論文「From REST to MCP: An Empirical Study of API Wrapping and Automated Server Generation for LLM Agents」の技術的サマリー

この論文は、大規模言語モデル（LLM）のエージェントが外部ツールを呼び出すための標準インターフェースとして注目されているMCP（Model Context Protocol）と、その背後にあるベンダーのREST APIとの関係を初めて大規模に実証的に調査した研究です。また、OpenAPI 仕様から MCP サーバーを自動生成する手法（AutoMCP）を提案し、その有効性を検証しています。

以下に、問題定義、手法、主要な貢献、結果、および意義を詳述します。

---

1. 研究背景と問題定義

• 背景: LLM エージェントは外部ツールを呼び出すことでタスクを遂行しますが、ツール数の増加はエージェントの選択精度を低下させる要因となります。MCP は、ツールを統一的に記述・発見・呼び出すためのプロトコルとして普及しつつあります。
• 問題: 多くの MCP サーバーは既存の REST API をラップして構築されていますが、以下の点について実証的な知見が不足していました。
  1. MCP サーバーはベンダーの REST API にどの程度依存しており、どのような統合戦略をとっているか？
  2. 膨大な数の REST API 操作（Operation）のうち、どの部分が MCP ツールとして露出され、どの部分が省略されているのか？そのパターンは何か？
  3. OpenAPI 仕様から MCP サーバーを自動生成することは可能か？生成失敗の原因は何か？
  4. 仕様修正とツールセットの最適化（フィルタリング・グループ化）により、生成の成功率と実用性を向上させることは可能か？

2. 研究方法とデータセット

本研究は 4 つの研究質問（RQ）に基づき、以下のデータセットと手法を用いて実施されました。

• データセット:
  • RQ1: Anthropic 公式カタログから収集した116 個の MCP サーバー（公式およびコミュニティ登録）。
  • RQ2: 公開 OpenAPI 仕様を持つ42 個の MCP サーバーと対応する REST API 操作（計 6,966 操作）。
  • RQ3/4: 実世界の OpenAPI 仕様80 件（RQ2 の 42 件＋Stratified Sampling による 50 件）を用いた自動生成実験。
• 手法:
  • 手動分析: サーバーのアーキテクチャ、REST 依存度、認証設定、ツール実装戦略（生 API 呼び出しかカスタムロジックか）をコードレビューにより分類。
  • マッピング分析: MCP ツールと REST 操作の対応関係を、手動アノテーションと LLM（GPT-4.1）支援によるセマンティックマッチングで分析。
  • 自動生成フレームワーク（AutoMCP）:
    • AutoMCP-Baseline: OpenAPI 仕様をそのまま MCP ツールに変換するベースライン生成器。
    • SpecFix: 仕様と公式ドキュメントを比較し、認証設定や URL などの欠陥を検出・修正するツール。
    • ツールセット変換: 実証データに基づき、露出すべきでないカテゴリをフィルタリングし、類似操作をグループ化する手法。

3. 主要な発見と結果

RQ1: MCP サーバーの依存性と統合戦略

• REST 依存: 調査対象の MCP サーバーの**88.6%**が完全または部分的にベンダーの REST API に依存しています。
• 実装パターン: 92% のサーバーは、追加ロジックなしで API をそのまま呼び出す「Bare API Consumption（生 API 消費）」として実装されています。カスタムロジック（ワークフロー編成や AI 変換など）は 8% 未満で、特定のサーバーに集中しています。
• 構成: 認証はトークンベースが主流、通信プロトコルは STDIO が最も一般的です。

RQ2: 操作の露出と省略パターン

• 露出率: MCP サーバーはベンダー API の操作の**中央値 19%**のみを露出しています。API 規模が大きいほど露出率は低下する傾向があります。
• 省略の傾向:
  • 優先露出: 読み取り（Read-only）、リスト取得、分析（Analytics）、ワークフロー管理などのカテゴリ。
  • 優先省略: 認証/認可（Authentication/Authorization）、設定/管理（Settings）、破壊的操作（DELETE など）、非推奨（Deprecated）な操作。
• マッピング: 89.8% のツールは 1 対 1 のマッピングですが、残りは「コレクション/アイテムの統合」や「ライフサイクル操作の束ね」などの 5 つのパターンに従ってグループ化されています。

RQ3: 自動生成の可行性と限界

• ベースライン成功率: OpenAPI 仕様からの自動生成は、サンプルされたツールの**76%**で成功しました。
• 失敗原因: 失敗の多くは個々のエンドポイントの問題ではなく、仕様全体の欠陥（認証スキームの欠落、不正なベース URL、ドキュメントにしか記載されていないヘッダー要件など）に起因していました。

RQ4: 自動修正と変換の効果

• SpecFix の効果: 自動仕様修正（SpecFix）を導入することで、ツール実行の成功率を**76% から 94.2%**まで向上させました。
• ツールセット削減: フィルタリングとグループ化を適用することで、生成されるツールの総数を23.9% 削減し、API あたりの中央値ツール数を**73 から 49（約 33% 削減）**に抑えました。これにより、LLM のコンテキストウィンドウや選択能力の限界への負荷を軽減しています。

4. 主要な貢献

1. MCP サーバー構築の初の大規模実証研究: 116 個のサーバーと 42 個の OpenAPI 仕様ペアを分析し、MCP と REST API の関係性を体系的に解明しました。
2. 設計ヒューリスティクスの提示: どの API 操作を露出し、どの操作を省略すべきか、またどのようにグループ化すべきかという、経験則に基づく設計指針を提示しました。
3. AutoMCP フレームワークの提案と評価:
   • 仕様欠陥を検出・修正するSpecFix。
   • 実証データに基づくフィルタリングとグループ化によるツールセット最適化。
   • これらを統合したエンドツーエンドのパイプラインを実装し、実世界 77 件の API で検証しました。
4. オープンソースの提供: 研究で用いたすべてのデータセット、コード、および AutoMCP パイプラインを公開しています。

5. 意義と将来展望

• 実務への貢献: MCP サーバー開発者は、この研究で得られた「省略パターン」や「グループ化戦略」を参考にすることで、LLM エージェントにとって使いやすいツールセットを効率的に設計できます。
• API プロバイダーへの示唆: 自動生成を阻害する仕様上の欠陥（認証情報の不足など）を特定するチェックリストを提供し、API 仕様の品質向上を促します。
• 自動化の可能性: 手動でのサーバー構築から、仕様駆動の自動生成へと移行する道筋を示しました。特に、仕様修正とツールセットの最適化を組み合わせることで、実用的な MCP サーバーの自動構築が現実的であることを証明しました。

この研究は、LLM エージェントが外部サービスと安全かつ効率的に連携するための基盤技術として、MCP と OpenAPI の統合における重要な指針を提供するものです。