ミントライファイ MCP サーバージェネレーターをテストしました：私の技術レビューです

モデルコンテキストプロトコル（MCP）は、Anthropic によってリリースされて以来、大きな注目を集めています。AI 統合に取り組む開発者として、私は常に API を大規模言語モデル（LLM）に接続するためのツールを探しています。Mintlify が MCP サーバー生成ツールを発表した時、私は興味をそそられました。ドキュメントから直接 MCP サーバーを生成して AI 支援の API 呼び出しを可能にするという約束は、ゲームチェンジャーのように聞こえました。しかし、私は API 統合とテストに関して同様の機能を提供する Apidog と比較したいとも考えました。

このレビューでは、Mintlify の MCP サーバー生成ツールを実際にテストした経験を深く掘り下げ、その設定、機能性、パフォーマンスに焦点を当てます。また、私が API ワークフローのデバッグにとても重宝している Apidog とどのように比較できるかにも触れます。

💡

始める前に、API テストと MCP サーバー設定を簡素化したい場合は、Apidog を無料でダウンロードすることを強くお勧めします。これは MCP ワークフローを補完する強力なツールで、詳細な API トラフィックの洞察を提供します。

ボタン

Mintlify MCP サーバー生成ツールとは？

Mintlify の MCP サーバー生成ツールは、ドキュメントから直接モデルコンテキストプロトコル（MCP）サーバーを作成するために設計されたツールです。MCP とは、AI モデルが GitHub、Slack、またはカスタム API などの外部ツールやデータソースと相互作用することを可能にする標準化されたプロトコルです。Mintlify は、既存のデータ構造（OpenAPI 仕様など）を使用して MCP サーバーを生成することを可能にします。

この生成ツールは、以下の 3 つの重要なシナリオを簡素化することを目的としています：

ドキュメントからの一般的な検索と回答の取得。
AI アプリケーションを通じたリアルタイムの API クエリと実行。
LLM を通じて製品の詳細を問い合わせるユーザーへのコンテキストに基づいた回答。

Mintlify は、ドキュメントを人間と AI エージェントの両方にとってよりアクセスしやすくすることで、API と AI エコシステムのギャップを埋める方法としてこれを提供しています。しかし、約束通りに機能するのでしょうか？テストプロセスを詳細に説明しましょう。

Mintlify MCP サーバー生成ツールの設定

まず、Mintlify のインストールガイドに従って MCP サーバー生成ツールを設定しました。プロセスは、npm を使用して実行した単純な CLI インストールが必要です：

npm install -g @mintlify/mcp-generator

インストール後、OpenAPI 仕様ファイル (openapi.yaml) を含むプロジェクトディレクトリに移動しました。Mintlify のドキュメントによれば、生成ツールはこの仕様に基づいて動的に MCP サーバーを作成することができるとされています。私は次のコマンドを実行してサーバーを生成しました：

mintlify mcp-generate --spec openapi.yaml

CLI は、生成された MCP サーバーファイルの保存先フォルダーを選択するよう私に促しました。数秒以内に、ランタイム環境として Node.js を使用した軽量のサーバー設定が生成されました。生成されたサーバーには、一般的な検索、API クエリ、およびアクション実行のためのエンドポイントが含まれており、Mintlify の提示する使用ケースに沿っています。

しかし、設定中に少しハプニングがありました。生成ツールは Node.js バージョン 18 以上を想定していましたが、私のシステムにインストールされているのはバージョン 16でした。Node.js のアップグレード後、プロセスは問題なく完了しました。これは、開始前に環境が前提条件を満たしていることを確認する重要なポイントです。

MCP サーバーのテスト：API 統合と AI インタラクション

次に、私は生成された MCP サーバーを AI クライアントと統合してテストしました。サーバーと対話するために AI パワード IDE の Cursor を使用しました。Cursor は MCP クライアントをサポートしており、プロトコルを通じてアクションを検索して実行することができます。私の目標は、ドキュメントを検索し、API 呼び出しを実行する 2 つのシナリオをテストすることでした。

シナリオ 1：ドキュメントを検索する

私は Cursor に対して、API ドキュメント内の特定のエンドポイントを検索するよう指示しました：「Foo API で認証するにはどうすればいいですか？」ローカルで http://localhost:3000 で動作している MCP サーバーは、OpenAPI 仕様から引き出された構造化された回答で応答しました。回答には、認証エンドポイント、必要なヘッダー、およびサンプルリクエストボディが含まれていました：

{
  "endpoint": "/auth/login",
  "method": "POST",
  "headers": {
    "Content-Type": "application/json"
  },
  "body": {
    "username": "string",
    "password": "string"
  }
}

これはスムーズに機能し、応答時間は impressive—200 ミリ秒未満でした。MCP サーバー生成ツールは、私のドキュメントを AI アプリケーションのための検索可能なリソースに効果的に変換しました。

シナリオ 2：API 呼び出しを実行する

2 回目のテストでは、MCP サーバーが私の代わりに API 呼び出しを実行できるかどうかを確認したいと思いました。私は必要な API キーで Cursor を認証し、「特定のチャージ ID に対して Stripe 返金を開始してください」と頼みました。MCP サーバーはリクエストを処理し、適切な API 呼び出しを生成して Stripe API を使用して実行しました。応答は返金を確認しました：

{
  "id": "re_1N5X7Y2eZvKYlo2C0X5Y7Z8",
  "amount": 1000,
  "status": "succeeded"
}

この機能は、従来のドキュメントからの大きなアップグレードであり、AI が情報を取得するだけでなく、アクションを実行することもできるようにします。しかし、サーバーには API トラフィックの詳細なログが不足していたため、何かがうまくいかなかった時にデバッグが難しいと感じました。ここで Apidog が光りますが、その点については後で説明します。

MCP サーバー生成ツールのパフォーマンスとスケーラビリティ

コア機能をテストした後、生成された MCP サーバーのパフォーマンスとスケーラビリティを評価しました。私は、サーバーに対して 100 の同時リクエストをシミュレートする簡単なスクリプトを使用して負荷テストを実施しました。サーバーは負荷をうまく処理し、応答時間の平均は 250 ミリ秒で、クラッシュはありませんでした。

ただし、同時リクエストを 500 に増やしたところ、応答時間が 1.2 秒に上昇し、サーバーが時々 503 エラーを返すことがありました。これは、MCP サーバーのデフォルト設定が高トラフィックのシナリオに最適化されていないことを示唆しています。これに対処するために、サーバーの設定を変更してワーカースレッドの数を増やしました：

const server = require('./mcp-server');
server.setWorkerThreads(4);
server.start();

この調整により、同じ負荷の下で応答時間は 800 ミリ秒に減少しましたが、それでも MCP サーバー生成ツールが本番環境用に追加の最適化を必要とする可能性があることを示しています。

Mintlify MCP サーバー生成ツールと Apidog の比較

Mintlify の MCP サーバー生成ツールは、その使いやすさで私を感心させましたが、MCP サーバーの設定および API テストに使用した別のツールである Apidog と比較せずにはいられませんでした。 Apidog は MCP サーバーソリューションを提供しており、Mintlify と同様に API 仕様と直接統合されますが、特定のシナリオでそれをより良い代替手段にする追加機能を提供しています。

ボタン

設定と構成

Apidog のセットアッププロセスは Mintlify よりもわずかに複雑で、Node.js とデータソースを定義するための構成ファイルが必要です。ただし、Apidog はローカルファイル、データベース、リモート API など、複数のデータソースをデフォルトでサポートしています。一方、Mintlify は主に OpenAPI 仕様に焦点を当てているため、柔軟性が制限されます。

デバッグと可視性

Apidog が Mintlify よりも優れている分野の 1 つはデバッグです。Apidog では、MCP サーバーと Cursor のような AI クライアントとの間の API トラフィックをキャプチャし、検査することができます。たとえば、私が Apidog の MCP サーバーで同じ Stripe 返金シナリオをテストしたとき、正確なリクエストペイロードと応答を確認できました：

リクエスト:
{
  "charge": "ch_1N5X7Y2eZvKYlo2C0X5Y7Z8",
  "amount": 1000
}

応答:
{
  "id": "re_1N5X7Y2eZvKYlo2C0X5Y7Z8",
  "amount": 1000,
  "status": "succeeded"
}

この可視性のレベルが、Mintlify のサーバーでは明らかでなかった認証の問題をトラブルシュートするのに役立ちました。Apidog の API 仕様をローカルにキャッシュし、オンデマンドで更新する能力は、AI が常に最新のデータで作業できるようにします。

コード生成とカスタマイズ

Apidog は、API 仕様に基づいて AI にコードを生成させることで、MCP サーバー機能をさらに一歩進めています。たとえば、私は Apidog を使用して「Product」スキーマの Java レコードを生成しました：

public record Product(String id, String name, double price) {}

Mintlify の MCP サーバー生成ツールはこの機能を提供していませんが、検索と API 実行に焦点を当てています。これは、Mintlify の目的がドキュメントを強化することであることと align していますが、Apidog のより広範な機能セットは、複雑な AI ワークフローに取り組む開発者にとってより柔軟性を提供します。

Apidog MCP サーバーを介して AI によって Apidog に公開されたオンライン API ドキュメントに接続する

Apidog MCP サーバーにより、AI は Apidog によって公開されたオンライン API ドキュメントに接続して利用できます。

この構成方法は、公開されたオンラインドキュメントのみをサポートし、パスワードまたはホワイトリスト設定のあるドキュメントには対応していません。非公開のドキュメントの場合は、プロジェクト ID と個人 API アクセストークンを使用して Apidog プロジェクトデータを読み取ることをお勧めします。詳細は、Apidog プロジェクト内の API ドキュメントを AI に接続するを参照してください。

オンラインドキュメント用に MCP を有効にする

構成ファイルを取得する有効化後に、オンラインドキュメントにアクセスすると Vibe Coding(via MCP) ボタンが表示されます。

このボタンをクリックすると、構成ガイドと MCP 構成ファイルが表示され、ドキュメントの site-id が自動的に含まれます。この構成をコピーして IDE 統合に使用してください。

Cursor での MCP の構成：MCP 構成ファイルを編集 Cursor エディターを開き、設定アイコン（右上）をクリックし、左メニューから「MCP」を選択して、「+ 新しいグローバル MCP サーバーを追加」をクリックします。

構成の追加オンラインドキュメントからコピーした MCP JSON 構成を開いた mcp.json ファイルに貼り付けます：macOS / LinuxWindows

{
  "mcpServers": {
    "apidog-site-123456": {
      "command": "npx",
      "args": [
        "-y",
        "apidog-mcp-server@latest",
        "--site-id=123456"
      ]
    }
  }
}

構成の確認AI に接続をテストするため、たとえば次のように頼みます：

API ドキュメントを MCP 経由で取得し、プロジェクトに存在するエンドポイントの数を教えてください。

AI が正しい API 情報を返す場合、接続は成功です。

重要な注意事項：異なる API ドキュメントで作業する必要がある場合は、構成ファイルに複数の MCP サーバー構成を追加するだけです。

各 API ドキュメントには固有の <site-id> を持たせる必要があります。オンプレミスのデプロイメントのユーザーは、IDE MCP 構成にオンプレミスサーバーの API アドレスを含める必要があります： "--apidog-api-base-url=<API address of the on-premise server, starting with http:// or https://>" さらに、www.npmjs.com へのネットワークアクセスを適切に確保してください。

 {
  "mcpServers": {
    "apidog-site-123456": {
      "command": "npx",
      "args": [
        "-y",
        "apidog-mcp-server@latest",
        "--site-id=123456",
        // オンプレミスのデプロイメントに必要：
        "--apidog-api-base-url=<API address of the on-premise server>"
      ]
    }
  }
}

Mintlify MCP サーバー生成ツールの長所と短所

私の体験をまとめると、Mintlify の MCP サーバー生成ツールの長所と短所は次の通りです：

長所

簡単なセットアップ：CLI ベースのインストールと生成プロセスはわかりやすく、5 分以内で完了します。
シームレスな AI 統合：サーバーは Cursor のような AI クライアントとよく統合されており、コンテキストに基づく検索と API 実行が可能です。
ドキュメント中心：ドキュメントを AI にアクセスしやすくし、ユーザーエクスペリエンスを向上させることに優れています。

短所

スケーラビリティの制限：デフォルト設定は高トラフィックのシナリオでは苦労し、手動での最適化が必要です。
デバッグツールの不足：API トラフィックを検査するための組み込みの方法がなく、トラブルシューティングが困難になる可能性があります。
狭い焦点：主に OpenAPI 仕様をサポートしており、他のデータソースへの適用が制限されます。

なぜ Apidog が MCP サーバーに対するより良い代替手段なのか

Mintlify の MCP サーバー生成ツールは、ドキュメント中心のユースケースにとっては優れたツールですが、Apidog はMCP サーバーを使用している開発者にとってより包括的なソリューションを提供します。Apidog の複数のデータソースを扱う能力、詳細な API トラフィックの洞察を提供する能力、およびコード生成のサポートにより、複雑なワークフローに対するより良い選択肢となります。さらに、Apidog の MCP サーバーのベータ版はアクティブに更新されており、開発者からのフィードバックに基づいて進化し、実際のニーズに応えることを重視しています。

API を AI モデルと統合しようとしている開発者であれば、Apidog から始めることをお勧めします。その堅牢な機能セットとデバッグ機能は、Mintlify のより限られた提供と比較して、時間と労力を節約してくれるでしょう。

結論：Mintlify MCP サーバー生成ツールを使用すべきか？

Mintlify の MCP サーバー生成ツールを徹底的にテストした後、文書を AI 対応にしたい開発者にとっては有望なツールであると言えます。その使いやすさと API 統合に重点を置いたアプローチは称賛に値しますが、スケーラビリティやデバッグの点では Apidog に劣ります。AI 機能でドキュメントを強化するのが主な目的であるなら、Mintlify は良い選択です。しかし、より高度な MCP サーバーのニーズには Apidog がより良い代替手段です。

MCP は進化を続けており、Mintlify や Apidog のようなツールが開発者が API を AI と統合する方法を形作る重要な役割を果たすことでしょう。私は、両方のプラットフォームが今後どのように改善されるかを見ることが楽しみですが、現時点では Apidog の多様性と開発者フレンドリーな機能が私の支持を得ています。

ボタン