MCP（Model Context Protocol）とは｜ツール連携を業務に載せる段階解説

AI（人工知能）を業務に活用する際、最大の壁となるのが「コンテキストの欠如」です。AIモデル自体は高度な推論能力を持っていますが、あなたの手元にあるローカルファイルや、社内で運用しているSaaS（Google Drive、GitHub、Slack等）の中身を直接知ることはできません。これまでは、必要なデータを人間がコピー＆ペーストするか、あるいは高コストな開発を行って個別のAPI連携を構築する必要がありました。

この「AIとデータの断絶」を解消する決定打として登場したのが、Anthropic社が公開したMCP（Model Context Protocol）です。本記事では、IT実務担当者がMCPを理解し、実際に業務に載せるための手順を網羅的に解説します。

1. MCP（Model Context Protocol）とは｜AIと外部データを繋ぐ新標準

1.1 Anthropic社が提唱した「標準化」の衝撃

MCPは、大規模言語モデル（LLM）アプリケーションが、外部のデータソースやツールと安全かつ簡単に接続するためのオープンな標準プロトコルです。2024年後半にAnthropic社によって発表されました。

これまで、AIに特定のツール（例：Googleスプレッドシートの読み書き）を使わせるには、AIクライアント側がそのツールのAPI仕様を個別に学習・実装する必要がありました。MCPは、この「1対1」の連携を「1対多」に変えます。MCPという共通規格（プロトコル）を介することで、一度MCPサーバーを立てれば、あらゆるMCP対応クライアントからそのデータにアクセス可能になります。

1.2 従来のAPI連携・Function Callingとの決定的な違い

「ChatGPTのFunction Callingと同じではないか？」という疑問を持つ方もいるでしょう。MCPの本質的な違いは、その汎用性と再利用性にあります。

1.3 なぜ今、MCPが業務自動化に不可欠なのか

現代の業務は、無数のSaaSやローカルツールに分散しています。たとえば、マーケティング施策を検討する場合、AIは「GA4のデータ」「Slackでの企画議論」「GitHubのコード」のすべてを参照すべきです。しかし、これらを統合するのは至難の業でした。

MCPを導入すれば、AIが自らこれらのソースを横断して情報を取得し、要約し、さらには「Slackに投稿する」といったアクションまで一貫して行えるようになります。これは、単なるチャットボットを超えた「AIエージェント」への進化を意味します。

データ連携の重要性については、以下の記事でも詳しく解説しています。SaaSが乱立する現代において、データの集約と活用は避けて通れない課題です。

【図解】SFA・CRM・MA・Webの違いを解説。高額ツールに依存しない『データ連携の全体設計図』

2. MCPの基本構造：Host, Client, Serverの関係性

MCPを実務で扱うために、まずそのアーキテクチャを理解しましょう。MCPは主に以下の3つのコンポーネントで構成されます。

2.1 3つの登場人物：Host / Client / Server

• MCP Host: AIを利用するエンドユーザーのアプリケーションです（例：Claude Desktop, IDEなど）。
• MCP Client: Host内で動作し、Serverとの接続を管理する機能モジュールです。
• MCP Server: 特定のデータ（ファイル、DB）やツール（Google Search, GitHub API）を公開するための軽量なプログラムです。

この構造により、ユーザーは自分のローカルマシン上で「GitHub MCP Server」を起動しておくだけで、Claude Desktopを通じて自分のプライベートリポジトリのコードをAIに解析させることができるようになります。

2.2 リソース・ツール・プロンプトの役割

MCP Serverは、以下の3つの機能をAIに提供します。

1. Resources（リソース）: AIが読み取ることができるデータ（例：ローカルファイル、DBのレコード）。
2. Tools（ツール）: AIが実行できるアクション（例：コードの実行、メールの送信、APIの叩き出し）。
3. Prompts（プロンプト）: サーバー側で定義された定型プロンプト（例：「コードレビューをお願いする」ためのテンプレート）。

3. 【実務編】MCPを業務に載せる5つの導入ステップ

ここからは、実際にMCPを使って業務効率化を実現するための具体的なステップを解説します。

3.1 ステップ1：Claude Desktopなど対応クライアントの準備

まずはMCPに対応したAIクライアントをインストールします。現時点で最も標準的な選択肢は、Anthropicが提供するClaude Desktop（macOS/Windows対応）です。IDEであれば、CursorやZedもMCP対応を進めています。

公式ダウンロード: Claude Desktop

3.2 ステップ2：既存のMCPサーバー（GitHub, Google Drive等）の選定

ゼロからサーバーを書く必要はありません。すでに多くのオープンソースMCPサーバーが公開されています。

• Google Drive/Maps: Google関連のリソースにアクセス。
• GitHub: リポジトリの読み書き、Issueの管理。
• PostgreSQL/MySQL: データベースへの直接クエリ。
• Slack: チャンネルへの投稿やメッセージ検索。

3.3 ステップ3：構成ファイル（config.json）の設定と認証

Claude DesktopでMCPを使用する場合、claude_desktop_config.jsonを編集します。設定ファイルの場所はOSによって異なります。

• macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
• Windows: %APPDATA%\Claude\claude_desktop_config.json

例として、Google Search（Tavily）を利用する設定は以下のようになります。

{
"mcpServers": {
"tavily": {
"command": "npx",
"args": ["-y", "@modelcontextprotocol/server-tavily"],
"env": {
"TAVILY_API_KEY": "YOUR_API_KEY"
}
}
}
}

3.4 ステップ4：プロンプトによるツール呼び出しのテスト

設定完了後、Claude Desktopを再起動すると、チャット欄に「プラグ」のようなアイコンが表示されます（あるいは「ツールが利用可能」という通知）。

「GitHubの〇〇リポジトリにある直近のIssueを要約して」といった具体的な指示を出し、AIがMCP Server経由でデータを取得できれば成功です。

3.5 ステップ5：運用監視とアップデート対応

MCP Serverはローカルで動作するプログラムであるため、依存するNode.jsやPythonの環境管理が必要です。また、SaaS側のAPI仕様変更によりMCP Server側のアップデートが必要になるケースもあります。実務では、npxを利用して常に最新のサーバーコードを参照するように設定するのが効率的です。

なお、基幹システムとの連携を行う場合、MCPは非常に強力な武器になります。例えば、会計ソフトと他のSaaSを連携させ、AIに「未消込の請求書を特定して、Slackで担当者に通知させる」といったエージェントを構築することも可能です。会計データの自動連携については、以下の記事も参考にしてください。

【完全版・第5回】freee会計の「経営可視化・高度連携」フェーズ。会計データを羅針盤に変えるBIとAPI連携術

4. MCPで実現する「AI連携業務」の具体例と効果

4.1 ローカルファイル・コードベースの直接解析

開発者にとって最も強力なユースケースは、ローカルのコードベースをAIに「見せる」ことです。これまでは、重要なファイルを数件アップロードするのが限界でしたが、MCPの「filesystem」サーバーを使えば、プロジェクト全体の構成をAIが把握し、リファクタリング案の提示やバグの特定を精度高く行えます。

4.2 SaaSを跨いだアクションの自動化

例えば、「Googleカレンダーから本日の予定を取得し、関連するドキュメントをGoogle Driveから検索、その要約をSlackに送信する」といった作業。これまではZapierなどでガチガチにワークフローを組む必要がありましたが、MCPならAIに自然言語で指示するだけで、動的にツールを組み合わせて実行してくれます。

4.3 社内DBやドキュメントを「知識」として読み込ませる

PostgreSQLやMySQLのMCPサーバーを使えば、SQLを書けない担当者でも「先月の売上TOP5の顧客をDBから抽出して、今後の傾向を分析して」とAIに依頼できます。AIが直接DBに対してSELECT文を発行し、その結果をもとに回答を作成します。

5. 主要なMCPサーバー・サービス比較表

実務で即戦力となるMCPサーバーをまとめました。各ツールの詳細は、GitHubのMCP公式リポジトリで確認できます。

6. MCP導入時の注意点とセキュリティ対策

MCPはAIに強力な権限を与えるため、導入には慎重な設計が求められます。

6.1 ローカル権限の最小化（Principle of Least Privilege）

特に「FileSystem」サーバーを利用する場合、AIにPCの全ディレクトリへのアクセス権を与えるのは非常に危険です。claude_desktop_config.jsonで、特定のプロジェクトフォルダのみにアクセスを制限する設定を行ってください。

6.2 認証トークン（APIキー）の管理方法

MCPサーバーの設定ファイルには、GitHubやSlackのAPIトークンを記述します。このファイル自体に機密情報が含まれるため、PCのロックを徹底する、設定ファイルをGit管理に含めない（あるいは暗号化する）といった対策が必須です。

6.3 AIによる破壊的操作（ファイル削除等）へのガードレール

AIが誤って重要なファイルを削除したり、DBのデータを上書きしたりするリスクがあります。実務での初期導入時は、**「読み取り専用（Read-Only）」**の権限でサーバーを起動するか、書き込み操作の前に必ず人間の承認を挟む運用を推奨します。

SaaSのアカウント管理やセキュリティリスクについては、以下の記事でもIT全般統制の観点から解説しています。

SaaS増えすぎ問題と退職者のアカウント削除漏れを防ぐ。Entra ID・Okta・ジョーシスを活用した自動化アーキテクチャ

7. まとめ：MCPが変える「AIエージェント」の未来

MCP（Model Context Protocol）は、AIを単なる「相談相手」から、実務をこなす「有能なアシスタント」へと引き上げるためのOSのような役割を果たします。プロトコルが標準化されたことで、私たちは個別のAPI連携に悩まされることなく、AIにどのような役割（コンテキスト）を与えるかに集中できるようになりました。

まずは、毎日使うツールの一つでもいいのでMCPで繋いでみてください。AIがあなたの代わりにファイルを読み、リサーチを行い、報告書を書き始めたとき、その圧倒的な生産性の向上を実感できるはずです。