MCP（Model Context Protocol）は、ChatGPTやClaude、GeminiのようなAIアプリと、社内のファイル、データベース、SaaSなどの外部ツールをつなぐためのオープンな標準規格です。Anthropicが2024年11月に公開し、2025年12月からはLinux Foundation傘下のAgentic AI Foundationで運営されています。
結論として、MCPは「AIアプリと外部ツールの接続方法を共通化する決まりごと」です。ツールやデータを提供する側が一度MCPサーバーを作れば、MCPに対応した複数のAIアプリから同じ方法で使えます。サーバーは、AIが実行できる「ツール」、参照できる「リソース（データ）」、定型の「プロンプト」を提供し、AIアプリ側はユーザーの同意を得たうえでそれらを呼び出します。従来のAPI連携のようにAIアプリごとに個別の連携を作る手間を減らせる一方、ツールの実行権限と同意の設計は導入する側で行う必要があります。
要点
- MCPは、AIアプリと外部のツールやデータをつなぐ方法を共通化するオープン標準で、2025年12月からLinux Foundation傘下で運営されています。
- MCPサーバーはツール・リソース・プロンプトを提供し、一度作ればChatGPT、Claude、Gemini、Copilotなど対応する複数のAIアプリから使えます。
- ツールは任意の処理を実行できるため、導入では権限の範囲、実行前の同意、ログの取り方を接続する側で設計する必要があります。
MCPの仕組み：ホスト・クライアント・サーバー
MCPは、プログラミング言語の機能をエディタ間で共通化した「Language Server Protocol」に着想を得た規格で、通信にはJSON-RPC 2.0という形式を使います。登場するのは次の3つの役割です。
| 役割 | 中身 | 例 |
|---|---|---|
| ホスト | ユーザーが使うAIアプリ。MCPサーバーへの接続を始める | ChatGPT、Claude、Gemini、Visual Studio Codeなど |
| クライアント | ホストの中で、各MCPサーバーとの接続を受け持つ部分 | AIアプリに組み込まれた接続機能 |
| サーバー | 外部のツールやデータを、MCPの決まりに沿って提供するプログラム | 社内ファイル、データベース、CRM、チケット管理などの接続口 |
サーバーがAIアプリに提供できるものは、大きく3種類です。
| 種類 | 中身 | 使われ方の例 |
|---|---|---|
| ツール（Tools） | AIモデルが実行する機能 | チケットを起票する、CRMのレコードを更新する、検索を実行する |
| リソース（Resources） | AIやユーザーが参照するデータ・文脈 | 社内文書、ファイル、データベースの内容 |
| プロンプト（Prompts） | ユーザー向けの定型の指示やワークフロー | 「議事録から次のアクションを抜き出す」などのひな形 |
反対に、サーバーからAIアプリ側へ「ユーザーに追加の情報を確認してほしい」と求める仕組み（Elicitation）などもあります。仕様は改訂が続いており、2026年10月24日時点の最新版は2026年7月28日版です（MCP Specification）。
MCPで何が楽になるのか
MCPがない場合、AIアプリに社内ツールを使わせるには、AIアプリごと・ツールごとに個別の連携を作る必要がありました。MCPでは、ツールやデータを提供する側がMCPサーバーを1つ作れば、MCPに対応したAIアプリならどれからでも同じ方法でつなげます。
- 連携を作り直さなくてよい：同じMCPサーバーを、ChatGPT、Claude、Gemini、Copilotなど複数のAIアプリから使える
- AIが使える機能を一覧で渡せる：サーバーが提供するツールやデータの一覧と入力形式をAIアプリが取得し、必要なものを選んで呼び出す
- 接続口を1か所にまとめられる：どのツールをどの権限で公開するかを、サーバー側で決められる
MCPの主な使い道
1. ナレッジ検索/RAG強化
NotionやConfluenceをMCPサーバとして公開すると、LLMはMCPサーバー経由でページ本文とメタ情報をまとめて取得できます。検索対象が増えてもクライアント側の設定を変更する必要がなく、社内FAQや技術文書の即時回答に活用されています。
2. メール自動化＆アウトリーチ
Resend Email MCPを追加すると、AIがメールの下書き生成から送信、開封状況の追跡まで一気通貫で処理できます。CRM連携やA/Bテストもエージェント主導で実施できるようになります。
3. ITサービスデスク＆インシデント管理
ServiceNowをMCP接続すると、AIはインシデントの発行や優先度変更、ワークフロー承認などを自然言語だけで操作できます。Zapierが公開しているプリセットを使えばノーコードでSlack連携ボットを立ち上げられ、起票作業の負担を大幅に軽減できます。ServiceNowは2026年5月にMCP Serverの提供を始め、ClaudeやCopilotなどのAIエージェントから、承認や業務ルールを通したうえで業務操作を呼び出せるようにしています（ServiceNow）。
4. DevOps/コード生成・レビュー
GitHubなどのMCPサーバーを使うと、AIがリポジトリの確認、Pull Requestの作成、CI結果の確認などを行えます（GitHub MCP Server）。これによりエンジニアはアーキテクチャ設計やレビューの質に集中しやすくなります。
5. 多層エージェント・メッシュ
MCPサーバそのものを「ツール」としてチェーンに組み込めるため、翻訳・要約・感情分析など専門エージェントが役割分担しながら連携できます。GitHubのOSSフレームワークmcp-agentでは、複数のタスクを順番に処理するパイプライン構築例が公開されており、RAGワークフローの無駄な再推論を削減するアプローチとして注目されています。
6. データ分析＆レポーティング
LookerやTableauとMCPを組み合わせると、AIがクエリ生成→グラフ作成→レポート配信までを自律的に実行します。BIツール側の操作が不要になるため、マーケティングや経営企画チームが迅速にインサイトを得られるようになります。
これらのユースケースは、いずれも「データ取得→判断→ツール実行」の3ステップを1つのプロトコルでカバーできるというMCPの特長を活かしたものです。導入時はまず小規模なサーバを立て、AIから単純な操作を試すところから始めるとスムーズです。
MCPをローコード・ノーコードの自動化基盤へ組み込む具体像を確認したい場合は、株式会社ノーコードソリューションズのMCPとDifyの連携ガイドも参考になります。DifyからMCPサーバを呼び出す構成と、外部ツール連携を業務フローへ組み込む考え方を確認できます。
導入ステップ
- つなぐ対象と操作を決める：最初は読み取りだけのデータ（社内文書の検索など）から始め、更新や送信を伴うツールは後回しにします。
- 既存のMCPサーバーを探す：主要なSaaSやデータベースには公式・コミュニティのMCPサーバーがあります。提供元と権限の範囲を確認してから使います。
- 自作する場合は公式SDKを使う：TypeScriptやPythonなどの公式SDKで、ツール・リソース・プロンプトを定義します。
- 認証と権限を設計する：リモートのサーバーはHTTPで接続し、仕様の認可の仕組みに沿って認証します。ローカルで動かすサーバーは環境変数などから認証情報を受け取ります。ツールごとに公開範囲を絞ります。
- 実行前の同意とログを決める：AIアプリ側でツール実行前にユーザーの確認を挟み、誰が・いつ・どのツールを実行したかを記録します。
採用動向とエコシステム
MCPはAnthropicが2024年11月に公開した後、主要なAIアプリが相次いで対応しました。2025年12月9日、AnthropicはMCPをLinux Foundation傘下の「Agentic AI Foundation」に寄贈しています。同財団はAnthropic、Block、OpenAIが共同で設立し、Google、Microsoft、AWS、Cloudflare、Bloombergが支援しています。寄贈時点で、SDKの月間ダウンロードは9,700万件超、稼働中のサーバーは1万件とされ、対応するAIアプリにはChatGPT、Claude、Cursor、Gemini、Microsoft Copilot、Visual Studio Codeなどが挙げられています（MCP Blog）。
課題と展望
- 仕様変化の追従: 仕様は日付つきの版で改訂されており（2026年10月時点の最新は2026年7月28日版）、使っているSDKやサーバーがどの版に対応しているかを確認する必要があります。
- チェーン時の権限制御: 多段呼び出しでの権限委譲モデル策定が次の焦点
- ツールの安全性: 仕様は、ツールを任意のコード実行として慎重に扱い、実行前にユーザーの同意を得ることを求めています。プロトコル自体ではこれを強制できないため、AIアプリと接続する側で同意・認可の仕組みを作る必要があります。
MCPとAPIの違い
MCPはAPIを置き換えるものではありません。多くのMCPサーバーは、裏側で各サービスの既存のAPIを呼び出しています。違いは「誰に向けた接続口か」です。
| 比較軸 | 従来のAPI連携 | MCP |
|---|---|---|
| 利用者 | 開発者が仕様書を読んで組み込む | AIアプリが接続し、提供されるツールやデータの一覧を取得して使う |
| 連携の作り方 | AIアプリごと・サービスごとに個別に作る | サーバーを1つ作れば、対応する複数のAIアプリから使える |
| 呼び出し方 | サービスごとに異なるエンドポイントと形式 | JSON-RPC 2.0の共通の形式（例：ツール実行は tools/call） |
| 安全面で決めること | APIキーと権限の管理 | APIキーと権限に加え、AIがどのツールを実行してよいか、実行前に誰が同意するか |
まとめ
MCPは、AIアプリと外部のツールやデータをつなぐ方法を共通化するオープン標準です。一度MCPサーバーを用意すれば、ChatGPT、Claude、Gemini、Copilotなど対応する複数のAIアプリから使えるため、連携を作り直す手間を減らせます。一方で、ツールは実際の操作を伴うため、どのツールを公開し、誰の同意で実行し、何を記録するかは導入する側が決める必要があります。まずは読み取り中心のMCPサーバーから試し、更新や送信を伴うツールは権限と承認を決めてから広げるのが現実的です。
AI導入前に揃える判断表
MCPを使ったAI連携を社内で判断するときは、AIエージェントや自動化は、モデル選定より先に入力データと責任分界を決めた方が失敗しにくくなります。導入前の整理表です。
| 導入論点 | 先に確認すること | 詰まりやすい理由 | 先に決める線引き |
|---|---|---|---|
| 対象業務 | 例外処理が多いか、手順が固定されているか | 曖昧な業務にAIを当てると品質が安定しない | 人が判断する境界 |
| 入力データ | 参照元が一つにまとまっているか | ソースが散らばると回答の責任が追えない | 正本データと更新責任者 |
| 承認フロー | AI出力を誰が確定するか | 下書きと確定が混ざると事故が起きる | レビュー担当と記録方法 |
| 効果測定 | 削減時間だけでなく品質指標を持てるか | 時短だけ見ると現場の不満を見落とす | 導入前後で比較するKPI |
よくある質問
MCPは誰が作った規格ですか？
Anthropicが2024年11月に公開しました。2025年12月からは、Linux Foundation傘下のAgentic AI Foundationで運営されています。
MCPはどのAIアプリで使えますか？
ChatGPT、Claude、Gemini、Microsoft Copilot、Cursor、Visual Studio Codeなどが対応しています。プランや機能によって使える範囲が異なるため、各アプリの案内を確認してください。
MCPとAPIは何が違いますか？
APIは開発者がサービスごとに組み込む接続口で、MCPはAIアプリがツールやデータを共通の方法で使うための規格です。多くのMCPサーバーは裏側で既存のAPIを呼び出しています。
MCPを使うときのセキュリティ上の注意点は？
ツールは実際の操作を伴うため、公開するツールを必要なものに絞り、実行前にユーザーの同意を得る設定にし、実行の記録を残します。提供元が分からないMCPサーバーは使わないようにします。
