-workflow-mcp）
開始方法	「〇〇機能を作って」と一言	仕様書の作成から開始
AIの理解度	毎回ゼロから理解	設計の意図を記憶・継続
修正の頻度	多い	少ない
チームでの共有	難しい	ダッシュボードで可視化
向いているプロジェクト規模	小規模・試作	中〜大規模・本番開発

主な機能

• 構造化ワークフロー：Requirements → Design → Tasks の順番を強制することで品質を担保
• リアルタイムダッシュボード：localhost:5000 でSpec・進捗・実装ログを可視化
• Memory Bank：プロジェクトの設計方針・コーディング規約をAIに継続的に記憶させる
• 11言語対応・VSCode拡張あり

設定方法（Claude Desktop）

{
  "mcpServers": {
    "spec-workflow": {
      "command": "npx",
      "args": ["-y", "@pimzino/spec-workflow-mcp@latest"]
    }
  }
}

実際の使い方の流れ

# Step 1: 仕様の作成
「ユーザー認証機能のspecを作成して」

# Step 2: 仕様一覧の確認
「specの一覧を表示して」

# Step 3: タスクの実行
「spec user-auth のタスク1.2を実行して」

---

用途別・おすすめMCPサーバー構成例

どのMCPサーバーを組み合わせるかは、目的によって異なります。以下に代表的なシナリオをまとめました。

まず試したい初心者向けセット（セットアップ5分）

Context7 + GitHub MCP

設定が最も簡単で、効果をすぐに体感できます。「最新のAPIでコードを書いてもらい、そのままGitHubにコミットする」という基本フローが完結します。

フロントエンド開発を効率化したい場合

Figma MCP + Context7 + GitHub MCP

デザインカンプからコード生成 → 最新ドキュメントで精度アップ → そのままGitHubにコミット、という一気通貫のフローが実現します。

APIコストを抑えてコーディングエージェントを使いたい場合

Serena + Context7

SerenaのLSPによるシンボルレベル理解で不要なトークン消費を削減しつつ、Context7で最新ドキュメントを参照します。ローカルLLMとの組み合わせなら、ほぼ無料で運用も可能です。

DevOps・インフラ管理を効率化したい場合

Docker MCP + GitHub MCP + Supabase MCP

コンテナ管理、リポジトリ操作、DBクエリまで、インフラ周りの作業をまとめて自然言語で操作できます。

大規模プロジェクトのリファクタリング

Serena + GitHub MCP

SerenaのLSPによるシンボルレベルの理解でコード全体を把握し、GitHubでブランチ管理を行いながら、大規模リファクタリングを段階的に進められます。

新機能を仕様から丁寧に作りたい場合

spec-workflow-mcp + Context7

仕様→設計→タスク分解まで構造化しながら、最新ドキュメントを参照して精度の高いコードを生成します。チーム開発でAI活用のプロセスを統一したい場合にも有効です。

---

MCPサーバー導入時のセキュリティ・注意事項

MCPサーバーは非常に強力なツールですが、適切な運用が重要です。特に企業環境では以下の点に注意してください。

セキュリティ面での注意点

① APIトークンの管理を徹底する 設定ファイル（claude_desktop_config.json など）にトークンを直書きした場合、そのファイルをGitにコミットしないよう注意が必要です。環境変数ファイル（.env）を使い、.gitignore に追加する運用を推奨します。

② アクセス権限は最小限に GitHub MCPのPersonal Access Tokenは、必要最小限のスコープのみを付与してください。リポジトリの読み取りだけで済む場合は repo:read のみとし、書き込み権限は本当に必要な場合のみ付与します。

③ 信頼できるソースからのみ導入する MCPサーバーはAIに外部ツールを操作させる強力な権限を与えます。公式または活発にメンテナンスされているオープンソースのものを選び、出所不明のサーバーは使用しないようにしましょう。

④ 段階的に導入・検証する 一度に多くのサーバーを導入せず、1〜2個ずつ試して動作を確認してから追加するのが安全です。また、各サーバーがどのようなアクションを実行しているかを把握しておくことも重要です。

⑤ 取り消せない操作は必ず確認してから実行 ファイルの削除、GitHubへのコミット・プッシュ、DBへの書き込みなど、元に戻せない操作を含む場合は、実行前にAIが行う操作内容を必ず確認してから承認する習慣をつけましょう。

トークン消費への対策

MCP サーバーは便利な反面、コンテキストウィンドウ（AIが一度に処理できるテキスト量）を消費します。特にGitHub MCPは大きなリポジトリを対象にすると数万トークンを消費することがあります。

• 使わないサーバーは "enabled": false で無効化する
• 一度に有効にするMCPサーバーは最小限に絞る
• Serenaを使ってトークン効率を改善する

---

まとめ

本記事で紹介したおすすめMCPサーバー12選をまとめます。

カテゴリ	MCPサーバー	一言まとめ	難易度
開発効率化	Context7	AIの古いコード問題を解決	★☆☆
開発効率化	GitHub MCP	GitHubを自然言語で操作	★☆☆
開発効率化	Serena	LSPでCursor級のコード理解（無料）	★★★
テスト・インフラ	Playwright MCP	E2Eテストを自動作成・実行	★★☆
テスト・インフラ	Docker MCP	コンテナトラブルシューティング	★☆☆
テスト・インフラ	Supabase MCP	DBを自然言語でクエリ	★★☆
デザイン・ドキュメント	Draw.io MCP	構成図をAIが自動生成	★☆☆
デザイン・ドキュメント	Figma MCP	デザインから即コード生成	★★☆
デザイン・ドキュメント	Markdownify MCP	PDFなどをMarkdownに変換	★☆☆
情報収集・AI連携	Brave Search / Tavily	最新情報をリアルタイム取得	★☆☆
情報収集・AI連携	gemini-mcp-tool	GeminiとClaudeのマルチAI活用	★★☆
開発プロセス改革	spec-workflow-mcp	仕様駆動開発でコード品質向上	★★☆

MCPのエコシステムは2026年に入ってさらに急速に拡大しており、毎月新しいサーバーがリリースされています。まず試すなら「Context7 + GitHub MCP」の2つから始めることをおすすめします。セットアップが5分で完了し、すぐに効果を実感できるはずです。

コスト削減や大規模プロジェクト対応が目的なら Serena、新機能開発の品質向上なら spec-workflow-mcp、と目的に応じて段階的に追加していきましょう。AIをただ「質問に答えるツール」として使う時代は終わりつつあります。MCPを活用して、AIを「一緒に働くチームメンバー」として活用する開発スタイルにシフトしていきましょう。

参考リンク

• awesome-mcp-servers（GitHubまとめ）
• Anthropic公式 MCP紹介
• Serena公式ドキュメント（GitHub）
• Context7（Upstash GitHub）
• opencode公式 MCP設定ドキュメント

engineer-kichizitsu.net

engineer-kichizitsu.net

engineer-kichizitsu.net