【ITニュース解説】We Published the Largest Known Census of MCP Tools: 229,827 Parameter Schemas

AIエージェントが私たちの生活に浸透しつつある現代において、それらが安全かつ信頼性高く機能することは極めて重要だ。特に、AIエージェントがさまざまな作業を遂行するために外部のシステムやサービスと連携する際、そこには潜在的なセキュリティリスクが伴う。今回発表されたのは、そうしたAIエージェントが利用する「ツール」、具体的にはMCP（Machine-readable Capabilities Protocol）ツールに関する、これまでで最大規模の調査データセットだ。これは、AIエージェントの安全性と適合性を高めるための重要な一歩となる。

システムエンジニアを目指す皆さんにとって、「パラメータスキーマ」という言葉は聞き慣れないかもしれない。簡単に言えば、AIエージェントが特定の機能を持つ「ツール」を使おうとするとき、そのツールにどのような情報を渡せば良いのか、そしてその情報の形式や種類がどうあるべきかという「取り決め（ルール）」を、コンピュータが自動で理解できる形で記述したものだ。例えば、AIエージェントが天気予報ツールを使うとすれば、「どの地域の天気か？（場所）」「いつの予報か？（日付）」といった情報が必要になるだろう。これらの「場所」や「日付」が「パラメータ」であり、これらが文字列なのか、日付形式なのか、あるいは指定された範囲内の値でなければならないのか、といったルールが「スキーマ」だ。そして、それを人間だけでなくコンピュータ自身が読み取って処理できるようにしたものが、「機械可読なパラメータスキーマ」と呼ばれる。

今回公開されたデータセットには、229,827件ものツールレコードが含まれている。それぞれのレコードには、前述の「機械可読な入力スキーマ」、つまりAIエージェントがツールを呼び出す際に参照するパラメータの定義が詳細に記述されている。このデータは、合計42,163台のサーバーを調査した結果、そのうちの13,120台のサーバーから収集されたものだ。この数字のギャップ自体が重要な発見であり、多くの稼働中のMCPサーバーが、AIエージェントが自動で安全に連携するために不可欠な、機械可読なパラメータ情報を公開していない現状を浮き彫りにしている。公開されたデータはバイト検証が実施され、不正なレコードは一切なく、SHA-256ハッシュ値によってその完全性が保証されているため、利用者自身でデータの信頼性を確認できる。

なぜ、このパラメータスキーマがそこまで重要なのか。AIエージェントが外部ツールを呼び出す際の安全性は、エージェントが読み取れる「契約」、つまりこのパラメータスキーマの正確さと網羅性に直接的に依存するからだ。もし、AIエージェントがツールのパラメータに関する詳細なルールを知らなければ、悪意のあるユーザーによって、予期せぬ入力が与えられ、それがシステム全体に重大なセキュリティリスクをもたらす可能性がある。具体的には、ウェブアプリケーションの世界でよく知られる「インジェクション攻撃」（例えば、データベースに不正なコマンドを注入するSQLインジェクションなど）や、機密情報が外部に持ち出される「データ漏洩（exfiltration）」といった脅威だ。これらの攻撃は、渡されるパラメータの形式や内容が厳密にチェックされない場合に発生しうる。パラメータレベルでのリスク分類、例えば「この引数にはURLが含まれる可能性がある」「ファイルパスは許可されない」「シェルコマンドの断片は絶対に入力してはならない」といった詳細なルール付けとチェックこそが、インジェクションやデータ漏洩を実際に阻止する最前線の防御層となる。現在、IETF（Internet Engineering Task Force）で議論されている、draft-correctover-gg-mcp-parameter-riskという個人ドラフトでは、まさにこのようなパラメータスキーマに対する標準的なリスク分類法が提案されており、今回発表されたこのデータセットは、その提案を裏付ける経験的な基盤となっている。

この大規模なデータセットは、多岐にわたる用途で活用が期待されている。AIエージェントのセキュリティに関するリスクを深く研究する学術分野や専門家にとっては、具体的な分析対象となる。また、AIエージェントが想定通りに動作し、セキュリティ要件を満たしているかを自動で検証する「適合性テスト」を生成するための強力なリソースともなるだろう。さらに、システム全体のセキュリティを広範囲にわたって分析する「発見層セキュリティ分析」においても、その基盤情報として利用価値は高い。このデータセットは、CC-BY-SA-4.0というライセンスで提供されており、適切な引用と再配布の条件を満たせば、誰でも自由に利用・改変・配布できる。ただし、このデータセットにも正直な限界がある。サンプリングは英語圏のツールに偏っている可能性があり、また、サーバーによって提供されるスキーマの品質にはばらつきがあることも指摘されている。調査対象となったサーバーのうち、ツールレベルのスキーマを公開していない約29,000台のサーバーについては、その存在は記録されているものの、詳細な情報は展開されていない点も留意すべきだ。

このデータセットを公開したCorrectover社は、AIエージェントのランタイム検証と証拠基盤を提供することを目指している企業だ。今回の発表は、AIエージェントがさまざまなツールと安全かつ確実に連携するための土台を築く上で、極めて重要な貢献と言える。システムエンジニアを目指す皆さんにとって、AIの安全性は今後避けて通れないテーマとなる。この種のデータとそれに基づく研究は、将来のセキュアなAIシステム開発において不可欠な知識とツールを提供してくれるだろう。