MCP(Model Context Protocol)とは何か｜AIと社内システムをつなぐ標準と業務での使いどころ

AIアシスタントに「社内の顧客データを見て」「このドキュメントを検索して」と頼めるようにしたい。そう考えたときに立ちはだかるのが、AIと社内システムをどうつなぐかという配線の問題です。MCP(Model Context Protocol)は、この接続を共通のやり方に統一するための規格です。Anthropicが2024年11月にオープンソースとして公開して以降、主要ベンダーが相次いで採用し、いまではAIと外部ツールをつなぐ事実上の標準になりつつあります。この記事では、MCPが何を解決するのか、基本構成はどうなっているのか、そして業務で使うときに何に注意すべきかを整理します。

MCPが解決する課題:連携のNxM問題#

AIに社内システムを使わせようとすると、これまでは「どのAIツール」と「どのシステム」の組み合わせごとに個別の連携コードを書く必要がありました。AIクライアントがN種類、つなぎたいデータソースやツールがM種類あれば、最悪でNxM通りの実装を抱えることになります。片方が仕様変更すれば、その分だけ手直しが発生します。

MCPは、この間に共通の規格を1枚はさむことで組み合わせ爆発を抑えます。ツールを提供する側はMCPの作法に沿った窓口(サーバー)を一度用意すればよく、AI側はMCPに対応していればどのサーバーとも同じやり方で話せます。USB-Cが機器と周辺機器の接続を1つの規格に集約したのと同じ発想で、MCPは「AIと外部世界をつなぐ共通コネクタ」を目指した規格だと理解すると分かりやすいです。

基本構成:ホスト・クライアント・サーバー#

通信はJSON-RPCという方式でやり取りされます。接続の手段(トランスポート)は、同じマシン内で動かすstdioと、リモート越しに使うStreamable HTTPが定義されています。ローカルの検証ならstdio、社内サーバーやSaaSとして共有するならHTTP、という使い分けになります。

tools・resources・promptsという3つの部品#

サーバーが公開できる中身は、大きく3種類の部品(プリミティブ)に整理されています。tools(ツール)は「実行できる操作」で、検索の実行やレコードの更新など動作を伴うものです。resources(リソース)は「読み取り用のデータ」で、ファイルやドキュメントの中身を渡します。prompts(プロンプト)は「再利用できる指示のテンプレート」です。AI側はサーバーに何が備わっているかを実行時に問い合わせ(list)、必要なものを呼び出す(call/get)ことで機能を使います。

導入の現実解:既製サーバーを選んで繋ぐ#

MCPと聞くと自前でサーバーを実装する話に見えますが、業務導入の入口は逆です。GitHub、各種データベース、ファイルストレージ、チャットツールなど、よく使われるシステム向けの既製MCPサーバーがすでに数多く公開されています。まずは目的に合うサーバーを選び、対応するAIクライアントに登録してつなぐのが現実的です。自前実装は、社内独自のシステムをつなぎたいときの次の段階と考えると無理がありません。

主要ベンダーの採用と統治の移管#

MCPは特定企業の囲い込みではなく、業界横断の標準へと育っています。OpenAIは2025年3月に採用を表明し、GoogleもGeminiでの対応を進めました。MicrosoftのCopilotやVisual Studio Code、各社のクラウド基盤(AWS・Google Cloud・Azure)でも扱われています。

統治面では2025年12月、Anthropicが管理してきたMCPを、Linux Foundation傘下に新設されたAgentic AI Foundation(AAIF)へ寄贈しました。AAIFはAnthropic・Block・OpenAIが共同で立ち上げた基金で、Google・Microsoft・AWSなどが支援に名を連ねています。特定ベンダーから中立の組織へ運営を移すことで、規格が一社の都合に左右されにくくなる狙いです。Anthropicによれば、MCPプロジェクトのメンテナンスやコミュニティ主導の意思決定の枠組みは維持されるとされています。

採用状況や統治体制は変化が続く領域です。個別サービスのMCP対応状況や最新のロードマップは、MCP公式サイトと2026年のロードマップで確認してください。

業務導入時の注意:権限・認証・監査ログ#

MCPは便利さと引き換えに、AIが社内システムへ手を伸ばす経路を作ります。ここは慎重な設計が要ります。

とくにリモート接続のサーバーを社内で共有する場合は、認証と通信経路の安全性が重要になります。まずは影響範囲の狭い読み取り用途から小さく試し、ログで挙動を確認しながら段階的に広げるのが安全な進め方です。

MCPが向く場面・向かない場面#

MCPが効くのは、AIエージェントに複数のツールやデータソースを横断させたいとき、そして同じ連携を複数のAIクライアントで使い回したいときです。標準化の恩恵は、つなぐ相手が増えるほど大きくなります。

一方で、単一のAPIをAIから一度呼ぶだけといった単純な用途では、MCPを挟むまでもなく直接呼んだほうが簡単なこともあります。規格の理解やサーバーの運用というコストに見合うかは、連携の規模と再利用の見込みで判断するとよいでしょう。AIにツールを使わせる仕組み全体の考え方は、別記事でも整理しています。

よくある質問#

まとめ#

MCPは、AIと社内システムをつなぐ配線を標準化し、連携の作り込みと保守の負担を下げるための規格です。主要ベンダーの採用と中立組織への統治移管によって、当面の共通基盤としての地位は固まりつつあります。ただし、便利さはAIに権限を渡すことと表裏一体です。既製サーバーで小さく試し、権限を絞り、ログで追える状態を作ってから広げる。この順番を守れば、MCPは実務で堅実に使える道具になります。