• MCP サーバー経由でツールに接続：MATLAB で MCP クライアントを作成し、URL（エンドポイント）を指定することで、任意のストリーミング対応 HTTP MCP サーバーに接続できます。接続すると、クライアントはサーバーから利用可能なツール一覧を自動的に取得します。つまり、MATLAB はサーバーが実行できる機能（例：get_weather, run_simulation, query_database など）と、それぞれのツールの入力・出力の詳細を即座に把握できます。
• 外部ツールの呼び出し：MCP クライアントを使えば、外部ツールの呼び出しはローカルの MATLAB 関数を呼び出すのと同じくらい簡単です。このアドオンには、高レベル関数 callTool が用意されています。ツール名と必要なパラメータを渡すだけで、callTool がサーバーとの通信を処理し、結果を MATLAB に返します。HTTP リクエストを手動で作成したり JSON を解析する必要はありません。クライアントが裏で処理してくれるので、外部 API やサービスとの統合が劇的に簡単になります。
• LLM ワークフローとの統合：最も注目すべき機能は、エージェント型 AI ワークフローを実現できることです。このMCP クライアントと LLMs with MATLAB アドオンを組み合わせることで、MATLAB 内の大規模言語モデルが、ユーザーの要求を満たすために外部ツールを呼び出すべきかどうかを自律的に判断できます。MCP クライアントはサーバーのツールを LLM に公開します。ツール一覧をモデルが理解できる形式（OpenAI の function-calling インターフェース用の openAIFunction オブジェクト）に変換し、LLM セッションに渡します。その後、LLM にプロンプトを与えると、必要と判断した場合、ツール名と引数を含むツール呼び出しを出力できます。MATLAB はこの関数呼び出しの意図をキャプチャし、callTool(client, toolRequest) を使って実行し、結果を取得できます。要するに、MCP クライアントによって、MATLAB の AI アシスタントは外部データやアクションについて話すだけでなく、実際にサービスを呼び出してアクションを実行できるようになります。

endpoint = "https://production-server-demo.mathworks-workshop.com/primeSequence/mcp";
client = mcpHTTPClient(endpoint)

serverTools = client.ServerTools;
for i = 1:length(serverTools)
    disp(serverTools{i}.name)
    disp(serverTools{i}.description)
    disp('---')
end

tool1 = serverTools{1};
toolName = tool1.name;
client.ServerTools{1}.inputSchema

client.ServerTools{1}.inputSchema.properties

client.ServerTools{1}.inputSchema.properties.n

client.ServerTools{1}.inputSchema.properties.type

client.ServerTools{1}.inputSchema.required

model = openAIChat(Model="gpt-5-mini",Tools=f)

model = 
  openAIChat with properties:

           ModelName: "gpt-5-mini"
         Temperature: 1
                TopP: 1
       StopSequences: [0×0 string]
             TimeOut: 10
        SystemPrompt: []
      ResponseFormat: "text"
     PresencePenalty: 0
    FrequencyPenalty: 0
       FunctionNames: "primeSequence"

[~,completeOutput] = generate(model,"generate a sequence of 10 prime numbers")

completeOutput = struct with fields:
           role: 'assistant'
        content: []
     tool_calls: [1×1 struct]
        refusal: []
    annotations: []

completeOutput.tool_calls

ans = struct with fields:
          id: 'call_5TOPVJ5zftW3WWydHQ0fmpyR'
        type: 'function'
    function: [1×1 struct]

toolRequest = completeOutput.tool_calls(1).function

toolRequest = struct with fields:
         name: 'primeSequence'
    arguments: '{"n":10,"type":"Eisenstein"}'

output = callTool(client,toolRequest)

output = "[2,5,11,17,23,29,41,47,53,59]"