—

https://github.com/matlab/mcp-framework-matlab-production-server

ゲストライター: Lawrence Johny この投稿を書くにあたって同僚の Lawrence Johny と協力しています。Lawrence は、ヨーロッパで金融分野のお客様（クオンツ、アセットマネージャー、エコノミストなど）を担当するアプリケーションエンジニアです。9 月には、金融分野のお客様がテストやドキュメント作成といったソフトウェア開発ワークフローの中で、AI 支援コーディングをどのように活用できるかについて講演しました。

Lawrence が開発したクオンツエージェントの話に入る前に、まずは私の Claude Desktop から彼のエージェントを呼び出した結果をお見せします。

Quant agent in action

“Given a 10-year investment horizon, how should portfolio aggressiveness be adjusted each year to achieve the target objective?”（10 年間の投資期間を前提とした場合、目標を達成するために、ポートフォリオのアグレッシブさを毎年どのように調整すべきでしょうか？）

私はこの質問を、平易な英語でクオンツエージェントに投げかけました。すると数秒のうちに、シナリオをシミュレーションし、アグレッシブさを動的に調整し、その目標を達成できる確率を示すプロットを返してきました。私は一行もコードを書いていません。

目標を 200 米ドルとした、100 米ドルのポートフォリオのシミュレーションを見てみましょう。

ポートフォリオのアグレッシブさを調整することで、目標に到達する確率が大きく向上することが示されています。結果に基づくと、シミュレーションによる最終的な資産額は、最小で 228.04 米ドル、最大で 502.52 米ドルの範囲となっています。

MCP：エージェント連携を可能にする仕組み

このワークフローの裏にある要となるのが MCP サーバーです。開発中は MATLAB MCP Core Server が、関数を迅速にプロトタイプ化しテストするための対話的な環境を提供します。スケールさせる段階になると、MATLAB Production Server が引き継ぎ、コンパイルされた MATLAB 関数をホストし、それらを MCP ツールとして公開します。これにより、ローカルでテストしたのと同じロジックを、安全なマルチユーザーの本番環境で実行できます。

なぜ MCP が重要なのでしょうか。MCP は AI アシスタント向けの標準化されたインターフェースを提供し、ローカルでのデバッグからエンタープライズグレードのデプロイまでをシームレスにつなぐ道筋を実現します。

クオンツエージェントを構築するには、まず Goal-Based Wealth Management モデルを MATLAB 関数としてラップするところから始めます。ローカルでテストし、検証が完了したら、MATLAB Production Server にデプロイします。これにより、複数ユーザーから利用できるようになり、Claude® などの AI チャットアプリや、Visual Studio Code® や Gemini CLI® といったエージェント型アプリからもアクセス可能になります。