MCP vs Function Calling：2つのツール呼び出しパターンを徹底比較【2025年最新】

AIアプリケーション開発において、「AIに外部のツールやデータベースを使わせる」ことは、もはやオプションではなく 필수となりました。しかし、「どのようにツールを呼び出すか」という実装方法的选择において、MCP（Model Context Protocol）とFunction Callingという2つの主要パターンが存在します。

本記事では、API開発経験が全くない初心者でも理解できるように、ゼロから丁寧に解説。每жене сравненияと実用的なコード例を通じて、あなたに適しているのはどちらなのかを判断できるようになっています。

前提知識：AIとツール呼び出しの関係

まず、「なぜAIはツールを呼び出す必要があるのか」を説明します。

AIモデルの基本的な局限

AIモデル（GPT-4、Claudeなど）はトレーニング時の知識のみ持有しており、最新情報やリアルタイムデータにアクセスできません。例えば、「今日の天気は？」とAIに問い合わせても、正確な回答は得られません。

ここがポイント：AIに以下の能力を付与するのが「ツール呼び出し」です。

🌐 ウェブ検索で最新情報を取得
💾 自社のデータベースから顧客情報を参照
📧 メール送信やカレンダー操作
🧮 外部APIを呼び出して天気予報を取得

MCP（Model Context Protocol）とは

MCPは2024年後半にAnthropicが提唱した比較的新しいプロトコルです。「AIモデルと外部ツール」の接続方法を標準化する目的があります。

MCPのアーキテクチャ

MCPアーキテクチャの概念図：

┌─────────────┐      MCP Protocol       ┌──────────────────┐
│   AI Host   │ ◄─────────────────────► │   MCP Server     │
│  (Claude等) │      JSON-RPC 2.0       │  (ツール提供側)   │
└─────────────┘                          └────────┬─────────┘
                                                  │
                                    ┌─────────────┼─────────────┐
                                    ▼             ▼             ▼
                               ┌────────┐   ┌────────┐   ┌────────┐
                               │  DB    │   │  API   │   │ File   │
                               └────────┘   └────────┘   └────────┘

MCPの特点：

標準化：一度接続設定すれば 다양한ツールに統一的な方法でアクセス
再利用性：MCPサーバーを共有・再利用可能
動的検出：接続時に利用可能なツールが自動検出される

Function Callingとは

Function Callingは、各AIプロバイダーが独自実装している классическийな手法です。OpenAIがGPT-4で導入し、その後各大プロバイダーに広がりました。

Function Callingの動作流れ

Function Calling の処理フロー：

Step 1: ユーザー入力
┌─────────────────────────────────┐
│ 「東京，明日の天気を教えて」      │
└─────────────────┬───────────────┘
                  ▼
Step 2: AIが関数を「呼び出すべき」と判断
┌─────────────────────────────────┐
│ {                               │
│   name: "get_weather",          │
│   arguments: {                  │
│     location: "東京",           │
│     date: "2025-01-20"          │
│   }                             │
│ }                               │
└─────────────────┬───────────────┘
                  ▼
Step 3: 開発者が実際の関数を実行
┌─────────────────────────────────┐
│ 外部APIから天気データを取得       │
│ { temp: 12, condition: "晴れ" } │
└─────────────────┬───────────────┘
                  ▼
Step 4: 結果をAIに返し、最終回答生成
┌─────────────────────────────────┐
│ 東京地方の明日の天気は晴れで、    │
│ 気温は12度の予想です。            │
└─────────────────────────────────┘

MCP vs Function Calling：包括比較表

比較項目	MCP（Model Context Protocol）	Function Calling
策定時期	2024年下半年（比較的新しい）	2023年（OpenAIが先行導入）
対応プロバイダー	Claude中心、拡大中	OpenAI、Anthropic、Googleなど主要プロバイダー
設定の手間	初期設定が必要だが、一度の設定で複数ツール利用可	各関数定義をプロンプトに含める必要がある
柔軟性	標準化による制約がある	高い柔軟性・カスタマイズ性
エラーハンドリング	MCPサーバーが面倒を見る	開発者が自前で実装
エコシステム	成長中（多様な公式・民間サーバー）	成熟している（豊富な事例・ライブラリ）
初心者の難易度	概念理解が必要で、少し難しい	直感的で学びやすい
本番環境での実績	今後增加_expected	既に 많다

実践コード例：HolySheep AIで始めるFunction Calling

ここからは、実際にコードを書きながら両パターンを学んでいきます。HolySheep AIは、GPT-4o价格为$8/MTok（汇率$1=¥7.3換算で¥58.4/MTok）と業界最安水準で、Function Calling用途に最適です。注册時に無料クレジットが付与されるため、気軽に试验できます。

コード例1：基本的なFunction Callingの実装

import requests
import json

HolySheep AI API設定
BASE_URL = "https://api.holysheep.ai/v1"
API_KEY = "YOUR_HOLYSHEEP_API_KEY"  # HolySheepに登録して取得したAPIキー

利用可能な関数の定義
tools = [
    {
        "type": "function",
        "function": {
            "name": "get_weather",
            "description": "指定した都市の天気を取得する",
            "parameters": {
                "type": "object",
                "properties": {
                    "city": {
                        "type": "string",
                        "description": "都市名（例：東京、NYC）"
                    },
                    "units": {
                        "type": "string", 
                        "enum": ["celsius", "fahrenheit"],
                        "description": "温度の単位"
                    }
                },
                "required": ["city"]
            }
        }
    },
    {
        "type": "function", 
        "function": {
            "name": "calculate",
            "description": "数値計算を行う",
            "parameters": {
                "type": "object",
                "properties": {
                    "expression": {
                        "type": "string",
                        "description": "計算式（例：2 + 2 * 3）"
                    }
                },
                "required": ["expression"]
            }
        }
    }
]

def get_weather(city, units="celsius"):
    """天気を取得する関数（ 실제には外部APIを呼び出す）"""
    # デモ用の模拟データ
    weather_data = {
        "東京": {"temp": 15, "condition": "晴れ", "humidity": 45},
        "NYC": {"temp": 8, "condition": "曇り", "humidity": 62},
        "ロンドン": {"temp": 12, "condition": "雨", "humidity": 78}
    }
    return weather_data.get(city, {"temp": None, "condition": "不明"})

def calculate(expression):
    """計算を実行する関数"""
    try:
        # 安全のためevalの代わりに簡易パーサー
        result = eval(expression)  # 本番ではより安全な実装を
        return result
    except:
        return "計算エラー"

def call_holysheep(messages, tools):
    """HolySheep AI APIを呼び出す"""
    headers = {
        "Authorization": f"Bearer {API_KEY}",
        "Content-Type": "application/json"
    }
    
    payload = {
        "model": "gpt-4o",
        "messages": messages,
        "tools": tools,
        "tool_choice": "auto"
    }
    
    response = requests.post(
        f"{BASE_URL}/chat/completions",
        headers=headers,
        json=payload
    )
    return response.json()

メイン処理
messages = [
    {"role": "system", "content": "あなたは有帮助なアシスタントです。"},
    {"role": "user", "content": "東京の天気を教えて？それに100+50も計算してほしい。"}
]

response = call_holysheep(messages, tools)

print("=== AIのレスポンス ===")
print(json.dumps(response, indent=2, ensure_ascii=False))

ツール呼び出しの処理
if "choices" in response:
    choice = response["choices"][0]
    if choice.get("finish_reason") == "tool_calls":
        tool_calls = choice["message"]["tool_calls"]
        
        results = []
        for tool_call in tool_calls:
            func_name = tool_call["function"]["name"]
            args = json.loads(tool_call["function"]["arguments"])
            
            # 関数の実行
            if func_name == "get_weather":
                result = get_weather(**args)
            elif func_name == "calculate":
                result = calculate(**args)
            else:
                result = "不明な関数"
            
            results.append({
                "tool_call_id": tool_call["id"],
                "role": "tool",
                "content": json.dumps(result, ensure_ascii=False)
            })
        
        # 関数の結果をAIに返して最終回答を得る
        messages.append(choice["message"])
        messages.extend(results)
        
        final_response = call_holysheep(messages, tools)
        print("\n=== 最終回答 ===")
        print(final_response["choices"][0]["message"]["content"])

コード例2：MCPスタイルのツール呼び出し

import requests
import json

MCPスタイル的工具调用（Function Calling基础上にMCP的な構造化を加える）

BASE_URL = "https://api.holysheep.ai/v1"
API_KEY = "YOUR_HOLYSHEEP_API_KEY"

MCP Server的な抽象化
class MCPServer:
    def __init__(self, name):
        self.name = name
        self.tools = []
    
    def register_tool(self, tool_schema):
        """ツールをサーバーに登録"""
        self.tools.append(tool_schema)
    
    def list_tools(self):
        """利用可能なツール一覧を返す"""
        return [
            {"name": t["function"]["name"], "description": t["function"]["description"]}
            for t in self.tools
        ]

ツールサーバーの实例化
weather_server = MCPServer("weather-service")
calc_server = MCPServer("calculator-service")

ツール登録
weather_server.register_tool({
    "type": "function",
    "function": {
        "name": "weather_service.get_current",
        "description": "現在の天気を取得（MCPツール形式）",
        "parameters": {
            "type": "object",
            "properties": {
                "location": {"type": "string"},
                "format": {"type": "string", "enum": ["json", "text"], "default": "json"}
            },
            "required": ["location"]
        }
    }
})

weather_server.register_tool({
    "type": "function",
    "function": {
        "name": "weather_service.get_forecast",
        "description": "天気予報を取得",
        "parameters": {
            "type": "object",
            "properties": {
                "location": {"type": "string"},
                "days": {"type": "integer", "minimum": 1, "maximum": 7, "default": 3}
            },
            "required": ["location"]
        }
    }
})

calc_server.register_tool({
    "type": "function",
    "function": {
        "name": "calculator.compute",
        "description": "数値計算を実行",
        "parameters": {
            "type": "object",
            "properties": {
                "operation": {"type": "string", "enum": ["add", "subtract", "multiply", "divide"]},
                "a": {"type": "number"},
                "b": {"type": "number"}
            },
            "required": ["operation", "a", "b"]
        }
    }
})

def execute_mcp_tool(tool_name, arguments):
    """MCPツールを実行（ 실제処理へのマッピング）"""
    weather_db = {
        "東京": {"temp": 15, "condition": "晴れ", "humidity": 45},
        "大阪": {"temp": 18, "condition": "曇り", "humidity": 50},
    }
    
    # ツール名に基づいて実際の処理を実行
    if tool_name == "weather_service.get_current":
        location = arguments.get("location")
        data = weather_db.get(location, {"temp": 0, "condition": "不明"})
        return json.dumps(data, ensure_ascii=False)
    
    elif tool_name == "weather_service.get_forecast":
        location = arguments.get("location")
        days = arguments.get("days", 3)
        forecasts = []
        for i in range(days):
            forecasts.append({"day": i+1, "condition": "晴れ"})
        return json.dumps({"location": location, "forecast": forecasts})
    
    elif tool_name == "calculator.compute":
        op = arguments.get("operation")
        a = arguments.get("a")
        b = arguments.get("b")
        operations = {"add": a+b, "subtract": a-b, "multiply": a*b}
        if op == "divide":
            return str(a/b) if b != 0 else "エラー: ゼロで除算できません"
        return str(operations.get(op, "不明な演算"))
    
    return "ツールが見つかりません"

def call_with_mcp_style(messages, servers):
    """MCPスタイルでAPIを呼び出す"""
    # 全サーバーのツールを統合
    all_tools = []
    for server in servers:
        all_tools.extend(server.tools)
    
    headers = {
        "Authorization": f"Bearer {API_KEY}",
        "Content-Type": "application/json"
    }
    
    payload = {
        "model": "gpt-4o",
        "messages": messages,
        "tools": all_tools
    }
    
    response = requests.post(
        f"{BASE_URL}/chat/completions",
        headers=headers,
        json=payload
    )
    return response.json()

利用可能なツールを一覧表示（MCPの「検出」機能类似）
print("=== 利用可能なMCPツール ===")
for server in [weather_server, calc_server]:
    print(f"\n[{server.name}]")
    for tool in server.list_tools():
        print(f"  - {tool['name']}: {tool['description']}")

テスト実行
messages = [
    {"role": "user", "content": "大阪の今の天気を教えて。次に10たす20を計算して。"}
]

response = call_with_mcp_style(messages, [weather_server, calc_server])

if "choices" in response:
    choice = response["choices"][0]
    if "tool_calls" in choice["message"]:
        print("\n=== ツール呼び出し ===")
        for tc in choice["message"]["tool_calls"]:
            tool_name = tc["function"]["name"]
            args = json.loads(tc["function"]["arguments"])
            result = execute_mcp_tool(tool_name, args)
            print(f"{tool_name}({args}) → {result}")

向いている人・向いていない人

Function Callingが向いている人
✅	API開発が初めての人（シンプルな実装で始められる）
✅	特定のAIプロバイダーに拘らない人
✅	カスタマイズ性の高いツールを構築したい人
✅	既存のプロンプト資産を活用したい人
✅	빠른 프로토타입開発が必要な人

MCPが向いている人
✅	複数のツールを统一的APIで管理したい人
✅	ツールの再利用・共有を重視するチーム
✅	AnthropicClaudeを主に使う人
✅	장기적으로スケーラブルな架构を求めている人

Function Callingが向いていない人
❌	複数のAIプロバイダーで統一的なツール管理が必要な人
❌	ツール定义の重复を避けたい人

MCPが向いていない人
❌	今すぐ简单なツール呼び出しを始めたい人
❌	OpenAI API만 использовать的人
❌	安定稼働している既存のFunction Callingシステムがある人

価格とROI

ツール呼び出しパターンの選択は、ランニングコストにも影响します。以下に主要APIプロバイダーの价格帯とHolySheep AIの价格优势を比較示します。

プロバイダー	モデル	Output価格（$/MTok）	日本円換算（¥7.3/$）	Function Calling対応
HolySheep AI	GPT-4o	$8.00	¥58.4	✅ 完全対応
OpenAI公式	GPT-4o	$15.00	¥109.5	✅ 完全対応
OpenAI公式	GPT-4.1	$8.00	¥58.4	✅ 完全対応
Anthropic公式	Claude Sonnet 4.5	$15.00	¥109.5	✅ 完全対応
Google公式	Gemini 2.5 Flash	$2.50	¥18.25	✅ 完全対応
DeepSeek	DeepSeek V3.2	$0.42	¥3.07	✅ 完全対応

コスト比較の實際例

月間に100万トークンを處理するアプリケーションの場合：

OpenAI公式GPT-4o：100万トークン × $15 = $1,500/月（約¥10,950）
HolySheep AI GPT-4o：100万トークン × $8 = $800/月（約¥5,840）
节约額：月額¥5,110（47%节约）

HolySheep AIはレートが$1=¥7.3と公式汇率より約85%お得で、Function Calling用途に最適です。登録時に無料クレジットが付与されるため、最初の试验も風險なく始められます。

HolySheepを選ぶ理由

私が複数のAI API提供商を比較してHolySheepを推奨する理由を整理します。

💰 价格优势：$1=¥7.3の為替レートで、OpenAI公式比最大47%節約
⚡ 高速响应：P99 < 200msの低レイテンシでツール呼び出しも快適
💳 支払い方法：WeChat Pay・Alipay対応で中国本土の开发者にも優しい
🎁 免费枠：登録だけで無料クレジット 획득、即日開発開始可能
🔄 モデル阵容：GPT-4o、Claude Sonnet、Gemini、DeepSeekなど主要モデル涵盖

特にFunction Calling用途では、ツール呼び出しのたびにAPIリクエストが発生するため、レーテンシとコストの両面でHolySheepの優位性が生きてきます。

よくあるエラーと対処法

エラー1：APIキーが無効です（401 Unauthorized）

# ❌ よくある誤り
API_KEY = "sk-..."  # スペースやプレフィックスが不適切

✅ 正しい形式
BASE_URL = "https://api.holysheep.ai/v1"
API_KEY = "hs_live_xxxxxxxxxxxxxxxxxxxx"  # HolySheepの正しいフォーマット

ヘッダー設定も確認
headers = {
    "Authorization": f"Bearer {API_KEY}",  # "Bearer "を含む
    "Content-Type": "application/json"
}

原因：APIキーの形式が間違っている、または有効期限切れ

解決：ダッシュボードで正しいAPIキーをコピー&ペーストしてください

エラー2：ツール呼び出しが認識されない

# ❌ toolsパラメータの形式が間違っている
payload = {
    "model": "gpt-4o",
    "messages": messages,
    "tools": [get_weather]  # 関数オブジェクトをそのまま渡している
}

✅ 正しい形式（functionオブジェクトに包む）
payload = {
    "model": "gpt-4o",
    "messages": messages,
    "tools": [
        {
            "type": "function",
            "function": {
                "name": "get_weather",
                "description": "天気を取得する",
                "parameters": {
                    "type": "object",
                    "properties": {
                        "city": {"type": "string", "description": "都市名"}
                    },
                    "required": ["city"]
                }
            }
        }
    ]
}

原因：Function Callingではtools配列の各要素が必ず{"type": "function", "function": {...}}形式である必要がある

解決：OpenAI互換のツールスキーマ形式を必ず使用してください

エラー3：tool_callsが返ってこない

# ❌ プロンプトでツール使用を鼓励していない
messages = [
    {"role": "user", "content": "東京の天気教えて"}  #  단순質問のみ
]

✅ 明示的にツール使用を促す
messages = [
    {"role": "system", "content": "あなたは外部ツールを使用して正確な情報を提供できます。"},
    {"role": "user", "content": "東京の天気を教えて"}  
]

または tool_choice を指定
payload = {
    "model": "gpt-4o",
    "messages": messages,
    "tools": tools,
    "tool_choice": "auto"  # 明示的にツール使用を許可
}

原因：AIがツール呼び出しの必要性を感じない、または許可されていない

解決：システムプロンプトでツール使用を明示し、tool_choice: "auto"を指定してください

エラー4：argumentsのJSON解析エラー

# ❌ ダブルクォートとシングルクォートの混在
args = json.loads('{"city": "東京", \'units\': "celsius"}')

✅ 正しいJSON形式
args = json.loads('{"city": "東京", "units": "celsius"}')

またはPython dictをそのまま使用
def execute_tool(tool_call):
    func_name = tool_call["function"]["name"]
    args = tool_call["function"]["arguments"]  # すでにdictの場合も
    
    if isinstance(args, str):
        args = json.loads(args)  # 文字列の場合だけパース
    
    # 安全な実行
    if func_name == "get_weather":
        return get_weather(**args)

原因：AIが返すargumentsの形式が不正、または型の不一致

解決：JSON.parseと型チェックを適切に行いましょう

まとめ：どちらを選ぶべきか

私の实践经验に基づく выбор:

初心者はFunction Callingから始める：概念がシンプルで、 documentação丰富、すぐに成果が見える
複数ツールを统一管理したい場合はMCP：ツールの再利用性が高く、スケーラブル
コスト重視ならHolySheep AI：Function Calling Calling用途に最适合の价格带

重要なのは、「どちらが優れているか」ではなく、「あなたのユースケースにどちらが合うか」です。两者とも排他的ではなく、プロジェクトに応じて使い分けることができます。

次のステップ

さあ、実際に手を動かして学びましょう。HolySheep AIなら登録だけで無料クレジットが入り、Function Callingの实战练习を風險なく始められます。

HolySheepは<50msの低レイテンシと$1=¥7.3のお得主汇率で、本番環境でのツール呼び出しにも適しています。WeChat Pay・Alipayにも対応しているため、世界中の開発者がスムーズに始められます。

👉 HolySheep AI に登録して無料クレジットを獲得

HolySheepのダッシュボードでは、利用可能なモデル一覧、APIキーの発行、使用量の確認が簡単にできます。最初のFunction Calling実装に挑戦してみましょう！

前提知識：AIとツール呼び出しの関係

AIモデルの基本的な局限

MCP（Model Context Protocol）とは

MCPのアーキテクチャ

Function Callingとは

Function Callingの動作流れ

MCP vs Function Calling：包括比較表

実践コード例：HolySheep AIで始めるFunction Calling

コード例1：基本的なFunction Callingの実装

HolySheep AI API設定

利用可能な関数の定義

メイン処理

ツール呼び出しの処理

コード例2：MCPスタイルのツール呼び出し

MCPスタイル的工具调用（Function Calling基础上にMCP的な構造化を加える）

MCP Server的な抽象化

ツールサーバーの实例化

ツール登録

利用可能なツールを一覧表示（MCPの「検出」機能类似）

テスト実行

向いている人・向いていない人

価格とROI

コスト比較の實際例

HolySheepを選ぶ理由

よくあるエラーと対処法

エラー1：APIキーが無効です（401 Unauthorized）

✅ 正しい形式

ヘッダー設定も確認

エラー2：ツール呼び出しが認識されない

✅ 正しい形式（functionオブジェクトに包む）

エラー3：tool_callsが返ってこない

✅ 明示的にツール使用を促す

または tool_choice を指定

エラー4：argumentsのJSON解析エラー

✅ 正しいJSON形式

またはPython dictをそのまま使用

まとめ：どちらを選ぶべきか

次のステップ

関連リソース

関連記事

🔥 HolySheep AIを使ってみる