MCP 実践チュートリアル：Cursor からデータベース照会と API 呼び出しを直接行う完全設定ガイド

先週の水曜日の午後、データ分析機能を書いていて、12月の新規ユーザー数をデータベースで確認する必要がありました。以前の習慣なら、DataGrip に切り替え、SQL を書き、実行し、結果をコピーして、コードに貼り付けるところです。たった1つの単純なクエリのために、ウィンドウを3回も切り替え、2分も無駄にしていました。

ふと思いました。「毎日 Cursor でコードを書いているのに、AI は関数を書いたりバグを直したりできるのに、なぜ直接データベースを調べられないんだ？」と。

MCP を設定した後、今では Cursor で「12月の新規ユーザー数を調べて」と聞くだけで、AI が瞬時に結果を返してくれます。ウィンドウ切り替えも SQL 手書きも不要、効率は倍増しました。

Railway - モダンなデプロイプラットフォーム、煩わしい運用から解放、数分で公開

今すぐ始める →広告

正直なところ、最初に MCP と聞いたときは私も混乱しました。Server、Client、Protocol……言葉は立派ですが、ネット上のチュートリアルは理論ばかりか、Hello World 止まりのものばかり。設定方法を理解するのに2日もかかりました。

そこでこの記事では、最も分かりやすい方法で、手取り足取り MCP の設定方法を教えます。AI が直接データベースを照会し、API を呼び出せるようにしましょう。15分で設定を終え、すぐに使い始められます。

MCP とは何か、なぜ必要なのか

誰にでもわかる MCP 解説

MCP の正式名称は Model Context Protocol（モデルコンテキストプロトコル）です。学術的に聞こえますが、要するに AI に「道具ベルト」を装着させるようなものです。

以前の AI は非常に賢いアドバイザーのようなものでした。質問すればアドバイスやコードをくれますが、自分では何もできません。あなたはアドバイスをコピーして、自分で実行する必要がありました。

MCP があれば、AI は真のアシスタントになります。アドバイスだけでなく、実際に手を動かしてくれます。データベースの照会、API の呼び出し、ファイルの読み込みなど、これらを自分でこなせるのです。

従来方式 vs MCP 方式

実例として、「先月最も売上の高かった製品」を知りたいとします。

従来方式（MCP なし）：

1. あなた：AI にクエリ SQL を書かせる
2. AI：SQL コードを提示
3. あなた：SQL をコピーし、データベースクライアントに切り替え
4. あなた：SQL を貼り付けて実行
5. あなた：クエリ結果をコピー
6. あなた：Cursor に戻り、結果を AI に貼り付け
7. AI：結果に基づいて分析を継続

全工程で3つのウィンドウを行ったり来たりします。面倒です。

MCP 方式：

1. あなた：AI に直接「先月どの製品の売上が最高だった？」と聞く
2. AI：自動的にデータベースを照会し、答えを直接教える

一発です。効率は少なくとも5倍違います。

コアコンセプト（3分で理解）

MCP のアーキテクチャは実はシンプルで、3つの役割だけです：

MCP Client（道具を使う AI の頭脳）
あなたが使っている AI ツール、例えば Cursor や Claude Desktop です。あなたの要望を理解し、道具を使うべきか判断します。

MCP Server（道具を提供するウェイター）
AI に特定の能力を提供する設定済みサービスです。例えばデータベース Server は AI に DB 照会能力を与え、API Server はインターフェース呼び出し能力を与えます。

Tools（具体的な能力）
各 MCP Server が公開する具体的な機能です。例えばデータベース Server なら「テーブル構造確認」「SELECT クエリ実行」「行数カウント」といったツールを持っています。

例えるなら：AI は作業員（Client）、MCP Server は道具箱、中にはレンチやハンマー（Tools）が入っています。「釘を打て」と言えば、AI は道具箱からハンマーを取り出して使うわけです。

この3つの概念が分かれば、後の設定作業の意味も理解できるはずです。

実戦ケース1 - SQLite データベース統合

なぜ SQLite から始めるのか

SQLite 最大のメリットは単純さです。データベースサービスのインストール不要、ポート設定不要、ファイル1つがデータベースです。練習に最適です。

手順に慣れたら、PostgreSQL や MySQL に置き換えるのも同じ要領です。

準備作業：テストデータベースの作成

まずデータデータがないとテストできないので、test.db ファイルを作成しましょう：

-- ユーザーテーブル作成
CREATE TABLE users (
    id INTEGER PRIMARY KEY,
    name TEXT NOT NULL,
    email TEXT UNIQUE,
    created_at TEXT DEFAULT CURRENT_TIMESTAMP
);

-- 注文テーブル作成
CREATE TABLE orders (
    id INTEGER PRIMARY KEY,
    user_id INTEGER,
    product_name TEXT,
    amount REAL,
    order_date TEXT DEFAULT CURRENT_TIMESTAMP,
    FOREIGN KEY (user_id) REFERENCES users(id)
);

-- テストユーザー挿入
INSERT INTO users (name, email) VALUES
    ('田中 太郎', 'tanaka@example.com'),
    ('佐藤 花子', 'sato@example.com'),
    ('鈴木 一郎', 'suzuki@example.com');

-- テスト注文挿入
INSERT INTO orders (user_id, product_name, amount) VALUES
    (1, 'MacBook Pro', 12999.00),
    (1, 'AirPods', 1299.00),
    (2, 'iPhone 15', 5999.00),
    (3, 'iPad Air', 4799.00),
    (3, 'Apple Watch', 2999.00);

任意の SQLite ツール（DB Browser、コマンドライン等）でこの SQL を実行するか、Python で作成しても構いません：

import sqlite3

conn = sqlite3.connect('test.db')
cursor = conn.cursor()

# 上記の SQL 文を実行
# ...

conn.commit()
conn.close()

MCP Server の設定（ここが重要）

チュートリアルの核心部分です。MCP 設定ファイルはニーズに応じて2箇所に配置できます：

グローバル設定（全プロジェクトで使用可能）：

• Windows: C:\Users\ユーザー名\.cursor\mcp.json
• Mac/Linux: ~/.cursor/mcp.json

プロジェクト設定（現在のプロジェクトのみ有効）：

• プロジェクトルート直下の .cursor/mcp.json

まずはプロジェクト設定で練習し、うまくいったらグローバルに移行することをお勧めします。

.cursor/mcp.json ファイルを作成し、以下を記述します：

{
  "mcpServers": {
    "sqlite": {
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-sqlite",
        "--db-path",
        "D:/path/to/your/test.db"
      ]
    }
  }
}

重要ポイント解説（多くの人がここで詰まります）：

1. mcpServers: 固定のフィールド名です。変更しないでください。
2. "sqlite": この Server に付ける名前です。自由に決めてOK。AI はこの名前を見ます。
3. command: "npx": npx を使って MCP Server を直接実行します。手動インストール不要です。
4. args: コマンドへの引数です。
   • -y: インストールを自動確認
   • @modelcontextprotocol/server-sqlite: 公式の SQLite MCP Server パッケージ
   • --db-path: データベースファイルのパス（必ず絶対パスで！）

Windows ユーザーへの注意：パスはスラッシュ / またはダブルバックスラッシュ \\ を使用してください。シングルバックスラッシュは使えません：

• ✅ D:/projects/test.db
• ✅ D:\\projects\\test.db
• ❌ D:\projects\test.db （エラーになります）

Cursor 再起動と設定検証

設定ファイルを保存したら、必ず Cursor を完全に再起動してください。ウィンドウを閉じるだけでなく、アプリを終了させてください。

再起動後、Cursor の設定で MCP が有効か確認できます：

1. 設定を開く（Ctrl+,）
2. “MCP” を検索
3. 設定した SQLite Server が表示されているはずです

もっと直接的な方法は、AI にデータベース関連の質問をして、MCP を呼び出すか確認することです。

実戦デモ

設定が成功すれば、このように遊べます：

クエリ1：テーブル一覧確認

あなた：データベースにはどんなテーブルがある？
AI：[MCPを呼び出して照会] 2つのテーブルがあります：users と orders

クエリ2：ユーザー数集計

あなた：ユーザー総数を調べて
AI：[SELECT COUNT(*) FROM users を実行] 合計3名のユーザーがいます

クエリ3：特定ユーザーの注文確認

Vultr - 高性能NVMeクラウドサーバー、世界32拠点、Dockerワンクリック展開対応

価格を見る →広告

あなた：田中 太郎は何を買った？
AI：[結合クエリを実行] 田中 太郎の購入品：
- MacBook Pro（12999元）
- AirPods（1299元）
合計：14298元

クエリ4：集計分析

あなた：最も消費額が多いユーザーは？
AI：[GROUP BY クエリを実行] 田中 太郎が最も多く、合計14298元消費しています

ご覧の通り、SQL を一行も書かずに、AI が自動で処理してくれます。これが MCP の威力です。

よくあるトラブルシューティング

問題1：MCP Server が起動しない
症状：AI が回答するが、データベースを呼び出さない
解決策：

• 設定ファイルの構文確認（JSON フォーマットが正しいか、余分なカンマがないか）
• Cursor が完全に再起動されたか確認
• Cursor の出力ログで “MCP” 関連のエラーを検索

問題2：データベースファイルが見つからない
症状：エラー “cannot open database file”
解決策：

• パスが絶対パスであることを確認（相対パスは不可）
• Windows ユーザーはスラッシュの向きを確認
• ファイルが実際に存在するか確認（ls や dir コマンド）

問題3：権限エラー
症状：Permission denied
解決策：

• データベースファイルの読み書き権限を確認
• Windows ユーザー：ファイル右クリック → プロパティ → セキュリティで、現在のユーザーに読み取り権限があるか確認

デバッグのコツ：VS Code（Cursor）で「出力（Output）」パネルを開き（View → Output）、「MCP」チャンネルを選ぶと、詳細なエラーログが見られます。

実戦ケース2 - PostgreSQL データベース統合

応用シーン：本番環境データベース

SQLite は学習や小規模プロジェクトに適していますが、実際の業務では PostgreSQL や MySQL などのプロダクション級データベースを使うことが多いでしょう。良いニュースは、設定の要領は同じで、パラメータが違うだけということです。

ここでは PostgreSQL を例にしますが、MySQL も似たようなものです。

設定の違い：接続情報と環境変数

PostgreSQL はクライアント/サーバー構成なので、接続情報が必要です。しかし、絶対にパスワードを設定ファイルに直接書かないでください。これは最も一般的なセキュリティミスです。

正しいやり方は環境変数を使うことです。

まずプロジェクトルートに .env ファイルを作成します（.gitignore に追加するのを忘れずに）：

POSTGRES_HOST=localhost
POSTGRES_PORT=5432
POSTGRES_DATABASE=myapp
POSTGRES_USER=readonly_user
POSTGRES_PASSWORD=your_secure_password

次に .cursor/mcp.json を設定します：

{
  "mcpServers": {
    "postgres": {
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-postgres",
        "--stdio"
      ],
      "env": {
        "POSTGRES_HOST": "${POSTGRES_HOST}",
        "POSTGRES_PORT": "${POSTGRES_PORT}",
        "POSTGRES_DATABASE": "${POSTGRES_DATABASE}",
        "POSTGRES_USER": "${POSTGRES_USER}",
        "POSTGRES_PASSWORD": "${POSTGRES_PASSWORD}"
      }
    }
  }
}

重要ポイント：

• --stdio: 標準入出力（ローカル方式）で通信することを指定
• env: 環境変数設定。Cursor はプロジェクトの .env ファイルを自動的に読み込みます

セキュリティベストプラクティス（超重要）

AI にデータベース権限を与える際、セキュリティは最優先事項です。私が踏んだ地雷を、あなたが踏まないように：

1. 読み取り専用アカウントを使用

AI に書き込み権限を与えないでください！ AI があなたの意図を誤解して DELETE や UPDATE を実行したら、泣くに泣けません。

読み取り専用ユーザーの作成：

-- 読み取り専用ユーザー作成
CREATE USER readonly_user WITH PASSWORD 'secure_password';

-- SELECT 権限のみ付与
GRANT CONNECT ON DATABASE myapp TO readonly_user;
GRANT USAGE ON SCHEMA public TO readonly_user;
GRANT SELECT ON ALL TABLES IN SCHEMA public TO readonly_user;

-- 将来作成されるテーブルも読み取り専用にする
ALTER DEFAULT PRIVILEGES IN SCHEMA public
GRANT SELECT ON TABLES TO readonly_user;

2. アクセス範囲の制限

データベースに機密テーブル（ユーザーパスワード、決済情報など）がある場合、AI に触らせないようにしましょう：

-- 機密テーブルへのアクセス権剥奪
REVOKE SELECT ON TABLE user_passwords FROM readonly_user;
REVOKE SELECT ON TABLE payment_info FROM readonly_user;

3. 本番環境はリードレプリカを使用

本番環境で MCP を使う場合（最初は推奨しませんが）、少なくともリードレプリカ（Read Replica）に接続し、プライマリには接続しないでください。万が一 AI が複雑すぎるクエリでデータベースに負荷をかけても、本番サービスへの影響を防げます。

実戦デモ

設定完了後、SQLite ではできないようなことも可能になります：

複雑なクエリ：多対多 JOIN

あなた：各部門の平均給与を集計して
AI：[複雑なクエリを実行]
SELECT d.name, AVG(e.salary) as avg_salary
FROM departments d
JOIN employees e ON d.id = e.department_id
GROUP BY d.name
ORDER BY avg_salary DESC;

結果：
- 技術部：平均15000円
- 製品部：平均12000円
- 運営部：平均10000円

性能分析：実行計画の確認

あなた：このクエリがなぜ遅いのか見て
AI：[EXPLAINを実行] インデックスが使用されていません。user_id フィールドにインデックス追加を推奨します。

データ分析：レポート生成

あなた：過去7日間の日次新規ユーザー数
AI：[タイムウィンドウクエリを実行]
2024-01-10: 45人
2024-01-11: 52人
...

よくある問題

問題1：接続タイムアウト
症状：timeout connecting to database
解決策：

• データベースが起動しているか確認（pg_isready コマンド）
• ファイアウォールが接続を許可しているか確認
• host と port 設定が正しいか確認

問題2：認証失敗
症状：authentication failed
解決策：

• ユーザー名パスワードが正しいか確認
• PostgreSQL の pg_hba.conf が対象ユーザーの接続を許可しているか確認
• psql コマンドラインツールで手動接続を試して資格情報を確認

問題3：権限不足
症状：permission denied for table xxx
解決策：

• これは良いことです。読み取り専用権限が効いています
• 本当にそのテーブルを照会する必要があるなら、管理者アカウントで前述の GRANT コマンドを実行してください

実戦ケース3 - API 呼び出し統合

活用シーン：AI に外部サービスを使わせる

データベースは内部データの照会に使いますが、外部 API のデータが必要なこともあります。例えば：

• GitHub リポジトリのスター数や issue リスト確認
• 社内マイクロサービス API の呼び出し
• 天気、為替レートなどのリアルタイムデータ取得

MCP があれば、AI にこれらのインターフェースも呼び出させることができます。

HTTP タイプ MCP Server の設定

API 呼び出しはデータベースと異なり、MCP Server パッケージのインストールは不要で、HTTP タイプを設定するだけです。

GitHub API を例に、.cursor/mcp.json を設定します：

{
  "mcpServers": {
    "github-api": {
      "url": "https://api.github.com",
      "headers": {
        "Accept": "application/vnd.github.v3+json",
        "User-Agent": "Cursor-MCP-Client"
      }
    }
  }
}

API に認証が必要な場合（GitHub プライベートリポジトリなど）、トークンを追加します：

{
  "mcpServers": {
    "github-api": {
      "url": "https://api.github.com",
      "headers": {
        "Accept": "application/vnd.github.v3+json",
        "Authorization": "Bearer ${GITHUB_TOKEN}",
        "User-Agent": "Cursor-MCP-Client"
      }
    }
  }
}

同様に、トークンは .env ファイルに記述します：

GITHUB_TOKEN=ghp_your_personal_access_token_here

GitHub Token 取得方法：

1. GitHub → Settings → Developer settings
2. Personal access tokens → Tokens (classic)
3. Generate new token → 必要な権限（repo, user 等）をチェック
4. トークンをコピー（一度しか表示されません）

実戦デモ

設定後、AI に直接 API を呼び出させることができます：

リポジトリ情報照会

あなた：facebook/react リポジトリのスター数を調べて
AI：[GET /repos/facebook/react を呼び出し]
React リポジトリは現在 218,345 スター、79,234 フォークがあります。

最新 Issue 取得

あなた：facebook/react の最近の issue を見て
AI：[GET /repos/facebook/react/issues?state=open&per_page=5 を呼び出し]
最近の5つの issue：
1. [Bug] useEffect が Strict Mode で2回実行される
2. [Feature] Suspense の新 API サポート
3. [Question] 大規模リストレンダリングの最適化
...

コミット頻度分析

あなた：過去一週間 facebook/react に何回コミットがあった？
AI：[GET /repos/facebook/react/commits?since=... を呼び出し]
過去7日間で 43 回のコミットがありました。主な貢献者は...

自社 API の設定

社内 API も同様に設定可能です。社内ユーザーサービスがあるとします：

{
  "mcpServers": {
    "user-service": {
      "url": "https://api.yourcompany.com/user-service",
      "headers": {
        "Authorization": "Bearer ${INTERNAL_API_KEY}",
        "Content-Type": "application/json"
      }
    }
  }
}

これで AI にこう聞けます：

あなた：ユーザーID 12345 の注文履歴を調べて
AI：[社内API呼び出し] ユーザー12345は過去30日間に8回注文し、総額3200円消費しています。

注意事項

API レート制限
多くの API には呼び出し頻度制限があります。GitHub 無料版は1時間60回です。AI が頻繁に呼び出すとすぐに制限に達します。

解決策：

• 認証トークンを使う（GitHub は認証済みなら5000回/時）
• AI に「API 呼び出しは最小限にし、結果を再利用して」と伝える

セキュリティリスク
AI に API 呼び出し権限を与えることは、外部サービス操作権限を与えることと同義です。必ず：

• 読み取り専用トークンを使用（書き込み権限を与えない）
• 定期的にトークンをローテーション
• API 呼び出しログを監視

応用テクニックとベストプラクティス

複数 MCP Server の併用

1つのプロジェクトで複数の MCP Server を同時に設定できます。AI は適切なツールを自動選択します。

私の設定例：

Alibaba Cloud - 開発者向けクラウドの第一候補、ライトサーバー15%OFF、プロジェクトの迅速な立ち上げを支援

15%割引を入手 →広告

{
  "mcpServers": {
    "sqlite": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-sqlite", "--db-path", "D:/projects/myapp/data.db"]
    },
    "postgres": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-postgres", "--stdio"],
      "env": {
        "POSTGRES_HOST": "${POSTGRES_HOST}",
        "POSTGRES_PORT": "${POSTGRES_PORT}",
        "POSTGRES_DATABASE": "${POSTGRES_DATABASE}",
        "POSTGRES_USER": "${POSTGRES_USER}",
        "POSTGRES_PASSWORD": "${POSTGRES_PASSWORD}"
      }
    },
    "github-api": {
      "url": "https://api.github.com",
      "headers": {
        "Authorization": "Bearer ${GITHUB_TOKEN}",
        "Accept": "application/vnd.github.v3+json"
      }
    }
  }
}

こうすれば、AI にこう聞けます：

あなた：ローカル SQLite データベースのユーザー数を調べて、それから GitHub でリポジトリのスター数を見て
AI：[sqlite MCP自動選択] ローカルユーザーは245名です
    [github-api MCP自動選択] リポジトリは 1.2k スターです

AI は内容に応じてどのツールを使うべきか判断します。賢いですね。

プロジェクト設定 vs グローバル設定

2つの設定方法は適用シーンが異なります：

プロジェクト設定（.cursor/mcp.json）：

• プロジェクト固有のデータベース、API に適しています。
• メリット：プロジェクト間で干渉しない、Git でバージョン管理可能（機密情報を除く）。
• デメリット：プロジェクトごとに設定が必要。

グローバル設定（~/.cursor/mcp.json）：

• 汎用ツール（ファイルシステム、一般 API など）に適しています。
• メリット：一度設定すれば全プロジェクトで使える。
• デメリット：混乱しやすく、設定ファイルがプロジェクト外にあるためチーム共有が不便。

私のアドバイス：

• データベース、プロジェクト専用 API → プロジェクト設定
• GitHub、天気などの汎用 API → グローバル設定
• 開発完了後、プロジェクト設定をドキュメント化し、チームメンバーが複製できるようにする。

パフォーマンス最適化

MCP は呼び出しのたびに実際にクエリや API リクエストを実行するため、頻繁に呼び出すと遅くなります。最適化のコツ：

1. AI に結果をキャッシュさせる

あなた：ユーザーリストを調べて（この結果を覚えておいて、後で使うから）
AI：[検索して記憶] 245名のユーザーがいます...

あなた：さっきの245名のうち、VIP は何人？
AI：[再検索せず、前の結果に基づいて分析]

2. クエリ複雑度の制限
AI に複雑すぎるクエリを書かせないこと。10層ネストの SQL を生成したら即座に止めて、手動で最適化しましょう。

3. データベースインデックス
AI のクエリが賢くても、データベースの性能限界はあります。必要な箇所にはインデックスを追加しましょう。

デバッグテクニック

問題が起きたら、以下の方法で素早く特定しましょう：

1. MCP ログの確認
Cursor の「出力」パネル（View → Output）で「MCP」チャンネルを選択すると以下が見えます：

• MCP Server 起動ログ
• 各ツール呼び出しの引数と戻り値
• エラースタック

2. MCP 設定のテスト
設定直後は単純な質問でテストします：

あなた：データベース接続をテストしたい。テーブル一覧を教えて

これが動かなければ設定に問題があります。

3. 手動実行検証
AI がクエリ失敗と言ったら、手動で実行してみましょう。AI が生成した SQL が悪いのか、権限や接続の問題なのか切り分けられます。

一般的なエラーコードの意味

• ENOENT: ファイルやパスが存在しない（パス確認）
• ECONNREFUSED: 接続拒否（DB未起動またはポート違い）
• EACCES: 権限不足（ファイル権限またはDB権限）
• ERR_MODULE_NOT_FOUND: MCP Server パッケージ未インストール（npx コマンド確認）
• ETIMEDOUT: タイムアウト（ネットワーク問題またはクエリ遅延）

結論

正直なところ、MCP を設定してから私のコーディングスタイルは変わりました。

以前はデータ確認のために3つのウィンドウを行き来し、思考が頻繁に中断されました。今は Cursor で一言聞くだけで AI が即答してくれるので、思考をコードロジックに集中させられます。

長々と書きましたが、核心は3つだけです：

1. 概念理解：MCP は AI に道具を与えること。口だけでなく手を動かせるようにする。
2. 設定実践：SQLite で練習し、PostgreSQL で実務運用し、API で能力拡張する。
3. 安全注意：読み取り専用権限、環境変数、本番主データベースには触らせない。

今日は15分だけ時間を取って、SQLite MCP を設定してみてください。効率が10%、20%どころではなく、全く違う働き方になることに気づくはずです。

最後に一言：MCP はまだ新しく、公式も頻繁に更新しており、コミュニティも新しい Server を次々に出しています。GitHub の MCP Server リストをチェックしてみてください。あなたにぴったりのツールが見つかるかもしれません。

9 min read · 公開日: 2026年1月17日 · 更新日: 2026年3月3日

Easton

技術開発