生成AIをコーディングに活用する動きは急速に広がっている。ChatGPTやClaudeといった大規模言語モデル（LLM）はテキストをベースにしたコード生成や補完が得意であるが、プロジェクト全体の理解や大規模リポジトリでの正確な修正には限界があった。そこで登場したのがSerena MCP Serverである。
ここでは、その凄さと仕組みを海外情報を中心に整理し、実務での可能性を考察してみる。
Serena MCPとは何か
Serena MCP Serverは、LLMに「IDEの中で動く有能な相棒」としての役割を与えるオープンソースのMCPサーバである。単なるテキスト解析にとどまらず、言語サーバ（LSP）が提供する静的解析機能と統合し、関数・クラス・参照関係を理解したうえでピンポイントに編集することを可能にする。
従来のLLMベースのコーディング支援では、リポジトリ全体を大きなテキストとして読み込むRAG的アプローチが多く、ノイズやトークン消費が大きな課題であった。Serenaはこの制約を抜け出し、全文検索やgrepに頼らず、必要な記号だけを抽出して操作するというモードを実現する。
2025年8月時点でGitHubスター数は9,000を超え、最新リリースはv0.1.4。急速に注目を集めているプロジェクトである。
MCPとLSPの融合が生む構造理解
Serena MCPの中核は、Model Context Protocol（MCP）とLanguage Server Protocol（LSP）の融合にある。
- MCPは、LLMから外部ツールを安全に呼び出すためのプロトコルである。
- LSPは、IDEとプログラミング言語の間で静的解析情報をやり取りするための標準規格であり、関数定義や参照検索といった豊富な機能を持つ。
Serenaはこの両者をブリッジすることで、LLMが「シンボルを探す」「参照元を洗い出す」「関数の中身を置き換える」といったIDE的な操作を自律的に実行できるように設計されている。これにより、LLMは単なる文章処理から脱し、コード構造を認識して最小単位で修正するエージェントへと進化する。
提供されるツール群
Serena MCP Serverが提供するツールは多岐にわたる。代表的なものは以下の通りである。
- find_symbol / find_referencing_symbols：関数や変数の定義・参照を検索
- insert_before_symbol / insert_after_symbol / replace_symbol_body：シンボル単位での編集
- read_file / write_file：ファイル操作
- execute_shell_command：テストやビルドの実行
- list_memories / write_memory：軽量なメモリ機構
これらのツールは、LLMから自然言語の指示で呼び出せる。例えば「この関数の返り値を変更して」といった指示を出すと、内部的にはfind_symbolで該当関数を検索し、replace_symbol_bodyで置換するという手順が自動化される。
広い言語とクライアント対応
Serena MCPはLSPが存在する多くの言語をサポートしている。Python、TypeScript／JavaScript、PHP、Go、Rust、C#、Java、Ruby、C/C++などがその対象である。特にTypeScriptやPHPに強いのは実務的に有用である。
また、クライアント側も豊富である。Claude CodeやClaude Desktop、VS Code、Cursor、IntelliJといったIDE系に加え、ClineやRoo CodeといったAI拡張、JanやOpenWebUIのようなローカルアプリとも連携可能である。この“クライアント非依存”の設計は大きな強みである。
実務での効果とユーザー評価
海外フォーラムやRedditでは「まるで巨大な脳が裏で全ての参照関係を把握しているようだ」という声が多い。特に大規模リポジトリにおける横断的なリファクタや、関数シグネチャ変更の伝播処理でその真価を発揮する。
ユーザー評価では「有料AIエージェントを解約してSerenaに切り替えた」「トークン使用量が劇的に減った」といった実務的メリットが挙げられている。ClaudeやCursorと組み合わせることで、低コストで高精度のAIペアプログラミングが可能になる点が支持されている。
導入方法と注意点
最も手軽な起動方法は、uvxを利用した以下のコマンドである。
uvx –from git+https://github.com/oraios/serena serena start-mcp-server
HTTPによるSSEモードも利用可能であり、Dockerサポートもあるが後者は実験的である。起動後にはローカルのダッシュボードが立ち上がり、ログやプロセス制御をブラウザで確認できる。
一方で、実際に利用する際の注意点もある。LSPは解析処理にリソースを消費するため、巨大リポジトリではCPUやメモリ負荷が高まることがある。また、Docker環境での安定性には課題が残る。さらにexecute_shell_commandのようなツールは任意実行を伴うため、安全設計と権限管理を考慮する必要がある。
まとめ
Serena MCPは、LLMを単なるコード生成器から「構造を理解して編集するエージェント」へと進化させる技術である。MCPとLSPの組み合わせによって、大規模リポジトリでも効率的かつ正確にコーディングを支援できる点が最大の魅力である。
実務的には、横断的なリファクタリングや、シグネチャ変更の伝播、テスト駆動での修正などで効果を発揮するだろう。弱点としてリソース負荷や環境依存性は残るものの、ClaudeやCursorなど既存ツールと組み合わせれば、低コストで実用的なAIペアプログラマーを手に入れることができる。
今後MCP対応クライアントがさらに拡大すれば、Serenaはエンジニアの日常的なワークフローに溶け込み、コード編集の在り方を大きく変えていくと考えられる。
参考
- https://github.com/oraios/serena
- https://apidog.com/blog/serena-mcp-server/
- https://jamesacres.co.uk/2025/05/coding-with-serena-and-claude-desktop-via-mcp
- https://www.reddit.com/r/ClaudeAI/comments/1lfsdll/try_out_serena_mcp_thank_me_later/