MCP（Model Context Protocol）

MCPとは

MCP（Model Context Protocol）は、AIモデル（主にLLM）が外部のツールやデータソースと連携するためのオープンな標準プロトコルです。2024年にAnthropic社が提唱し、急速にAI業界全体で採用が進んでいます。

たとえるなら、MCPはAIの世界における「USB」のようなものです。USBが登場する前はプリンタもキーボードもそれぞれ独自のコネクタが必要でしたよね。MCPも同じで、AIモデルと外部サービスの接続方法を標準化することで、一度つなぎ方を覚えれば、どのAIモデルからでも同じツールが使えるようになります。

なぜMCPが必要なのか

MCPが登場する前は、LLMに外部ツールを使わせるには、各AIプラットフォームごとに個別の統合（インテグレーション）を実装する必要がありました。OpenAIのFunction CallingとAnthropicのTool Useでは仕様が違いますし、Google Geminiにも独自のやり方があります。

ツール提供側からすると、これは悪夢です。Slackの情報をAIに読ませたければ、OpenAI用、Claude用、Gemini用と、それぞれアダプタを作らなければならない。MCPはこの「N×M問題」を解決します。MCPに準拠したサーバーを1つ作れば、MCP対応のどのAIクライアントからでも利用できるようになるわけです。

MCPの仕組み（クライアント-サーバーモデル）

MCPはクライアント-サーバーアーキテクチャを採用しています。

MCPクライアント

AIアプリケーション側（Claude Desktop、IDEのAIアシスタントなど）に組み込まれるコンポーネントです。ユーザーのリクエストを受けて、必要なMCPサーバーに接続し、ツールの呼び出しやデータの取得を行います。

MCPサーバー

特定のツールやデータソースへのアクセスを提供するサーバーです。たとえば「GitHub MCPサーバー」はGitHubのリポジトリやイシューへのアクセスを、「Slack MCPサーバー」はSlackのチャンネルやメッセージへのアクセスを提供します。

通信の流れ

ユーザーがAIに「先週のSlackで話題になったバグについて教えて」と聞く

AIクライアントがSlack MCPサーバーに接続

MCPサーバーがSlack APIを叩いてメッセージを取得

取得した情報がAIのコンテキストに追加される

AIが情報をもとに回答を生成

MCPが提供する3つの機能

Tools（ツール）: AIが実行できるアクション。ファイルの作成、データベースへのクエリ、APIの呼び出しなど。

Resources（リソース）: AIが読み取れるデータソース。ファイルの内容、データベースのレコード、Webページの情報など。

Prompts（プロンプト）: 特定のタスク向けにあらかじめ定義されたプロンプトテンプレート。

よくある活用事例

開発業務: GitHub、GitLab、JiraなどのMCPサーバーを接続し、AIにコードレビューやイシュー管理を手伝わせる。実際にClaude CodeやCursorといったAI開発ツールではMCPが標準で使われています。

社内ナレッジ: Notion、Confluence、Google DriveのMCPサーバーを接続し、社内ドキュメントをAIが参照できるようにする。RAGの簡易版とも言えます。

データ分析: データベースやBIツールのMCPサーバーを接続し、自然言語でデータを問い合わせる。SQLを書けない人でもデータ分析ができるようになります。

業務自動化: メール送信、カレンダー管理、CRM更新などのMCPサーバーを組み合わせることで、AIエージェントが複雑な業務フローを自動で処理できるようになります。

MCPの今後

MCPはまだ発展途上ですが、すでにMicrosoft、Google、Amazonなど大手テック企業もサポートを表明しています。今後AIエージェントが普及するにつれて、MCPはAIとツールをつなぐ「共通語」としてさらに重要性を増すでしょう。

関連サービス

Swaaabでは、MCPサーバーの開発やMCPを活用したAIエージェント構築の支援を行っています。