Exevalator の Ver.2.4 をリリース — MCPをサポートし、AI用の計算ツールとしても使用可能に

オープンソースの式計算ライブラリ「 Exevalator（エグゼバレータ）」の最新版、Ver.2.4.0 をリリースしました！

• Exevalator 公式サイト

Exevalator は、つい先日も Ver.2.3 へのメジャーアップデートを行ったばかりで、その際は Python で使用可能になりました：

• 2025年11月4日のお知らせ: Exevalator の最新版 Ver.2.3 をリリース、新たに Python で使用可能に

今回の Ver.2.4 では、上記で追加された Python 移植版をベースに、新たに「MCP」というプロトコルをサポートする事で、AI用の計算ツールとしても活用できるようになりました！

今回はその詳細や、実際の使用例をご紹介します。

Exevalator とは？

本来の Exevalator は、プログラム内に組み込んで、「文字列として与えられた計算式」の値を計算する機能を担うライブラリです。例えば、以下のような式の値を求められます：

こういった式が、プログラムの実行中に、ユーザー入力などによって（動的に）与えられる場合、それを計算するのは意外と難しい処理が必要です。

そこで Exevalator は、多種多様なプログラミング言語向けに、そういった処理をライブラリとして提供する事で、手軽に行えるようにしたものです。 現時点で Java, Rust, C++, C#, VB.NET, TypeScript, Python の7言語で利用可能で、今後もサポート言語が増えていく予定です。

そして今回は言語ではなく、AIとやり取りするためのプロトコルである「MCP」 を新たにサポートしました。

MCP (Model Context Protocol: モデル・コンテキスト・プロトコル) とは？

MCP は最近登場した新種のプロトコルなので、まだご存じでない方も多いと思います。

というか、そもそも一般には「プロトコルって何？」っていう感じかもしれませんね。そのあたりから少し補足しておきましょう。

そもそもプロトコルとは

プロトコルとは、ざっくり言うと、何らかのシステム同士が「やり取り」するための、あらかじめ決められた枠組み（ルールや前提など）の事です。

例えば一般論として、システム同士が情報をやり取りしたり、互いを制御したりする場合を考えると、以下のような事が言えますよね：

• まず何らかの「会話ルール」みたいなものが無いと、マトモなやり取り自体が成立しない
• さらに、「相手がどういう存在で、こちらがどういうアクションを行ったら、どういう対応をするのか・どういう状態に変化するのか」といった 色々な前提も共有しておく必要がある
• 他にも、「相手が突然居なくなった場合はどうするのか」とか、「無理な事を依頼されて失敗したらどうするのか」とか、そういった細かい取り決めも必要

このような諸々の枠組みを取り決めたものを、プロトコルと呼びます。それに従って、システム同士はやり取りして、通信や連携などをしているわけです。

MCPは、AIを備えたシステムが、外部のツールや情報等とやり取りするためのプロトコル

さて、ここからが本題です。

ここ数年でAIがめちゃくちゃ進化して、最近はついにAI自身がツール等を使い、自律的に作業をこなしてくれる ようになりつつありますよね。 いわゆる「AIエージェント」とか呼ばれているシステムです。

ラフに図にすると、以下みたいな雰囲気のシステムですね：

なんかSFみたいな世界観ですが、こういうシステムが最近一気に実用水準に入りつつあり、あちこちで流行し始めてます。いやAIの進化の波は本当に速いですね…

で、こういう場面では、「AIエージェント的なシステム」と、「AI用のツール」（とか情報提供システムとか色々）がやり取りをするわけです：

そう、ここで「やり取り」が発生するわけです。そういった「やり取り」を、AIにとって効率的かつ確実に行えるようにするためには、やはり共通化されたプロトコル的なものが欲しいところですよね。

その有力な選択肢の一つが、MCP （Model Contexit Protocol: モデル・コンテキスト・プロトコル） です。米国の Anthropic というAI企業が2024年に提唱したもので、登場したてホヤホヤのプロトコルですね。

MCPのサポートにより、Exevalator を AI 用の計算ツールとして利用可能に！

Exevalator が MCP をサポート

さて、やや前置きの説明が長くなってしまいましたが、今回から Exevalator も、MCP による制御をサポートしました。

これにより、まさに先程の図の通り、Exevalator を AI 用の計算ツールとしても使えるようになります：

どういう状況で有用なの？

といっても、

という疑問も沸きますよね。

これは実際そうで、「AI に任意のスクリプトの実行を許せるような状況」であれば、わざわざ Exevalator を使う必要は全くないと言えます。

それじゃあ一体どういう場面で役立つの？ というと、そう、逆に

です。

「任意のスクリプトの実行」って、AIがその気になれば何でもできてしまうので、例えば以下のようなケースなど、そういう権限を与えたくない or 与えられない場合が普通にあり得ます：

• アクセスを許してはいけない機密情報が入っている環境
• システム内に誤って改変を加えると壊滅的なダメージになる環境
• AIの中身（LLMモデル）の性能が低く、ちょくちょく混乱して謎のミスをやらかす状況
• AIに第三者からのリクエストが投げられる状況

で、そういう場合に、

みたいなケースはあり得ます。そういった場合に Exevalator が有効です。

Exevalator だと、以下のような特徴があるので、安全に計算を行えます：

• 式の計算以外の事をやろうと思っても、そもそも仕組み的にできない
• 式の中で呼べる関数も、あらかじめ実装 or ラップして登録したものに限られる
• Exevalator でのみアクセス可能な変数を宣言して使える → 外に影響は一切もたらさない

なので、仮に機密情報を読んだりシステムを壊そうと思っても、そもそもできないので安心、というわけです。

留意点

ただし、

• 値は全て、倍精度の浮動小数点数（Python における float 型、C系言語における double 型に相当）として扱われる
• 変数も同様に、倍精度の浮動小数点数型のみ

という点には留意が必要です。従って、「flaot 以外の型の値やインスタンスを作って、それを引数として特定関数を呼び出す」みたいな事はできません。あくまでも数値の計算用です。

使ってみよう！

それでは最後に、実際に Exevalator をAIエージェントに接続して使ってみましょう！

サンプル環境と Exevalator の導入手順など

ここからのサンプル実行例は、以下の環境を用いています：

• OS: Ubuntu Linux 24.04 LTS
• AIエージェント利用環境: Visual Studio Code + Cline
• AIの中身（LLM）と利用モデル: OpenAI GPT-5 nano (※)

上記の環境における、Exevalator の導入・接続方法については、公式 README で解説していますので、そちらをご参照ください。

数学関数を使った計算をやってみる

まずは、適当な数学関数を使った式を計算してみてもらいましょう：

きちんと理論上正しい値を算出できていますね。

なお、 Exevalator のMCP版は、何の関数も登録されていない「 exevalator_mcp.py 」と、数学関数があらかじめ登録された「 exevalator_mcp_math_preset.py 」の2通りが存在します。 ここでは後者を接続して用いています。

どちらも、中身を編集して、使える関数を増やす事ができます。もちろん独自関数を作る事も可能です。

変数を使った手続き計算をやってみる

続いて、変数を宣言・読み書きして、ちょっとした手続き計算のようなものをやってもらいましょう：

こんな感じで、値をメモって後で使う、みたいな事ができます。

ちなみに上記を試してて思ったんですが、なんか「ザ・自然言語プログラミング」って感じですよね。こういう方向の、プログラミング入門用の言語処理系を作ってみるのも面白いかな？とか思いました。完全に余談ですが。

◇

さてさて、今回のお知らせは以上です。今回のアプデの実装は、個人的にかなりワクワクしました。どんどんSF的な未来が近づいていますよね！

Exevalator は今後も対応言語を増やしていく予定で、恐らく次のメジャーアプデの Ver.2.5 では、 Go を新規サポートしようかなと思っています。が、正式には一応まだ未定です。

Exevalator に関する情報は、今後もこのコーナーにてお知らせしていきます。お楽しみに！

この記事の著者

松井 文宏
[ RINEARN代表, 博士(理学), 応用情報技術者 ]

VCSSLやリニアングラフ3D、その他諸々を開発しています。ガイド類や記事も書いています。

| 自己紹介 | お問合せ |