大規模言語モデル (LLM) が静的なテキスト ジェネレーターからアクションを実行できる動的エージェントへと進化するにつれて、外部ツールと安全に対話できるようにする標準化された方法の必要性が高まっています。そこで、既存の API を AI アクセス可能なツールに変えるように設計されたプロトコルであるモデル コンテキスト プロトコル (MCP) が登場します。
My name is Saloni Narang, a Docker Captain. Today, I’ll walk you through what the Model Context Protocol (MCP) is and why, despite its growing popularity, the developer experience still lags behind when it comes to discovering and using MCP servers. Then I will explore Docker Desktop’s latest MCP Catalog and Toolkit and demonstrate how you can find the right AI developer tools for your project easily and securely.
MCPとは?
Think of MCP as the missing middleware between LLMs and the real-world functionality you’ve already built. Instead of doing the prompt hacks or building custom plugins for each model, MCP allows you to define your capabilities as structured tools that any compliant AI client can discover, invoke, and interact with safely and predictably. While the protocol is still maturing and the documentation can be opaque, the underlying value is clear: MCP turns your backend into a toolbox for AI agents. Whether you’re integrating scraping APIs, financial services, or internal business logic, MCP offers a portable, reusable, and scalable pattern for AI integrations.
モデル コンテキスト プロトコル (MCP) の概要
AI エージェントに適切なツールを装備することの問題点
「なぜ MCP サーバーの検索に関心を持つ必要があるのですか?エージェントは任意のAPIを呼び出すことはできませんか?」ここに、AI 開発者とエージェント ビルダーにとっての中心的な課題があります。MCP は信じられないほどの将来性をもたらしますが、外部機能を備えた AI エージェントを使用する現在の状況は障害に満ちています。
統合の複雑さとエージェント開発のオーバーヘッド
各 MCP サーバーには、多くの場合、独自の構成、環境変数、および依存関係が付属しています。通常、個々の GitHub リポジトリをふるいにかけ、カスタム設定手順を解読し、競合する要件と戦うことになります。この「面倒で時間がかかり、間違いを犯しやすい」プロセスにより、エージェント機能の迅速な実験と迅速な反復がほぼ不可能になり、AI 開発サイクルが大幅に遅くなります。
AI 対応ツールの断片化された状況
インターネットは広大な場所であり、ランダムな MCP サーバーを見つけることができますが、それらはさまざまなレジストリや個人リポジトリに散らばっています。信頼できる一元的なソースがないため、AI 互換ツールの発見は合理化されたプロセスではなく探しに過ぎず、適切な機能を迅速に見つけて統合する能力に影響を与えます。
自律エージェントの信頼とセキュリティ
AI エージェントが外部サービスにアクセスする必要がある場合、AI エージェントが対話するツールが信頼でき、安全であることをどのように保証しますか?マシン上で不明な MCP サーバーを実行すると、特に機密データや本番環境を扱う場合に、重大なセキュリティ リスクが生じます。その出所と、AI パイプラインに脆弱性がもたらされないことに自信がありますか?これは、特にセキュリティと AI ガバナンスが最優先される企業環境では大きなハードルです。
エージェントとツールのインターフェイスの不整合
MCP サーバーをセットアップできたとしても、それを AI エージェントや IDE に接続するのは、別の手動の悪夢になる可能性があります。AIクライアントやフレームワークが異なれば、統合方法も異なる場合があり、特定のJSONブロック、APIキー、またはバージョンの互換性が必要です。この統一されたインターフェイスの欠如により、堅牢でポータブルな AI エージェントの開発が複雑になります。
These challenges slow down AI development, introduce potential security risks for agentic systems, and ultimately prevent developers from fully leveraging the power of MCP to build truly intelligent and actionable AI.
Docker が AI、特に MCP ツールにとって大きな変革をもたらすのはなぜですか?
Docker has already proven to be the de facto standard for creating and distributing containerized applications. Its user experience is the key reason why I and millions of other developers use Docker today. Over the years, Docker has evolved to cater to the needs of developers, and it entered the AI game too. With so many MCP servers having a set of configurations living on separate GitHub repositories and different installation methods, Docker has again changed the game on how we think and run these MCP servers and connect to MCP clients like Claude.
Docker has introduced the Docker MCP Catalog and Toolkit (currently in Beta). This is a comprehensive solution designed to streamline the developer experience for building and using MCP-compatible tools.
Docker Desktop の MCP ツールキット インターフェイス
Docker MCPカタログとは何ですか?
The Docker MCP Catalog is a centralized, trusted registry that offers a curated collection of MCP-compatible tools packaged as Docker images. Integrated with Docker Hub and available directly through Docker Desktop, it simplifies the discovery, sharing, and execution of over 100 plus verified MCP servers from partners like Stripe, Grafana, etc. By running each tool in an isolated container, the catalog addresses common issues such as environment conflicts, inconsistent platform behavior, and complex setups, ensuring portability, security, and consistency across systems. Developers can instantly pull and run these tools using Docker CLI or Desktop, with built-in support for agent integration via the MCP Toolkit.
Docker Hub の MCP カタログは、コンテナ化された MCP サーバーの最大のコレクションをホストします
Docker を使用すると、安全でコンテナ化された MCP サーバーの 最も多くのライブラリにアクセスできるようになり、すべて Docker Desktop、Docker Hub、またはスタンドアロンの MCP カタログから直接簡単に検出および実行できます。Jira 課題の作成、GitHub 課題の取得、SQL クエリの実行、Loki でのログの検索、YouTube 動画からのトランスクリプトの取得など、MCP サーバーが存在する可能性があります。拡張されたカタログでは、データ統合、開発ツール、コミュニケーション、生産性、分析などのユースケースで参照できるようになり、機能、GitHub タグ、ツールカテゴリに基づく強力な検索フィルターが機能しました。これらのツールは数秒で起動し、分離されたコンテナで安全に実行できます。
MCPサーバーはオンラインで見つけることができますが、それらはすべて散在しており、すべてのMCPサーバーには独自のインストールプロセスがあり、クライアントで構成するための手動手順があります。ここで MCP サーバー カタログの出番です。Docker MCP カタログを参照すると、MCP サーバーは Docker ビルドとコミュニティビルドの 2 つのカテゴリに分類されることがわかります。この区別は、開発者が各サーバーに適用される信頼、検証、セキュリティのレベルを理解するのに役立ちます。
Docker ビルドのサーバー
これらは、Dockerが安全なビルドパイプラインを介してパッケージ化および検証したMCPサーバーです。彼らは認定され、強化されていると考えることができます。検証済みのメタデータ、サプライチェーンの透明性、自動脆弱性スキャンが付属しています。これらのサーバーは、エンタープライズ環境など、セキュリティと出所が重要な場合に最適です。
コミュニティ構築サーバー
これらのサーバーは、個々の開発者または組織によって構築および保守されます。Docker はビルド プロセスを監督しませんが、分離されたコンテナ内で実行されるため、生のスクリプトやバイナリを実行するよりも安全なエクスペリエンスをユーザーに提供します。これらは、開発者にイノベーションと構築のための多様なツールセットを提供し、利用可能なツールカタログの迅速な実験と拡張を可能にします。
MCPカタログで適切なAI開発者ツールを見つける方法
Docker を使用すると、安全でコンテナ化された MCP サーバーの最大のライブラリにアクセスできるようになり、すべて Docker Desktop、Docker Hub、またはスタンドアロンの MCP カタログから直接簡単に検出および実行できます。AI エージェントに Jira 課題の作成、SQL クエリの実行、Loki でのログの検索、YouTube 動画からのトランスクリプトの取得など、 MCP サーバー がある可能性があります。
AIユースケースによる検索とブラウズの強化
The enhanced catalog now lets you browse by specific AI use cases, like Data Integration for LLMs, Development Tools for Agents, Communication Automation, AI Productivity Enhancers, or Analytics for AI Insights, and features powerful search filters based on capabilities, GitHub tags, and tool categories. You can launch these tools in seconds, securely running them in isolated containers to empower your AI agents.
Docker MCP カタログは AI 開発者を念頭に置いて構築されており、AI エージェントに何をしてもらいたいかに基づいてツールを簡単に見つけることができます。ワークフローの自動化、開発ツールへの接続、データの取得、アプリへの AI の統合など、カタログは次のような実際のユースケースごとに MCP サーバーを整理します。
- AIツール(例:エージェントワークフローの要約、チャット、文字起こし)
- データ統合(エージェントにデータを供給するためのRedis、MongoDBなど)
- 生産性と開発者ツール (例: Pulumi、Jira エージェント主導のタスク管理用)
- 監視と可観測性(例:AIを活用したシステムインサイトのためのGrafana)
AIユースケースによるMCPツールの閲覧
検索 & カテゴリ フィルター
カタログには、選択肢を絞り込むための強力なフィルタリング機能も含まれています。
- 「データの視覚化」や「開発者ツール」などの ツールカテゴリでフィルタリングします
- キーワード、GitHub タグ、または特定の機能で検索する
- 信頼レベル別にツールを表示する (Docker ビルドとコミュニティビルド)
これらのフィルターは、特定の種類のツール (ログやチケットなど) を探しているが、長いリストをスクロールしたくない場合に特に便利です。
AI ユースケース別の MCP ツールの閲覧 (拡張)
Docker Desktop 内でのワンクリック設定
適切な MCP サーバーを見つけたら、セットアップは非常に簡単です。Docker DesktopのMCPツールキットを使用すると、次のことができます。
- 各MCPサーバーの詳細を表示する(その機能、接続方法)
- 必要に応じて、資格情報またはトークンを追加します (例: GitHub PAT)
- 「接続」をクリックすると、Docker は分離されたコンテナで MCP サーバーをプル、構成、実行します
手動の設定ファイル、YAML、シェルコマンドは不要で、macOS、Windows、Linuxで動作する統合されたGUIベースのエクスペリエンスだけです。これは、新しいツールをテストしたり、AI エージェント ワークフローと統合したりするための最も速くて簡単な方法です。
例 – Redis および Grafana MCP サーバーを使用した AI エージェントの強化
Let’s imagine you’re building an AI agent in your IDE (like VS Code with Agent Mode enabled) that needs to monitor application performance in real-time. Specifically, your agent needs to:
- Redis データベースからリアルタイムのテレメトリ データ (ユーザー アクティビティ メトリック、API 呼び出し率など) を取得します。
- Grafana ダッシュボードを使用してそのデータからパフォーマンスの傾向を視覚化し、異常を強調表示する可能性があります。
従来、 AI 開発者 は Redis サーバーと Grafana インスタンスの両方を手動でセットアップし、接続を構成してから、エージェントがそれぞれの API と対話する方法を丹念に把握する必要があり、このプロセスではエラーやセキュリティ ギャップが発生しやすくなります。ここで、 Docker MCP カタログ が AI ツール パイプラインを劇的に簡素化します。
ステップ 1: エージェントデータ取り込み用の Redis MCP Server の検出と接続
手動で設定する代わりに、次の操作を行うだけです。
- Docker Desktop MCP カタログに移動します。 「Redis」を検索します。エージェントと統合する準備ができている Redis MCP Server が一覧表示されます。
Redis MCP サーバー
- MCP サーバーを追加します。 Docker Desktop は、Redis MCP サーバー イメージのプル、構成、および分離されたコンテナーでの実行を処理します。Redis インスタンスの基本的な接続の詳細を指定する必要がある場合がありますが、それはすべてガイド付き UI 内にあるため、エージェントの安全な資格情報管理が保証されます。MCP クライアントに表示されるすべてのツールは、MCP サーバーを選択すると表示されます。
現在、私はRedisをDockerコンテナとしてローカルで実行し、それをRedis MCPサーバーの構成として使用しています。
以下は、Redisをローカルで実行するためのDockerコマンドです
docker run -d \
--name my-redis \
-p 6379:6379 \
-e REDIS_PASSWORD=secret123 \
redis:7.2-alpine \
redis-server --requirepass secret123
Redis MCP サーバーをローカルで実行する
ステップ 2: エージェント駆動型の視覚化のための Grafana MCP Server の検出
次に、視覚化と異常検出のために:ここでも、GrafanaをDockerコンテナとしてローカルで実行し、grafanaダッシュボードを使用してAPIキーシークレットを生成しています。
docker run -d \
--name grafana \
-p 3000:3000 \
-e "GF_SECURITY_ADMIN_USER=admin" \
-e "GF_SECURITY_ADMIN_PASSWORD=admin" \
grafana/grafana-oss
- Docker Desktop MCP カタログに戻ります。 「Grafana」を検索します。
- MCPサーバーの追加: Redis と同様に、Docker は Grafana MCP サーバーをスピンアップします。Grafana インスタンスの URL と API キーを Docker Desktop の安全なインターフェイスに直接入力する可能性があります。
ステップ 3: MCP ツールキット経由で接続して AI エージェントを強化する
Redis と Grafana の両方の MCP サーバーが実行され、Docker MCP Toolkit を介して公開されているため、 Claude や Gordon などの AI クライアント がシームレスに対話できるようになりました。IDE のエージェントは、 ツール呼び出し機能を利用して、次のことができます。
- Redis MCP Server にクエリ を実行して、特定のユーザー アクティビティ メトリックまたはシステム正常性インジケーターを取得します。
- そのリアルタイムデータを Grafana MCP サーバーに渡 して、カスタムダッシュボード URL を生成したり、既存のダッシュボードの更新をトリガーしたり、特定のグラフデータポイントをリクエストして、エージェントが分析したり提示したりすることもできます。
ツール呼び出しを行う前に、ローカルで Redis にデータを追加しましょう。
docker exec -it my-redis redis-cli -a secret123
SET user:2001 "{\"name\":\"Saloni Narang\",\"role\":\"Co Founder\",\"location\":\"India\"}"
次のステップでは、クライアントを MCP サーバーに接続します。提供されたクライアントのリストから簡単に選択し、ワンクリックで接続できます。この例では、Claude Desktopを使用します。接続が成功すると、システムは MCP サーバーの検出と接続に必要な設定を自動的に構成および統合します。エラーが発生した場合は、対応するログ ファイルがクライアント側で生成されます。
それでは、Claude Desktopを開いてクエリを実行しましょう
Claude UI権限プロンプト
RedisおよびGrafana MCPサーバーを使用するClaude Agent
これは、Docker Desktop 経由で MCP サーバーとともに AI の力を使用する方法です。
Docker MCPレジストリに貢献する方法
The Docker MCP Registry is open for community contributions, allowing developers and teams to publish their own MCP servers to the official Docker MCP Catalog. Once listed, these servers become accessible through Docker Desktop’s MCP Toolkit, Docker Hub, and the web-based MCP Catalog, making them instantly available to millions of developers.
コントリビューション プロセスの仕組みは次のとおりです。
オプション A: Docker ビルド イメージ
このモデルでは、コントリビューターが MCP サーバーのメタデータを提供し、Docker がイメージのビルドと公開プロセス全体を処理します。承認されると、Docker は安全なパイプラインを使用してイメージをビルドし、署名して、Docker Hub の mcp/ 名前空間に公開します。
オプション B: 自作イメージ
独自のコンテナービルドを管理することを好むコントリビューターは、カタログに含めるために事前構築済みイメージを送信できます。これらのイメージは、Docker のビルド時のセキュリティ保証を受けませんが、Docker のコンテナー分離モデルの恩恵を受けることができます。
MCP エントリの更新または削除
If a submitted MCP server needs to be updated or removed, contributors can open an issue in the MCP Registry GitHub repo with a brief explanation.
提出要件
エコシステム全体の品質とセキュリティを確保するために、提出されたすべての MCP サーバーは次のことを行う必要があります。
- 基本的なセキュリティのベストプラクティスに従う
- コンテナ化され、MCP規格と互換性があること
- 動作する Docker デプロイを含める
- ドキュメントと使用手順を提供する
- 基本的なエラー処理とログ記録を実装する
非準拠または古いエントリには、改訂または削除のフラグが立てられる場合があります。
Docker MCP カタログに貢献することは、タスクの自動化、API のクエリ、リアルタイムのエージェント ワークフローの強化など、エコシステム全体の AI エージェントがツールを検出して使用できるようにする優れた方法です。
Want to contribute? Head over to github.com/docker/mcp-registry to get started.
結論
Docker has always stood at the intersection of innovation and simplicity, from making containerization accessible to now enabling developers to build, share, and run AI developer tools effortlessly. With the rise of agentic AI, the Docker MCP Catalog and Toolkit bring much-needed structure, security, and ease-of-use to the world of AI integrations.
MCPとは何かを探求している場合でも、外部ツールと対話する必要があるAIエージェントの構築に深く取り組んでいる場合でも、Dockerは最速のオンランプを提供し、YAMLのラングリングやトークンの混乱がなく、クリックするだけで実行できます。
将来的に独自のMCPサーバーを構築する実験を進めていますので、皆様からのご意見をお待ちしています。
– どの MCP サーバーがお気に入りですか?
– 現在、Docker + AI で解決しているユースケースは何ですか?
この投稿を引用して、ユースケースをお気に入りのMCPサーバーと一緒に配置し、LinkedInまたはXでDockerをタグ付けできます。
