自作MCPサーバー入門｜SQLiteデータベースをClaude Codeに繋いでDB操作を自動化する方法

「Claude Codeから直接データベースを操作できたら便利なのに」と思ったことはありませんか。

この記事では、MCP（Model Context Protocol）を使って自作のSQLiteデータベースをClaude Codeに接続し、チャットだけでCRUD操作を完結させる方法を解説します。実際に僕が運用している自作MCPサーバーのコードをベースに、設計から実装、運用まで一気通貫で紹介します。

こんな方に向けた記事です。

• Claude CodeやClaude Desktopの「MCPサーバー」に興味があるけど、自作したことがない
• 既存のSQLiteデータベースをAIアシスタントから操作したい
• TypeScriptでMCPサーバーを作る具体的な手順を知りたい

僕はますさんといいます。福祉事業のIT全般を担当するCTOとして働きつつ、フリーランスエンジニアとしても活動しています。Mac mini M4 Proで24時間AIエージェントシステムを運用しており、その中核にあるのが今回紹介する自作MCPサーバーです。

MCPとは何か

**MCP（Model Context Protocol）**は、Anthropicが2024年11月に発表したオープンスタンダードです。AIモデルと外部ツール・データソースを接続するための共通規格で、現在はOpenAIやGoogle DeepMindも採用しています。

ざっくり言うと、「AIアシスタントが外部のツールやデータベースを安全に操作できるようにする仕組み」です。

MCPが登場する前は、AIに外部ツールを使わせたければ自前でAPIラッパーを書き、プロンプトにJSON Schemaを埋め込み、レスポンスをパースして……という作業が必要でした。MCPはこの「接続部分」を標準化し、一度サーバーを作れば、Claude Code・Claude Desktop・VS Codeなど、どのMCPクライアントからでも使い回せるようにしてくれます。

MCPのアーキテクチャは3層構造です。

• MCPホスト — Claude CodeやClaude Desktopなど、AIが動作するアプリケーション
• MCPクライアント — ホスト内部でサーバーとの通信を担当するコンポーネント
• MCPサーバー — ツールやデータソースを公開する軽量サーバー（今回自作する部分）

通信方式は主にstdio（標準入出力）で、MCPホストがサーバーを子プロセスとして起動し、JSONでやり取りします。HTTPベースのSSE方式もありますが、ローカル運用ならstdioが手軽です。

なぜ自作MCPサーバーが必要なのか

「公式のSQLite MCPサーバーがあるのに、わざわざ自作する意味あるの？」という疑問はもっともです。

公式の汎用SQLite MCPサーバーは、任意のSQLクエリを実行できます。ただし、それは裏を返すとAIが自由にSQLを組み立てて実行するということです。

僕のシステムでは、Goals（目標）、Ideas（アイデア）、Deliverables（成果物）、Knowledge（ナレッジ）、Projects（プロジェクト）など13エンティティ・60以上のツールをMCP経由で公開しています。

全体アーキテクチャ

僕の自作MCPサーバーは、以下のような構成で動いています。

ポイントは、MCPサーバー自体にはビジネスロジックを持たせないこと。データベース操作はDatabaseクラス（別パッケージ）に集約し、MCPサーバーはその「薄いラッパー」として機能します。

技術スタックはこうです。

実装ステップ

ここからは、実際のコードを見ながら実装手順を追っていきます。

Step 1: プロジェクトのセットアップ

mkdir mcp-db-server && cd mcp-db-server
npm init -y
npm install @modelcontextprotocol/sdk zod
npm install -D typescript @types/node

package.jsonのポイントは"type": "module"を指定すること。MCP SDKはESModules前提です。

{
  "name": "mcp-db-server",
  "type": "module",
  "dependencies": {
    "@modelcontextprotocol/sdk": "^1.26.0",
    "zod": "^4.3.6"
  }
}

Step 2: エントリポイント（index.ts）

MCPサーバーの起動部分は驚くほどシンプルです。

#!/usr/bin/env node
import { McpServer } from '@modelcontextprotocol/sdk/server/mcp.js';
import { StdioServerTransport } from '@modelcontextprotocol/sdk/server/stdio.js';
import { Database } from './database.js'; // 自前のDBクラス

// DBパスをCLI引数から取得
const dbPath = process.argv[2] || 'my-app.db';

const server = new McpServer({
  name: 'my-db',
  version: '0.1.0',
});

const db = new Database(dbPath);

// ツール登録（後述）
registerGoalTools(server, db);

// stdio トランスポートで起動
const transport = new StdioServerTransport();
await server.connect(transport);

McpServerを作って、ツールを登録して、StdioServerTransportで接続する。これだけです。

Step 3: Zodスキーマの定義（schemas.ts）

MCP SDK v1では、ツールの入力パラメータをZodの「raw shape」（z.object()で包まない形）で渡します。各フィールドに.describe()を付けると、AIがパラメータの意味を理解しやすくなります。

import { z } from 'zod';

// 共通の IDスキーマ
export const IdSchema = {
  id: z.number().int().describe('レコードID'),
};

// 目標の作成パラメータ
export const CreateGoalSchema = {
  title: z.string().describe('目標のタイトル'),
  description: z.string().optional().describe('詳細説明'),
  status: z.enum(['active', 'cleared']).optional()
    .describe('ステータス'),
};

// 目標の更新パラメータ
export const UpdateGoalSchema = {
  id: z.number().int().describe('目標ID'),
  title: z.string().optional().describe('タイトル'),
  description: z.string().optional().describe('詳細説明'),
  status: z.enum(['active', 'cleared']).optional()
    .describe('ステータス'),
};

Step 4: ツール登録（tools/goals.ts）

ここが自作MCPサーバーの核心部分です。server.tool()で1つずつツールを登録します。

import type { McpServer } from '@modelcontextprotocol/sdk/server/mcp.js';
import type { Database } from './database.js';
import { IdSchema, CreateGoalSchema, UpdateGoalSchema } from './schemas.js';

export function registerGoalTools(server: McpServer, db: Database): void {
  // 作成
  server.tool(
    'create_goal',
    '新しい目標を作成する',
    CreateGoalSchema,
    async (params) => {
      const goal = db.createGoal(params);
      return {
        content: [{ type: 'text', text: JSON.stringify(goal) }],
      };
    }
  );

  // 取得
  server.tool(
    'get_goal',
    'IDで目標を取得する',
    IdSchema,
    async ({ id }) => {
      const goal = db.getGoal(id);
      if (!goal) {
        return {
          content: [{ type: 'text', text: `Goal id=${id} not found` }],
          isError: true,
        };
      }
      return {
        content: [{ type: 'text', text: JSON.stringify(goal) }],
      };
    }
  );

  // 一覧（引数なし）
  server.tool(
    'list_goals',
    '全目標を一覧する',
    async () => {
      const goals = db.listGoals();
      return {
        content: [{ type: 'text', text: JSON.stringify(goals) }],
      };
    }
  );

  // 更新
  server.tool(
    'update_goal',
    '目標を更新する',
    UpdateGoalSchema,
    async ({ id, ...params }) => {
      db.updateGoal(id, params);
      const updated = db.getGoal(id);
      return {
        content: [{ type: 'text', text: JSON.stringify(updated) }],
      };
    }
  );
}

Step 5: ビルド

npx tsc

これでdist/index.jsが生成されます。MCPサーバーは単なるNode.jsプロセスとして動作するので、特別なランタイムは不要です。

Claude Codeへの接続設定

ビルドしたMCPサーバーをClaude Codeに接続するには、プロジェクトルートの.mcp.jsonに設定を書きます。

{
  "mcpServers": {
    "my_db": {
      "type": "stdio",
      "command": "node",
      "args": [
        "/absolute/path/to/dist/index.js",
        "/absolute/path/to/my-app.db"
      ]
    }
  }
}

設定後、Claude Codeを起動すると自動的にMCPサーバーが子プロセスとして立ち上がります。接続確認は以下のコマンドで。

claude mcp list
# my_db: Connected

「Connected」と表示されれば成功です。

これ以降、Claude Codeのチャットで「今の目標一覧を見せて」と言うだけで、AIがmcp__my_db__list_goalsツールを呼び出し、SQLiteからデータを取得して表示してくれます。

関連記事: Claude Codeのセキュリティ設定ガイド ではMCPツールのパーミッション管理について詳しく解説しています。

運用してみた感想

自作MCPサーバーを3ヶ月ほど運用してみて、一番変わったのは**「データベースを触るハードル」が激減した**ことです。

以前はSQLiteのデータを確認するたびにターミナルでsqlite3コマンドを叩き、テーブル名やカラム名を思い出しながらSELECT文を書いていました。今は、Discord上のBot（内部でClaude Codeが動いている）に「今週のタスク一覧見せて」と送るだけです。

具体的にこう変わりました。

Before: MCPなし

1. ターミナルを開く
2. sqlite3 masu-agent.db
3. .tables でテーブル確認
4. SELECT * FROM deliverables WHERE status = 'in_progress';
5. 結果を読む

After: MCP経由

1. チャットで「進行中のタスク一覧を見せて」と送る
2. 結果が整形されて返ってくる

たった2ステップ。しかも、AIが結果を整形してくれるので、生のJSONを自分でパースする必要もありません。

関連記事: Mac mini M4 ProでAIエージェントを24時間運用する方法

手動SQL運用を続けた1年後、あなたはこうなる

MCPを使わずに、AIとデータベースの連携をこのまま放置したらどうなるでしょうか。

パターン1: 毎回SQLを書かせる
AIにSQLを生成させて、Bashツールで実行する方法です。動くには動きますが、テーブルの構造をプロンプトに毎回含める必要があり、コンテキストウィンドウを圧迫します。DROP TABLEのような危険なクエリを生成するリスクもあります。

パターン2: REST APIを挟む
Express等でAPIサーバーを立て、AIにHTTPリクエストを送らせる方法です。まともに動きますが、APIサーバーの起動・管理が必要になり、認証の仕組みも自前で用意しなければなりません。運用コストが跳ね上がります。

パターン3: MCPサーバー（この記事の方法）
MCPサーバーはClaude Codeが自動で起動・管理してくれます。認証も不要（ローカルstdio通信）。ツールの入力バリデーションはZodが担当。インフラ管理のオーバーヘッドがほぼゼロです。

関連記事: Claude Code生産性ガイド2026

この記事を書いている理由

僕がMCPサーバーを自作しようと思ったきっかけは、「AIにタスク管理を任せたいけど、データベースへのアクセス方法がイマイチだった」という経験です。

最初はBashツールでsqlite3コマンドを実行させていました。でも、テーブル名を間違えたり、WHERE句の条件がズレたり、小さなミスが頻発しました。MCPサーバーに切り替えてからは、操作がツール単位で限定されるので、こういったミスがほぼなくなりました。

MCPの概念自体は2024年末に登場しましたが、2026年現在ではOpenAIやGoogleも対応し、事実上の業界標準になりつつあります。つまり、今MCPサーバーの作り方を覚えておけば、この先どのAIプラットフォームに乗り換えても使い回せるということです。

「AIエージェント」というとハードルが高く聞こえますが、MCPサーバーの実装自体はシンプルです。この記事が「自分でも作ってみようかな」と思うきっかけになれば嬉しいです。

この記事が参考になったら、ぜひSNSでシェアしてください。 MCPサーバーの自作について質問があれば、コメント欄やX（@mamamasu_3）のDMでお気軽にどうぞ。

関連記事

• Claude Codeセキュリティ完全ガイド
• Claude Sonnet 4.6のコーディング性能を検証
• Claude Code生産性ガイド2026
• Mac mini M4 ProでAIエージェントを構築する方法