MCPツール設計の基本：機能分割・命名・権限境界を最適化し、DXを加速する実践ガイド

AIが外部データやツールに直接アクセスするためのオープン標準「Model Context Protocol（以下、MCP）」の登場により、社内業務システムの在り方が激変しています。しかし、単にツールを接続するだけでは、API制限の枯渇、命名の混乱によるAIの誤動作、そして深刻なセキュリティホールを招きます。

本記事では、日本最高峰のIT実務の知見に基づき、拡張性と安全性を両立させるMCPツール設計の最適解を詳説します。企業のDXを加速させる「動くアーキテクチャ」の構築手法を、公式事例と具体的な数値を交えて公開します。

1. MCPツールにおける「機能分割」の設計指針

MCPツール（MCP Server）を設計する際、最大の失敗要因は「1つのサーバーに全機能を詰め込む」ことです。これはAIのコンテキストウィンドウを無駄に消費し、レスポンスの遅延を招きます。

関心の分離（SoC）に基づくコンポーネント設計

各ツールは「読み取り専用」「書き込み用」「分析用」の3つに論理分割することを推奨します。これにより、AIが「今何をすべきか」を判断する際の計算負荷を下げ、トークンコストを削減できます。

• Data Fetcher（取得系）: CRMやデータベースから必要なレコードのみを抽出する。
• Action Executor（実行系）: 承認フローの回付やステータス更新など、副作用を伴う操作を担う。
• Logic Processor（ロジック系）: 複雑な計算やデータ成形を行い、AIが理解しやすい形式でレスポンスを返す。

API制限と処理速度の考慮

外部SaaSと連携する場合、各プラットフォームのAPI制約（Rate Limit）を設計に組み込む必要があります。例えば、SalesforceのREST APIでは、24時間あたりのリクエスト上限が組織のライセンス数に基づき厳格に定められています。

関連記事：Salesforceとfreeeを繋いでも「サブスク売上」は自動化できない。前受金管理とバクラクを活用した一括請求アーキテクチャ

2. AIを迷わせない「命名規則」の標準化

MCPツールの名称や説明文（description）は、AIにとっての「取扱説明書」です。曖昧な命名はAIのツール選択ミスを誘発します。

ツール命名のベストプラクティス

関数名（tool_name）は、[動詞][対象][条件] の形式で統一します。

説明文（Description）の重要性

AIはコードの中身ではなく、メタデータを見てツールを選択します。get_user ではなく、Fetch comprehensive profile data for an internal employee by their primary email address. と具体的に記述してください。ここには「何ができないか（制約）」を書くのがプロの実務です。

3. セキュリティを担保する「権限境界」の設計

MCPはAIが強力な権限を持つことを意味します。プロンプトインジェクションによって、「全社員の給与データを取得せよ」という命令が実行されるリスクを最小化しなければなりません。

ゼロトラスト・アーキテクチャの適用

MCPツール設計においては、以下の「3層の守り」を実装します。

1. トランスポート層: API KeyやOAuth 2.0による認証。
2. 認可層（IAM）: 実行ユーザーの権限に基づき、アクセス可能なリソースを制限する。
3. バリデーション層: AIが生成した引数が、許容範囲内（例：負の金額でないか、未来の日付でないか）をチェックする。

特に会計系SaaSとの連携では、この境界線が重要です。

関連記事：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. 主要ツール比較と公式事例

MCP実装において選択肢となる主要プラットフォームを比較します。

5. 実践ステップ：MCPサーバーの構築手順

ここでは、最も汎用的な Node.js + Anthropic MCP SDK を用いた、社内ドキュメント検索ツールの構築手順を解説します。

STEP 1: 環境構築とSDKの導入

mkdir my-mcp-server
cd my-mcp-server
npm init -y
npm install @modelcontextprotocol/sdk

STEP 2: ツール定義の記述

AIが利用できる機能を定義します。ここではGoogle Drive上の規約を検索する機能を想定します。

const server = new Server({
name: "internal-doc-search",
version: "1.0.0"
}, {
capabilities: {
tools: {}
}
});

server.setRequestHandler(ListToolsRequestSchema, async () => ({
tools: [{
name: "search_internal_policy",
description: "社内の就業規則や経費規定を検索します",
inputSchema: {
type: "object",
properties: {
query: { type: "string", description: "検索キーワード" }
},
required: ["query"]
}
}]
}));

STEP 3: エラーハンドリングの実装

実務で頻発するエラーへの対策を組み込みます。

• タイムアウト: 外部APIの応答が5秒を超えた場合、AIに「再試行するか、条件を絞るか」を提案させる。
• データなし: 検索結果が0件の場合、単にnullを返すのではなく「該当するデータが見つかりませんでした。別のキーワード（例：旅費規定）を試してください」とガイダンスを返す。

6. よくあるトラブルと解決策（トラブルシューティング）

Q: AIがツールを呼び出してくれない（または間違ったツールを呼ぶ）

原因： Descriptionの重複、または「プロンプトの競合」です。

解決策： ツール同士の役割が重なっていないか確認してください。例えば get_sales_data と get_revenue_report が混在している場合、1つのツールに統合し、引数で「詳細度」を切り替える設計に変更します。

Q: レスポンスがトークン上限を超えてしまう

原因： 外部APIから取得した生のJSONをそのままAIに渡しています。

解決策： MCPサーバー側で「要約」または「必要なプロパティの抽出」を行ってください。AIに渡すのは全データではなく、回答に必要な最小限の情報のみに絞り込むのが鉄則です。

Q: 権限のないユーザーが機密情報にアクセスできてしまう

原因： MCPツールが「システム管理者権限」で外部SaaSを叩いています。

解決策： MCPの実行時コンテキストにユーザーIDを含め、ツール内部で Row Level Security (RLS) を適用してください。例えば、freee API を叩く際は、必ず実行ユーザーのアクセストークンを使用する設計にします。

関連記事：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

まとめ：MCPは「設計」で価値が決まる

MCPツールの真価は、接続の容易さではなく、その背後にある「機能分割の美しさ」と「権限管理の堅牢さ」にあります。本稿で示した設計指針を守ることで、貴社のAI活用は「お遊び」から「24時間稼働するデジタル社員」へと進化します。

特に、Salesforce、Tableau、freeeといった基幹SaaSとの連携においては、公式の仕様を深く理解し、API制限やデータ構造に配慮した実装が不可欠です。本ガイドを基に、保守性の高い次世代の業務基盤を構築してください。