Technology

MCPとは何か？ChatGPT・ClaudeがあらゆるツールとつながるAI連携の新標準

※本記事にはPR・広告リンクが含まれます。

「ChatGPTやClaudeに社内の資料を読ませたい」「AIにNotionやSlackを操作させたい」と思ったことはありませんか。これまでは、こうした連携をAIごと・ツールごとに個別開発する必要がありました。その手間を一気に解消する共通規格が「MCP（Model Context Protocol）」です。

この記事では、MCPとは何かという基本から、3層構造の仕組み、主要AIの対応状況、具体的な活用事例、Function CallingやA2Aとの違いまでを、専門用語をかみ砕きながら解説します。

目次

MCPとは？AIとツールを繋ぐ「共通規格」

結論から言うと、MCP（Model Context Protocol）とは、AIアプリケーションと外部ツール・データソースを標準化された方法でつなぐオープンプロトコルです。AnthropicはMCPを「AIアシスタントをデータが存在するシステムに接続するための新しい標準」と定義しています（Anthropic公式発表、2024-11-25）。

公式ドキュメントでは、MCPは「AIアプリケーションにとってのUSB-Cポートのようなもの」と説明されています。USB-Cが機器をつなぐ規格を統一したように、MCPはAIと外部システムをつなぐ方法を統一する、という比喩です（MCP公式ドキュメント、2026-06-30時点）。

MCPは2024年11月25日にAnthropicが発表しました。開発はAnthropicのDavid Soria Parra氏とJustin Spahr-Summers氏が手がけています。当初は同社の製品仕様という色が濃いものでしたが、現在は特定企業に依存しない中立的な標準へと位置づけが変わっています。

AIネットワークと接続を表すイメージ

出典: Unsplash

なぜMCPが必要だったのか？登場の背景

MCPが登場する前、AIは賢く文章を生成できても、社内データベースや特定のSaaS、ローカルのファイルには直接アクセスできませんでした。AIに自社の情報を扱わせたいなら、ツールごとに専用のAPI連携を開発するしかなかったのです。

この方式には大きな問題がありました。AIの種類とツールの種類を掛け合わせた数だけ、個別の実装が必要になるからです。AIが3種類、つなぎたいツールが10種類あれば、最大30通りの組み合わせを作り込む計算になり、開発コストが膨らみスケールしにくくなります。

MCPはこの構造を「一度実装すれば、対応するAIすべてで動く」状態に変えました。ツール側がMCPサーバーを一度用意すれば、MCP対応のAIならどれでもそのツールを使えます。これがMCPの最大の価値です。

MCPの仕組み｜Host・Client・Serverの3層構造

MCPのアーキテクチャは、Host・Client・Serverという3つの役割で構成されています（MCP公式アーキテクチャ解説、2026-06-30時点）。それぞれの役割は次のとおりです。

構成要素 役割 具体例
MCP Host AIアプリケーション本体。複数のServerに接続できる Claude Desktop、Visual Studio Code、Cursor
MCP Client HostがServerごとに生成する接続コンポーネント。各Serverと1対1の専用接続を維持 （Host内部で自動生成される）
MCP Server 外部ツールやデータへのアクセスを提供するプログラム GitHubサーバー、Notionサーバー、PostgreSQLサーバー

ポイントは、1台のHostが複数のServerに同時接続できる「1対N」の設計です。AI本体は接続管理をClientに任せ、必要なツールを必要なだけ追加していけます。この構造のおかげで、対応ツールが増えてもAI側の作りを変えずに済むのです。

なお、MCP ClientはHost内部で自動生成・管理されるため、アプリ開発者が主に意識するのはMCP Serverの実装です。Clientを意識する必要があるのは、HostそのものをゼロからMCP対応させる場合に限られます。

なお公式ドキュメントは「MCPはコンテキスト交換のプロトコルだけに専念しており、AIがLLMをどう使うか、提供されたコンテキストをどう扱うかは規定しない」と明言しています。役割を絞っているからこそ、幅広いAIとツールに採用しやすいわけです。

サーバーが提供する3つの機能（プリミティブ）

MCP Serverは、AIに対して3種類の機能を提供します。これらはMCP仕様では「プリミティブ（Primitives）」と呼ばれる基本要素です。プリミティブとは「原始的な・それ以上分解できない」という意味の技術用語で、MCP仕様書でも同名で定義されているため、日本語記事でもそのままカタカナ表記が使われています。

  • Tools（ツール）: AIが実行できる関数。「GitHubのIssueを作成する」「データベースを検索する」といった操作にあたります。
  • Resources（リソース）: AIが参照できるデータ。ファイルの内容やDBレコード、APIレスポンスなどのコンテキスト情報です。
  • Prompts（プロンプト）: 再利用可能なテンプレート。「Slack投稿用のフォーマット」のように、やり取りを構造化するために使います。

通信の流れ（JSON-RPC 2.0）

MCPの通信にはJSON-RPC 2.0という軽量な仕様が使われます。トランスポート（通信経路）は、同一マシン上のローカルプロセス間で使うStdioと、リモートサーバー向けのStreamable HTTPの2種類が用意されています。

実際のやり取りは、おおむね次の流れで進みます。まず接続時に互いの対応機能を確認し合い（Capability Negotiation）、AIは利用できるツール一覧を取得します。そしてLLMがツールを必要と判断すると、サーバーに実行を依頼し、その結果を会話に取り込みます。サーバー側の機能が変わった場合は、通知としてClientにリアルタイムで伝えられます。

テクノロジーとデジタル接続を表すイメージ

出典: Unsplash

主要AIプラットフォームのMCP対応状況（2026年6月時点）

MCPは発表からわずか2年ほどで、主要AIベンダーが軒並み採用する標準になりました。2026年3月時点で、MCPの月間SDKダウンロード数は9,700万回を超え、ローンチ時の約10万回から970倍以上に拡大しています。公開MCPサーバーは1万件を超え、GitHubスター数も81,000を超えました（SitePoint MCPガイド、2026-06-30時点）。

プラットフォーム MCP対応の状況
Anthropic（Claude） 2024年11月にMCPを発表し、自社製品へ統合
OpenAI（ChatGPT） 2025年3月にAgents SDKでMCPサポートを開始
Google（Gemini） 2025年12月にGoogle Maps・BigQuery・GKE等のマネージドMCPサーバーを提供開始
Microsoft（Copilot） Build 2025（2025年5月）で広範なファーストパーティ対応を発表
AWS AAIF共同支援企業として参画し、MCP対応サービスの展開を進めている

象徴的なのが、Anthropicが2025年12月9日にMCPをLinux Foundation傘下の新組織「Agentic AI Foundation（AAIF）」へ寄贈したことです。共同創設メンバーにはAnthropic・Block・OpenAIが名を連ね、Google・Microsoft・AWS・Cloudflare・Bloombergが支援に加わりました。これにより、MCPは特定企業の製品ではなく中立的なオープン標準として維持されることになりました（AAIF設立発表、2025-12-09）。

主要SaaSの対応も進んでいます。2026年3月時点で、GitHub・Slack・Google Drive・PostgreSQL・Notion・Jira・Salesforce・Stripe・HubSpot・Atlassianが公式MCPサーバーをリリース済み、または公式サポートを発表しています。企業導入も広がっており、Stacklokの調査「State of MCP in Software 2026」では、ソフトウェア企業の41%が本番環境でMCPを運用中とされています。

具体的な活用事例｜MCPで何ができるようになるか

「仕組みは分かったけれど、結局何ができるのか」という疑問に答えていきます。MCPによって、AIは会話するだけの存在から、実際にツールを操作する存在へと変わります。

  • 情報収集の自動化: AIがGoogle Driveから文書を取得して要約し、Slackに投稿する。手作業を挟まずに連携が完結します。
  • 開発補助: Claude CodeやCursorがFigmaのデザインを読み取り、コードを自動生成する。設計と実装の橋渡しをAIが担います。
  • ビジネスデータ分析: 複数の社内データベースに接続した社内チャットボットに、チャットで質問するだけでデータ分析ができる。
  • クリエイティブの自動化: AIが指示を受けて3Dソフト（Blender等）で設計し、3Dプリンタへ出力する、といった物理世界への展開も可能になります。
  • ワークフロー統合: NotionのプロジェクトページをAIが読み取り、進捗レポートをSlackへ配信し、必要に応じてGitHub Issueを自動生成する。

最後の例のように、複数ツールをまたいだ一連の流れをAIに任せられるのが、MCP時代の大きな変化です。これまで人が画面を行き来して行っていた作業を、AIが横断的に処理できるようになります。

自動化とネットワーク接続を表すイメージ

出典: Unsplash

Function Calling・A2Aとの違い｜3つのプロトコルの役割分担

MCPを調べていると、Function CallingやA2Aといった似た用語に出会います。これらは競合ではなく、担当するレイヤーが異なる補完関係にあります（Zilliz: Function Calling vs MCP vs A2A、2026-06-30時点）。

プロトコル 担う層 役割
Function Calling モデルレベルの機能 LLMが構造化JSONを返し、特定の関数実行を要求する。モデル固有の実装
MCP ツール接続層の標準 モデル・サービスをまたいで統一インターフェースでツールにアクセスする
A2A（Agent-to-Agent） エージェント間通信層 複数のAIエージェントが協調してタスクを実行するための規格（Google策定）

ざっくり整理すると、「MCPがAIとツールを繋ぐ」のに対して「A2AがAIどうしを繋ぐ」という役割分担になります。両者は競合せず、組み合わせて使うものだと理解しておくとよいでしょう。

日本語でよく混同される「LangChain Agent Protocol」との違い

もう一つ混同されやすいのがLangChain Agent Protocolです。これはエージェントをREST API経由で呼び出すための標準化で、threads・runs・memoryといった概念を持ちます。AIエージェントそのものを外部から呼び出すための仕組みであり、ツールやデータへのアクセスを担うMCPとは目的が異なります。

まずMCPを試してみるには｜Claude Desktopで始める3ステップ

「やってみたいが次の一手がわからない」という方のために、最も手軽な出発点を紹介します。現時点でMCPを個人が試す最もシンプルな環境はClaude Desktop（無料プランあり）です。

ステップ1: Claude Desktopをインストールする

Claude Desktop公式ページからmacOS版またはWindows版をダウンロードしてインストールします。

ステップ2: 使いたいMCPサーバーを探す

公開MCPサーバーの探し場所は主に次の2つです。

GitHub・Notion・Slackをはじめ、多数の公式サーバーが無料で公開されています。

ステップ3: 設定ファイルにサーバーを追加する

Claude Desktopの設定ファイル（claude_desktop_config.json）にMCPサーバーの情報を記述すると、次回起動時からAIがそのツールを使えるようになります。設定手順の詳細はMCP公式クイックスタートに画像付きで解説されています。

エンジニアでなくても、公式ドキュメントの手順に沿えば30分程度で最初の連携を試せます。まず1つのツール連携を体験することで、MCPの価値が具体的に実感できるはずです。

まとめ｜MCPが変えるAIとの付き合い方

MCPは「AIの賢さ」を上げる技術ではなく、「AIがアクセスできる情報とツールの範囲」を広げる技術です。いまやOpenAI・Google・Microsoft・AWSすべてが採用し、中立的なオープン標準として、AIエージェント時代の共通言語になりつつあります。

MCPの普及は今後さらに加速する見通しです。2026年3月公開の公式ロードマップでは「単なるツール接続」から「AI自律連携インフラ」への進化が方向性として示されているとされています。長時間実行やバッチ処理、マルチステップ操作に対応する「Tasks」という実験的機能も仕様に加わりつつあります。Tasksとは、複数ステップの処理をAIが中断・再開しながら自律的にこなすための仕組みで、単一のやり取りでは完結しない複雑なタスクへの対応を目指しています。最新情報はMCP公式サイトで確認してください。

次の一歩は読者の立場によって変わります。開発に関わる方は、自社サービスをAIから使えるようにするMCPサーバーの実装を学ぶ価値があります。AIツールを使う立場の方は、まず手持ちのAIがMCPに対応しているかを確認し、NotionやSlackなどとの連携を一つ試してみることから始めてみてください。AIにできることの幅が、想像以上に広がるはずです。

おすすめ書籍

記事に関連するAIエージェント・LLMアプリ開発のおすすめ書籍をご紹介します。

Related Posts

コメントを残す

メールアドレスが公開されることはありません。 ※ が付いている欄は必須項目です