AI MCPとは、Model Context Protocol（モデル・コンテキスト・プロトコル）の略で、ClaudeなどのAIアプリケーションが、共通のインターフェースを通じて外部のデータソースやツールと連携するためのオープンな標準規格です。2024年11月にAnthropicが発表したMCPは、データソースごとに個別に作り込んでいた連携を再利用可能なMCPサーバーに置き換え、AIが必要な情報や機能にアクセスしやすくします。
MCPが特に有効なのは、複数のAIアプリケーションやAIエージェントが同じシステムやデータソースを利用する場合です。一方、1つのアプリケーションを1つのAPIに接続するだけであれば、APIを直接連携させるほうがシンプルな場合もあります。
AIにおけるMCPは何の略？
MCPは「Model Context Protocol」の略称です。それぞれの単語には、MCPが解決しようとする課題が表れています。
- Model（モデル）：リクエストを送信するAIシステムのことです。GPT、Claude、GeminiなどのLLM、またはそれらを基に構築されたエージェントが該当します。
- Context（コンテキスト）：AIモデルが適切な回答を生成するために必要な情報です。データベースのレコード、ローカルファイル、社内APIのレスポンス、Slackなどのツールのメッセージが含まれます。
- Protocol（プロトコル）：情報をやり取りするための共通のルールや形式を定めたものです。AIモデルやデータソースごとに個別の連携を書くのではなく、開発者は1つの仕様に従うだけで済みます。
MCPがAIの「USB-C」と呼ばれる理由
MCPはしばしば「AIアプリケーション向けのUSB-Cポート」に例えられます。この例えはよく当てはまります。USB-Cが登場する前は、デバイスごとに専用ケーブルがあり、機器間でデータを移すには互換性のないコネクタを使い分ける必要がありました。MCPもAIの世界で同様の統一的な役割を果たし、MCPに対応したホストであれば、どのデータソースのコンテキストにも、重複したコーディングなしで標準的な方法でアクセスできます。
AIの連携においても、同様の課題が存在しました。AIアシスタントをPostgreSQLにつなぐには専用のコードが必要で、Slackにつなぐには別の実装、ローカルフォルダを読むにはさらに別の方法が必要でした。MCPでは、データソースごとにMCPサーバーを1つ構築すれば、プロトコルに対応するどのAIクライアントからでも利用できます。Claude Desktopから、IDEや社内エージェントなど別のMCP対応ホストに切り替えた場合でも、MCPサーバーを作り直す必要はありません。
AI MCPの仕組み
MCPはJSON-RPC 2.0をベースとするプロトコルで、ローカルサーバー向けの「stdio」と、リモートサーバー向けの「Streamable HTTP」という2種類のトランスポートをサポートしています。Streamable HTTPは、2025年3月の仕様改訂で、従来のHTTP+SSE方式に代わって導入されました。同じサーバー実装を、わずかな変更を加えるだけで、開発環境ではローカルで実行し、本番環境ではリモートエンドポイントにデプロイすることも可能です。
.png&w=1920&q=75)
- MCPホスト：ユーザーが操作するAIアプリケーションです。Claude DesktopやCursorなどのIDE、企業が独自に開発したAIエージェントアプリケーションなどが該当します。ホストは1つ以上のMCPクライアントを内包し、そのライフサイクルを管理します。
- MCPクライアント：ホスト内でMCPサーバーとの通信を担うコンポーネントです。各クライアントは1つのMCPサーバーとのみ接続を維持し、メッセージのフレーミング、機能ネゴシエーション、エラーリカバリーを担当します。
- MCPサーバー：特定のデータソースやツールをAIから利用できるようにする軽量なサービスです。初期化時のハンドシェイクで、ツール、リソース、プロンプトなど対応する機能を宣言します。その後、クライアントは対応するメソッド（tools/list、resources/list、prompts/list）を通じて、利用可能なツール、リソース、プロンプトの一覧を取得します。
MCPの3つのプリミティブ
- リソース（Resources）：ホストやアプリケーションが選択し、AIが必要に応じて参照できる読み取り専用のデータです。ファイルの内容、データベースのレコード、APIレスポンス、ログなどがあります。リソースにはURIがあり、変更通知を購読できます。
- ツール（Tools）：AIがアクションを実行するために呼び出せる関数です。Slackへのメッセージ送信、GitHubのissue作成、SQLクエリの実行などがあります。ツールには構造化された入力スキーマがあり、構造化された結果を返します。
- プロンプト（Prompts）：サーバーを使いやすくするための定型テンプレートです。特定のプルリクエストを読み込む「コードレビュー」プロンプトなどがあります。
MCPにおけるリクエストの流れ
ユーザーのリクエストに外部情報が必要な場合、ホストは利用可能なツールの一覧をモデルに渡し、どのツールを呼び出すかはモデルが判断します。ホストはリソースをコンテキストとして添付することもできます。MCPクライアントはリクエストをJSON-RPCメッセージとしてサーバーに送信します。サーバーは基盤となるサービスに対して認証を行い、クエリやアクションを実行して、結果を構造化されたJSONで返します。
データを書き換えるアクションの場合、ホストは通常、ツールの呼び出し前にユーザーの承認を求めます。MCPの仕様は、ツールを呼び出す前にユーザーの同意を得るようホストに求めていますが、どこまで厳密に運用されるかはホストアプリケーションによって異なります。
.png&w=1920&q=75)
機能ネゴシエーション（Capability Negotiation）
クライアントがサーバーに接続すると、双方がプロトコルのバージョンと宣言済みの機能を交換します。このハンドシェイクにより、サーバーが実装していないツールをクライアントが呼び出したり、リソースの購読など、相手側が対応していない機能を使ったりすることを防ぎます。
セキュリティモデルとリスク
ローカルのMCPサーバーは起動したユーザーの権限で動作し、リモートサーバーは一般的にOAuthを使用します。ただし、ツールの実行結果にプロンプトインジェクションにつながる悪意のある指示が含まれるリスクや、信頼性を確認していないサードパーティ製サーバーを通じて、必要以上のデータが公開されるリスクもあります。こうしたリスクを軽減するには、サードパーティ製サーバーの安全性を確認してバージョンを固定すること、最小権限の原則に基づいてアカウントを設定すること、データを変更する操作ではユーザーの確認を求めること、ツールの実行履歴を監査ログとして記録することが重要です。
.png&w=1920&q=75)
企業のAI活用においてAI MCPが重要な理由
MCPは、企業がAIを自社システムにつなぐ方法に3つの変化をもたらします。
開発者にとって：一度構築すれば、どこでも利用可能
MCPがない場合、Claude、社内のオープンソースモデル、レガシーシステムなど複数のモデルを扱うチームは、同じデータソースに対して複数の連携コードを維持しなければなりません。MCPはデータ層とモデル層を分離します。開発者がMCPサーバーを1つ書けば、対応するすべてのAIホストから接続できます。その結果、複数のAIホストが同じデータソースを共有する場合の重複した連携作業を減らせます。
企業にとって：データは既存の場所に留めたまま活用可能
CRMのレコード、財務データ、社内のコードベースを外部のAIプロバイダーに送信することには、セキュリティやコンプライアンス上の懸念があります。MCPを使えば、AIはデータが保管されている場所に直接接続します。MCPサーバーはオンプレミスまたは自社のVirtual Private Cloud（VPC）内で稼働し、既存のID・アクセス管理（IAM）ポリシーを適用できるため、モデルがどこで動作していても、データへのアクセスは既存のIAMポリシーによって制御されます。
AIエージェントにとって：「答える」から「実行する」へ
言語モデルの価値は、実行できるアクションによって決まります。ツールとリソースを1つの標準的な方法で公開することで、MCPはエージェントが複数ステップのワークフローを実行できるようにします。たとえば、ローカルのエラーログを読み、PostgreSQLで関連するユーザーレコードを検索し、Jiraのチケットを作成するといった流れを、各ステップのための個別コードなしで実現できます。
MCPと従来のAPI連携の比較
|
比較項目 |
従来のAPI連携 |
AI MCP（Model Context Protocol） |
|---|---|---|
|
性質 |
AIモデルとデータソースの組み合わせごとに個別構築するポイント・ツー・ポイント連携 |
対応するすべてのホストとサーバーに共通の仕様を持つオープン標準 |
|
拡張性 |
新しいAIモデルを追加するたびに新たな連携コードが必要 |
1つのMCPサーバーを対応するすべてのAIホストで利用可能 |
|
コンテキストの扱い |
APIは生データ（JSON、XML）を返し、AIが解釈する必要がある |
サーバーがAI向けに構造化されたコンテキスト、ツール定義、プロンプトテンプレートを提供 |
|
セキュリティモデル |
APIキーやトークンを連携ごとに管理 |
導入形態による：ローカルサーバーはユーザー権限、リモートサーバーはOAuth、サードパーティ製サーバーは要検証 |
|
保守 |
モデルまたはデータソースが変わるたびに各連携を修正 |
データソースの変更はMCPサーバーの修正のみで対応 |
|
ディスカバリー |
開発者がAPIドキュメントを読んでエンドポイントを把握 |
クライアントが実行時に利用可能なツールとリソースを照会 |
従来のAPI連携では、AIはデータの利用者の1つにすぎず、生のレスポンスとモデルが必要とする情報との差を開発者が埋める必要があります。MCPは、AIシステムがデータやツールを見つけて使うための仕組みをプロトコルレベルで提供します。
MCPを使うべきケースとは？
MCPが効果を発揮するのは、複数のAIアプリケーションやエージェントが同じデータソースやツールを必要とする場合です。1つのモデルが安定した1〜2つのAPIを呼ぶだけであれば、直接のAPI連携やネイティブの関数呼び出し（Function Calling）のほうが、導入もデバッグも簡単な場合が多いです。
|
状況 |
適した方法 |
理由 |
|---|---|---|
|
複数のAIホストが同じCRM、データベース、ファイルシステムを必要とする |
MCP |
1つのサーバーで対応するすべてのホストに対応できる |
|
エージェントが複数システムにまたがるアクションを連続実行する |
MCP |
ツールを実行時に構造化スキーマ付きで検出できる |
|
1つのモデル、1〜2つの安定したAPI、固定のワークフロー |
直接API連携またはfunction calling |
MCPサーバーはプロセスとプロトコル層が増えるわりに、再利用のメリットが小さい |
|
大量の文書を意味検索する |
RAG（MCPサーバー経由で提供することも可能） |
MCPはアクセス方法を標準化するが、コンテンツのインデックス作成やランキングは行わない |
|
AIホストが関与しない大量処理のバックエンドパイプライン |
直接API連携 |
ツールを選ぶモデルがいないため、追加の層に価値がない |
AI MCPに関するよくある質問
AI MCPとは、簡単に言うと何ですか？
AI MCP（Model Context Protocol）は、AIアプリケーションが1つの共通インターフェースで外部のデータソースやツールに接続できるオープン標準です。モデルやデータソースごとに個別の連携を作る必要がなくなります。
MCPサーバー、ツール、コネクタとは？
MCPサーバーは、PostgreSQLデータベースやローカルのファイルシステムなどのデータソースをAIに公開する軽量なプログラムです。MCPツールは、send_slack_messageやrun_sql_queryのように、AIがサーバー経由で呼び出せる関数です。「コネクタ」は一般に、MCPサーバーやAIアプリをサードパーティのサービスにつなぐ連携部分を指します。
AIエージェントはMCPをどのように使うのですか？
AIエージェントはMCPを使って、アクションを動的に見つけて実行します。固定のロジックに頼るのではなく、MCPサーバーに利用可能なツールを問い合わせ、構造化されたリクエストを送信します。サーバーは（多くの場合ユーザーの承認後に）アクションを実行し、結果をAIの次の推論に使える構造化コンテキストとして返します。
MCPに対応しているAIプラットフォームは？
2026年10月時点で、MCPはClaude Desktop、Cursor、VS Code、Windsurfでネイティブにサポートされています。2025年以降、OpenAI、Google、Microsoftも、ChatGPT、Gemini CLI、GitHub Copilot、Microsoft Copilot Studioなどの製品にMCPを統合しています。また、LangChainやCrewAIといった主要なAIエージェントフレームワークもこのプロトコルを取り入れています。
なぜAIにMCPが必要なのですか？
MCPは、データのサイロ化と繰り返し発生する連携作業を減らします。データソースごとにMCPサーバーを1つ構築すれば、モデルごとに新しい連携を作らなくても、対応するすべてのAIホストから利用できます。
MCPサーバーはAIエージェントですか？
いいえ。MCPサーバーは、データを提供したりツールを実行したりするだけの受動的な存在で、自ら推論することはありません。推論し、計画を立て、いつサーバーのツールを呼び出すかを決めるのは、ホスト内のAIエージェントです。
すべてのAIエージェントがMCPを使っていますか？
まだです。主要なAIプラットフォームやエージェントフレームワークでの採用は広がっていますが、独自のAPIラッパーや独自プラグインを使うエージェントもまだ多くあります。
まとめ
Model Context Protocolは、新しい仕様からAIアプリケーション共通の基盤へと急速に進化しました。主要なAIアシスタントやIDEが対応し、MCPを軸にエージェント戦略を組み立てるチームも増えています。導入を検討する際の現実的なポイントは、どのデータソースから接続するか、そしてどのデータソースはAPIの直接連携のほうが適しているか、という点です。
弊社も、Fastener ERP、Hapo SMS、Hapo OKRといった自社製品向けにMCPサーバーを開発しています。Claudeを通じて、各システムを個別に開くことなく、製造指示や在庫の確認、営業パイプライン・契約・支払い状況の確認、OKRのチェックイン提出が行えます。アクセスはログイン中のユーザーの権限に限定され、データの変更には必ず確認が必要です。
最初のステップ：
- Model Context Protocolの公式ドキュメントで、中核となる仕様を確認しましょう。
- GitHubでコミュニティが公開しているMCPサーバー（PostgreSQL、Slack、ローカルファイルシステム向けなど）を参考にし、利用前にそれぞれを検証してください。
- 自社システムへのMCP導入をご検討中ですか？安全なオンプレミス型MCP連携について、AIエージェント向けのセキュアなオンプレミスMCP連携をご検討の方は、HaposoftのAI MCPチームまでお気軽にご相談ください。
