・
AI技術の発展により、個人や企業が独自のAIモデルを手元で動かす「ローカルLLM」が普及しました。
特に、Alibaba Cloudが開発する「Qwen」シリーズは、その高い処理能力とオープンソースである柔軟性から、多くのユーザーに選ばれています。
このQwenと組み合わせることで真価を発揮するのが「Model Context Protocol（MCP）」です。
MCPを使えば、AIがローカルファイルやデータベース、Slackなどの外部ツールと直接対話し、複雑なタスクを自律的にこなすことが可能になります。
本記事では、Qwen MCPの設定方法として、Slackと連携する具体的な構築手順を解説します。
Model Context Protocol（MCP）は、Anthropic社が提唱した、AIモデルと外部データソースやツールを接続するための標準規格です。
これまではClaude Desktopなどが主な利用環境でしたが、Qwenなどのオープンソースモデルでも利用可能になり、活用の幅が広がっています。
MCPは、AIモデルが「自分の知識」以外の情報にアクセスするための共通言語のようなものです。
従来、AIに社内データベースや特定のファイルを参照させるには、モデルごとに専用のプログラムを書く必要がありました。
しかしMCPの登場により、一度「MCPサーバー」として接続設定を行えば、ClaudeであれQwenであれ、対応するあらゆるAIモデルからそのツールを利用できるようになります。
例えば、ローカルにあるSQLデータベース、GitHubのリポジトリ、そして今回紹介するSlackなど、多種多様なリソースへのアクセス権限をAIに安全に付与することが可能です。
これにより、AIは単なる「チャットボット」から、実務をこなす「エージェント」へと進化します。
数あるローカルLLMの中で、なぜ「Qwen」がMCPのパートナーとして適しているのでしょうか。
最大の理由は、Qwenが「ツール利用（Tool Calling）」能力において極めて高い性能を持っている点です。
MCPを通じて外部ツールを操作する際、AIはユーザーの指示を正確に理解し、適切なツールを選び、正しい引数を渡す必要があります。
Qwenは文脈を理解する精度が高く、複雑なMCPサーバーの機能をスムーズに使いこなすことができます。
また、完全にローカル環境で動作させることができるため、社外秘のデータを扱う際にも情報漏洩のリスクがなく、安心して業務利用できる点が、クラウド依存のClaudeにはない大きな強みです。
Yoomは、Slack、Notion、Googleスプレッドシート、Chatworkなど、日々の業務で利用している様々なアプリケーション同士をノーコードで連携し、業務フローを自動化するクラウドサービスです。
例えば、Slackの特定のチャンネルに問い合わせが入った際に、その内容を自動的にNotionのデータベースに格納したり、Googleフォームからの問い合わせに対する回答をAIで作成して自動的にSlackへ通知したりといった仕組みを簡単に構築できます。
プログラミングの知識は一切不要で、誰でも自分専用の業務自動化ツールを作成できる点が大きな魅力です。
まずは、以下のテンプレートを使って、SlackとNotionの連携を体験してみてください。
■概要
Slackで共有された重要な情報を、後から参照するためにNotionへ手作業で転記していませんか。
この作業は手間がかかる上に、コピー＆ペーストのミスや転記漏れが発生する原因にもなりかねません。
このワークフローを活用すれば、Slackの特定チャンネルにメッセージが投稿されると、その内容が自動でNotionのデータベースに追加されます。
面倒な手作業から解放され、情報の集約と管理を効率化できるはずです。
■このテンプレートをおすすめする方
■このテンプレートを使うメリット
■フローボットの流れ
※「トリガー」：フロー起動のきっかけとなるアクション、「オペレーション」：トリガー起動後、フロー内で処理を行うアクション
■このワークフローのカスタムポイント
■注意事項
■概要
Googleフォームから届くお問い合わせへの返信文作成に、毎回時間を要していませんか。内容を把握し、適切な文章を作成する作業は、件数が増えるほど大きな負担になりがちです。このワークフローを活用すれば、Googleフォームに回答が送信されると、その内容を元にChatGPTが返信文案を自動で作成し、Slackに通知します。これにより、問い合わせ対応の初動を効率化し、担当者の作業負荷を軽減できます。
■このテンプレートをおすすめする方
■このテンプレートを使うメリット
■フローボットの流れ
※「トリガー」：フロー起動のきっかけとなるアクション、「オペレーション」：トリガー起動後、フロー内で処理を行うアクション
■このワークフローのカスタムポイント
■注意事項
Qwenモデルを使ってMCPサーバーを利用するためには、MCPに対応したクライアント（プラットフォーム）が必要です。
ここでは、ユーザーのスキルレベルに合わせた3つの主要な選択肢を紹介します。
LM Studioは、誰でも簡単にローカルLLMをダウンロードして実行できるデスクトップアプリケーションです。
最大の特徴は、洗練されたGUI（グラフィカルユーザーインターフェース）を備えており、コマンドライン操作（黒い画面への文字入力）が一切不要である点です。
MCPへの対応も進んでおり、設定画面からMCPサーバーを追加するだけで、すぐにQwenと外部ツールを連携させることができます。
本記事の検証でも使用しますが、「とにかく手軽に試したい」「難しい設定はしたくない」という方には、このLM Studioが最も有力な選択肢となります。
開発者やエンジニアの方には、Qwenチームが公式に提供しているCLI（コマンドライン）ツール「Qwen Code」がおすすめです。
これはターミナルで動作するツールで、より高度で柔軟なカスタマイズが可能です（なお、内部的なエージェント機能の構築には、Pythonフレームワークである「Qwen-Agent」が活用されています）。
具体的には、「settings.json」という設定ファイルを編集することで、複数のMCPサーバーを細かく制御したり、独自のツールを組み込んだりすることができます。
Claude Desktopの設定ファイルと互換性があるため、既存のClaudeユーザーがローカル環境へ移行する際にもスムーズです。
プログラミングの知識はある程度必要になりますが、自分だけの最強のAI開発環境を構築したい場合には最適なツールと言えます。
LobeChatは、モダンで美しいインターフェースを持つ、オープンソースのチャットボットプラットフォームです。
Webブラウザ上で動作し、様々なLLMとプラグインを組み合わせて利用できます。
MCPにもプラグインシステムを通じて対応しており、視覚的に分かりやすい操作感でツール連携を実現できます。
また、PCだけでなくスマートフォンやタブレットからの利用にも適したレスポンシブなデザインが特徴で、外出先から自宅のローカルサーバーにあるQwenにアクセスしてタスクを依頼する、といった使い方も可能です。
デザイン性を重視する方や、複数のデバイスから利用したい方におすすめのプラットフォームです。
実際に、LM Studioを使ったSlack連携の手順を解説します。
今回は、検証するPCのスペック上、軽量の「Qwen3-4B」モデルを使用します。
なお、MCPを動作させるためには、Node.jsのインストールが必要です（インストールのみで設定は不要です）。
まず、LM Studioの公式サイトからインストーラーをダウンロードし、PCにインストールします。
起動したら、以下の手順で利用モデルをダウンロードします。
今回は、「Qwen3-4B」をダウンロードしました。
続いて、Slackの設定を行います。
Slack APIダッシュボードにアクセスし、「Create an App」を選択してください。
「From Scratch」を選択して進み、「アプリ名」と「アプリを作成するワークスペース」を設定してアプリを作成してください。
アプリを作成したら、「OAuth & Permissions」を開き、「Scopes」に以下の項目を設定して、「Install to （ワークスペース名）」をクリックします。
