SQLite MCP とローカル分析｜ノートPCに財務CSVを載せるPoCの型（要確認）

財務データの分析において、多くの実務者が直面するのが「データの重さと機密性」という二重苦です。数万行から数十万行に及ぶ仕訳データのCSVをExcelで開こうとしてフリーズする、あるいは機密性の高い未公開の財務数値をクラウドBIにアップロードすることに躊躇するケースは少なくありません。

こうした課題を解決する「次世代の型」として注目されているのが、SQLite MCP（Model Context Protocol）を活用したローカル分析環境です。AIエージェントがノートPC内のSQLiteデータベースを直接参照し、自然言語による問いかけに対してSQLを自動実行・集計するこの仕組みは、財務分析のスピードを劇的に向上させます。

本記事では、IT実務担当者や経営企画担当者が、自身のノートPC上にセキュアな財務分析基盤を構築するためのPoC（概念実証）手順を徹底解説します。

SQLite MCPによる「ローカル財務分析」の新潮流

なぜ今、クラウドではなく「ローカル×AI」なのか

従来のデータ分析は、クラウド上のデータウェアハウス（BigQueryやSnowflakeなど）にデータを集約するのが正攻法でした。しかし、財務実務においては以下の理由からローカル環境の需要が再燃しています。

• セキュリティとガバナンス：インサイダー情報を含む財務データを、たとえプライベートクラウドであっても外部に出したくないという社内規定。
• 試行錯誤のコスト：クラウドBIはクエリごとに課金が発生する場合があり、PoC段階のラフな分析ではコストが嵩む。
• AIのコンテキスト制限：大規模なCSVを直接AIのチャット欄に貼り付けると、トークン制限により正確な集計ができなくなる。

MCP（Model Context Protocol）は、Anthropicが提唱したオープンな規格であり、ClaudeなどのAIモデルがローカル環境のファイルやデータベースに安全にアクセスするための窓口となります。これを利用することで、「データはローカルに置いたまま、知能だけをAIから借りる」という理想的な分析環境が手に入ります。

財務CSVの分析におけるExcelの限界とSQLiteの優位性

多くの経理・財務担当者が愛用するExcelですが、VLOOKUPの多用や100万行の壁により、複雑な分析には限界があります。SQLiteはファイルベースの軽量データベースでありながら、標準的なSQLをフルサポートしており、インデックスを貼ることで数十万行のデータも瞬時に検索可能です。

MCP（Model Context Protocol）の基礎知識とメリット

MCPは、AIアプリケーションと外部データソースを接続するための「共通言語」です。これまでは、特定のAIツールごとにプラグインを開発する必要がありましたが、MCPに対応した「SQLite MCPサーバー」を1つ立ち上げるだけで、CursorやClaude Desktopといった様々なAIクライアントから同じデータベースを操作できるようになります。

AIがローカルDBを読み書きする仕組み

1. ユーザーがAIに「2023年度の販管費の推移を月別に出して」と指示。
2. AIがMCP経由でSQLiteサーバーに対し、「どのようなテーブルがあるか（スキーマ確認）」を問い合わせる。
3. AIが最適なSQL（SELECT文）を生成し、MCPサーバーへ送信。
4. MCPサーバーがローカルのSQLiteファイルを実行し、結果をAIに返す。
5. AIが結果を解釈し、グラフや表としてユーザーに提示。

ノートPCに財務CSVを載せる「PoCの型」構築手順

ここからは、具体的な構築ステップを解説します。前提として、Node.jsがインストールされている環境を想定します。

【STEP 1】環境構築：SQLite MCPのインストール

公式のMCPサーバー群がGitHubで公開されています。まずはこれを利用可能な状態にします。

ターミナルで以下を実行し、公式のsqliteサーバーを導入（npx経由で実行可能）

npx @modelcontextprotocol/server-sqlite --db-path /path/to/your/finance.db

※詳細な仕様は MCP公式ドキュメント を参照してください。

【STEP 2】データ準備：財務CSVのクレンジングとインポート

会計ソフト（freee, 弥生会計, 奉行など）から出力したCSVをSQLiteに取り込みます。ここでは、単純なインポートだけでなく、AIが扱いやすいように型を整えるのがコツです。

【STEP 3】AIへの接続：Claude Desktop設定ファイルの記述

Claude Desktopを使用する場合、claude_desktop_config.json に以下のような設定を追加します。

{
"mcpServers": {
"sqlite": {
"command": "npx",
"args": [
"-y",
"@modelcontextprotocol/server-sqlite",
"--db-path",
"C:/Users/Admin/Documents/db/finance_poc.db"
]
}
}
}

ローカル分析ツールの比較表

財務分析において、どのツールをどのフェーズで使うべきかの判断基準をまとめました。

実務で遭遇する課題と解決策

文字コード問題（UTF-8 vs Shift-JIS）

日本の会計ソフトの多くは、依然としてShift-JIS（CP932）でCSVを出力します。SQLiteにそのままインポートすると、AIが日本語の勘定科目を認識できず、集計を誤ります。インポート前に必ず iconv コマンドやVS Codeのエンコード機能を用いてUTF-8に変換してください。

AIによる「意図しない集計」を防ぐためのスキーマ定義

AIはテーブル構造を推測してSQLを書きますが、例えば「貸借対照表（BS）」と「損益計算書（PL）」のデータが混在していると、それらを合算してしまうミスを犯します。
対策として、テーブル名に t_pl_data や t_bs_data といったプレフィックスを付け、コメント欄に「このテーブルはPL科目のみを含む」と明記することで、AIの精度が格段に向上します。

機密情報保護：ローカル完結型AIの選択肢

もしClaude Desktop（クラウド接続型）すら利用禁止されている極めて厳格な環境であれば、LM Studio や Ollama を用いて、Llama 3等のモデルをローカルで動かし、ローカルMCPサーバーと接続する構成も検討の価値があります。

発展：分析したデータを会計ソフトへ還元する

ローカルでのPoC分析が完了し、データの不整合や誤仕訳のパターンが特定できたら、その結果を会計ソフト側へフィードバックする必要があります。SQLiteで生成した「修正仕訳リスト」をCSV出力し、freeeの「振替伝票インポート」機能などを使って一括反映させることで、分析から修正までのサイクルが完結します。

特に、複数のSaaSを併用している環境では、各所のCSVをSQLiteに集約して「名寄せ」を行い、その結果をマスターデータとして各SaaSへ戻すフローが、将来的な自動化への試金石となります。

まとめ：スモールスタートで財務DXを実現するために

SQLite MCPを活用したローカル分析は、高額なBIツールや複雑なETLパイプラインを構築する前の「砂場（サンドボックス）」として最適です。手元のノートPCで、まずは1年分の仕訳CSVをデータベース化することから始めてみてください。

AIという強力な相棒を得た今、SQLの構文を暗記する必要はありません。必要なのは、財務データを通じて「何を知りたいか」という問いを立てる力と、データを安全に扱うための最小限のインフラ構成力です。このPoCの型を自社に応用し、Excelの限界を超えた財務分析の第一歩を踏み出しましょう。

PRAGMA journal_mode=WAL;