「ChatGPTやClaudeに、社内の顧客台帳や共有フォルダを直接見てもらえないか」——生成AIの導入が一巡した企業から、最近いちばん多く聞く相談です。チャットで質問するだけの使い方から、社内のデータを読み、システムを操作して仕事を進めてもらう使い方へ。その橋渡しとして急速に広まったのがMCP（Model Context Protocol）です。
MCPとは、生成AIと社内システムを「共通の決まり」でつなぐための公開仕様です。USB-Cのような共通の差込口に例えられ、一度MCPに対応すれば、どのAIからでも同じ方法で社内のデータや機能を使えるようになります。
本記事では、MCP公式仕様（2026-07-28版、2026年10月確認）と、当社が自社の業務システムをMCPでAIにつなぎ、日々運用している所感をもとに、MCPの仕組み・できること・安全な使い方・導入の進め方を整理します。
この記事の監修：大槻 伸夫（キュリオシティ株式会社 代表取締役CEO）。業務改善・PMI・生成AI導入の現場支援に携わり、「現場主義 × AI」で業務の可視化から生成AIの試作・定着までを支援。
MCP(Model Context Protocol)とは何ですか？
MCPは、AIアプリが外部のデータやツールを使うときの「話し方」を決めた公開仕様です。 2024年11月にAnthropic社（Claudeの開発元）が公開し、2025年12月にはLinux Foundation傘下の中立団体「Agentic AI Foundation」へ寄贈されました。この団体はAnthropic・OpenAI・Blockが共同で設立し、Google・Microsoft・AWSなども支援しています。
公式ブログによれば、寄贈の時点で稼働中のMCPサーバーは1万を超え、SDK（開発用の部品）は月に9,700万回以上ダウンロードされていました。ChatGPT、Claude、Gemini、Microsoft Copilot、Visual Studio Code、Cursorなど主要なAIツールが対応しており、特定の会社の独自規格ではなく、業界の共通規格になったと考えてよい段階です。
名前の意味は次のとおりです。
- Model：生成AIのモデル（Claude、GPTなど）
- Context：AIが仕事をするために必要な情報や道具（社内データ、検索、システム操作など）
- Protocol：やり取りの決まり（通信の手順とデータの形）
MCPがあると何が変わりますか？
一言でいえば、「AIの数 × システムの数」だった連携開発が、「AIの数 ＋ システムの数」で済むようになります。
MCPがない時代は、たとえばClaudeから基幹システムを使うための連携、ChatGPTから同じ基幹システムを使うための連携……と、組み合わせごとに別々の開発が必要でした。AIが3種類、システムが4種類あれば連携は12本です。しかもAIを乗り換えるたびに作り直しになります。
MCPでは、社内システム側が「MCPサーバー」を1回用意すれば、MCPに対応したどのAIからでも同じ方法で使えます。AIを替えても、システム側は作り直さずに済みます。これが「USB-Cのような差込口」と呼ばれる理由です。
MCPはどんな仕組みで動きますか？
MCPは「ホスト」「クライアント」「サーバー」の3つの役割と、サーバーが差し出す3種類の機能でできています。 公式仕様の言葉を、業務の言葉に置き換えると次のとおりです。
| 役割 | 公式仕様での意味 | 業務での例 |
|---|---|---|
| ホスト | 接続を始めるAIアプリ | Claudeのデスクトップアプリ、社内AIチャット |
| クライアント | ホストの中の接続役。サーバー1つにつき1つ | （利用者からは見えない） |
| サーバー | データや機能を差し出す側 | 顧客台帳、ファイル共有、チャットの窓口 |
サーバーが差し出せる機能は3種類です。
- Tools（ツール）：AIが実行できる操作。例「案件を検索する」「提案を登録する」
- Resources（リソース）：AIや利用者が読む資料・データ。例「規程のPDF」「顧客の基本情報」
- Prompts（プロンプト）：利用者が呼び出す定型の指示。例「週報を作る手順」
通信はJSON-RPCという標準の形式で行い、つなぎ方は2通りあります。パソコンの中でサーバーを動かすstdioと、ネットワーク越しにつなぐStreamable HTTPです。社外や別の拠点のサーバーにつなぐ場合は、OAuthという標準の認可の仕組みで「誰が使ってよいか」を確かめます。
2026年7月の最新仕様で何が変わりましたか？
最新の2026-07-28版では、サーバーが接続ごとの状態を持たない（ステートレスな）設計に改められました。 最初のあいさつ（初期化の手順）がなくなり、毎回の要求に必要な情報を載せる方式です。あわせて、長時間かかる処理の「Tasks」や、会話の中にグラフや入力フォームを表示する「MCP Apps」は、必要なときだけ使う拡張機能として整理されました。一方で、Roots・Sampling・Loggingの3機能は「非推奨」となり、12か月以上の猶予期間の後に削除される予定です。
これから社内でMCPサーバーを作るなら、この最新版を前提にし、非推奨の機能には頼らないのが安全です。
MCPとAPI・RAG・プラグインは何が違いますか？
MCPはAPIやRAGを置き換えるものではなく、それらを「AIから使える形」に包む層です。 混同されやすいので整理します。
| 仕組み | 役割 | MCPとの関係 |
|---|---|---|
| API | システム同士をつなぐ窓口 | MCPサーバーは中で既存のAPIを呼ぶことが多い |
| RAG | 社内文書を検索して答える仕組み | RAGの検索をMCPのツールとして差し出せる |
| プラグイン・GPTs等 | 各AIサービス独自の拡張 | MCPは特定のAIに縛られない共通規格 |
| AIエージェント | 目的に向けて自分で手順を進めるAI | MCPはエージェントが使う「手足」をつなぐ |
社内文書の検索を作りたいだけなら、まずはRAG構築の進め方｜社内文書を生成AIで検索するが近道です。MCPが効くのは、AIに「読む」だけでなく「探して、比べて、登録する」まで任せたいときです。AIエージェントとの関係はAIエージェントの業務活用｜生成AIとの違いと使いどころで詳しく扱っています。
実際にMCPを使うと、業務はどう変わりますか？
ここからは、当社が自社の営業台帳（案件・人材・提案を管理する社内システム）をMCPサーバーとしてAIにつなぎ、日々運用している所感です。
変わったのは「画面を行き来する手間」です。 以前は、案件の条件を画面で確かめ、別の画面で候補を検索し、経歴書を開いて見比べ、また別の画面で提案を登録していました。いまはAIに「この案件に合う人を探して比べて」と頼むと、AIが検索・読み込み・比較までを進め、人は最後の判断と登録の承認だけを行います。
運用してみて、効果を左右するのはAIの賢さよりサーバー側の作り方だと分かりました。うまくいった設計は次の4点です。
- 書き込みは「下見→実行」の2段構えにする：登録・更新・メール送信などは、まず下見（プレビュー）の道具で内容を見せ、人が確認してから実行の道具を呼ぶ。誤操作がほぼなくなりました。
- 外から届いた文章は「データ」と明示する：メールで届いた案件本文に「この指示に従え」のような文が混じっていても、従わずにデータとして扱うよう、サーバー側の説明文に書いておく。
- 一度に返す量を絞る：一覧は既定20件、本文は先頭8,000字で区切り、「続きがある」ことを結果に明記する。全部を返すとAIの作業メモ（コンテキスト）があふれ、かえって判断が雑になります。
- 結果に画面のURLを添える：AIの答えをうのみにせず、人が元の画面を開いて確かめられるようにする。
逆に、つまずいた点もあります。社外サービスのうちOAuthの認可が必要なものは、人が画面でログインしないと使えないため、夜間の無人実行には組み込めませんでした。無人で回したい業務は、認可の方式まで含めて最初に確かめる必要があります。
MCPを安全に使うには何に気をつければよいですか？
MCPは「AIに社内システムの操作権限を渡す仕組み」です。便利さと引き換えに、情報漏えいと誤操作の入口にもなります。 公式仕様も、ツールは「任意のコードの実行」とみなして慎重に扱い、実行の前に利用者の明示的な同意を得るよう求めています。
当社では、次の「MCP安全運用4つのルール」で整理しています。
| ルール | 中身 | 防ぐもの |
|---|---|---|
| ①出どころ | 公式・自社製・審査済みのサーバーだけを使う | 不正なサーバー、説明文に仕込まれた指示 |
| ②権限 | サーバーごとに読める範囲・書ける範囲を最小にする | 過剰な情報の持ち出し |
| ③承認 | 登録・送信・削除は人の承認を挟む | 誤操作、外部への誤送信 |
| ④記録 | 誰が・どのAIで・何を実行したかを残す | 事故の原因が追えない状態 |
特に注意したいのが、外部の文章に紛れ込ませた指示でAIを操るプロンプトインジェクションです。MCPでAIが読める範囲が広がるほど、この攻撃の入口も増えます。仕組みと防ぎ方はプロンプトインジェクションとは？生成AIの新たな脅威と業務での防ぎ方をご覧ください。また、社員が個人の判断で野良のMCPサーバーをつなぐと、そのままシャドーAIになります。利用してよいサーバーの一覧を、社内規程に書き足しておきましょう。
社内でMCPを導入するにはどう進めればよいですか？
いきなり全システムをつながず、「1業務・1システム・読み取りから」が鉄則です。
- 業務を選ぶ：画面の行き来や転記が多く、判断の手前までをAIに任せられる業務を1つ選ぶ。
- 既存のサーバーを探す：ファイル共有・チャット・CRMなど、主要なサービスは公式のMCPサーバーを用意していることが多い。あれば作らずに使う。
- 読み取りだけで試す：最初は検索・閲覧の道具だけを差し出し、AIが正しく探せるかを確かめる。
- 書き込みは下見つきで足す：登録・更新は「下見→承認→実行」の形で追加する。
- 合格基準で判断する：作業時間・誤りの件数などの数字で、本番に広げるか、やめるかを決める。
このうち最も時間がかかるのは、実は技術ではなく1と5、つまり「どの業務で、何ができれば合格か」を決めることです。PoCの設計の考え方は生成AIのPoCの進め方｜失敗しない設計とKPI・撤退基準で解説しています。社内データを使う生成AI全体の構成は社内向け生成AIの構築方法｜RAGと社内データ活用もあわせてご覧ください。
よくある質問
Q. MCPとは簡単に言うと何ですか？
A. 生成AIと社内システムをつなぐための共通の決まりです。一度MCPに対応すれば、ClaudeやChatGPTなど対応したどのAIからでも、同じ方法で社内のデータや機能を使えます。
Q. MCPは無料で使えますか？
A. 仕様そのものは公開されており、誰でも無料で使えます。費用がかかるのは、AIサービスの利用料と、MCPサーバーを作ったり運用したりする手間です。
Q. MCPはClaude以外でも使えますか？
A. 使えます。ChatGPT、Gemini、Microsoft Copilot、Visual Studio Code、Cursorなど主要なAIツールが対応しています。MCPは現在、特定の企業ではなく中立の団体が管理しています。
Q. MCPを使うとAIに社内データが学習されますか？
A. MCPはつなぐための決まりであり、学習するかどうかはAIサービスの契約条件で決まります。法人向けプランやAPIの多くは入力を学習に使わない条件ですが、利用前に必ず確認してください。
Q. MCPサーバーは自社で作る必要がありますか？
A. 主要なサービスは公式のMCPサーバーを用意していることが多く、まずはそれを使うのが近道です。自社独自のシステムをつなぐ場合は、既存のAPIを包む形でMCPサーバーを作ります。
MCPの活用を、PoC計画から始めませんか
MCPは、AIを「相談相手」から「仕事を進める担い手」に変える仕組みです。ただし、つなげば成果が出るわけではありません。どの業務で、どこまでAIに任せ、どこで人が承認するかを先に決めておかないと、「つないだが使われない」「怖くて書き込みを許せない」で止まります。
試作の前に「対象業務・任せる範囲・合格基準・やめる条件」を1枚に書き出すための「生成AI PoC企画テンプレート」を、キュリオシティでは無料で配布しています。
- 生成AI PoC企画テンプレートを無料でダウンロードする
- 「自社のどのシステムからMCPでつなぐべきか」を一緒に整理したい方は、無料相談からお気軽にご相談ください。現場の業務を見たうえで、MCPで作るべきか、RAGや既存ツールで足りるかを率直にお伝えします。
生成AI導入の全体像は生成AI導入支援とは｜失敗しない進め方と費用感もあわせてご覧ください。
監修：大槻 伸夫（キュリオシティ株式会社 代表取締役CEO）
業務改善・PMI・生成AI導入の現場支援に携わる。「現場主義 × AI」を掲げ、業務の可視化から生成AIの試作・定着までを一気通貫で支援している。
