AIエージェント・ワークフロー開発

MCPとは?仕組み・APIとの違い・使い方と注意点を図解で解説【2026年】

AI Beat編集部

MCPとは?仕組み・APIとの違い・使い方と注意点を図解で解説【2026年】
目次
  1. MCPとは何か
  2. MCPが解決する課題
  3. MCPの仕組み(ホスト・クライアント・サーバー)
  4. APIとの違い
  5. MCPでできること(使い道の例)
  6. MCPの使い方(Claude Codeで始める手順)
  7. 導入の前に知っておきたい注意点
  8. AI Beat 編集部の見解
  9. よくある質問
  10. Q. MCPは無料で使えますか。
  11. Q. プログラミングができなくても使えますか。
  12. Q. ChatGPTでもMCPは使えますか。
  13. Q. MCPとRAGはどう違いますか。
  14. Q. MCPサーバーは自分で作る必要がありますか。
  15. Q. 会社で使うとき、最初に何を決めればよいですか。
  16. まとめ

MCP(Model Context Protocol)は、AI アプリと外部のデータや道具をつなぐための共通の取り決めです。Anthropic が 2024年11月に公開し、いまは OpenAI・Google・Microsoft の製品も対応しています。本稿では、MCP が何を解決するのか、どう動くのか、API とどう違うのかを順に整理します。あわせて、Claude Code などで使い始める手順と、導入の前に知っておきたい安全面の注意をまとめます。YouTube チャンネル「AIツールの達人」の解説動画と同じ内容を、文章で確かめたい人に向けた記事です。

この記事のポイント

  • MCP は AI と外部の道具をつなぐ共通の規格
  • ホスト・クライアント・サーバーの 3 者で動く
  • サーバーは道具・データ・定型の指示を出せる
  • API との違いは「AI が使う前提の共通の形」
  • 編集部は、つなぐ範囲を絞ることが導入の要と見る

MCPとは何か

MCPとは何かを表す図解

MCP は、大規模言語モデル(LLM)を使うアプリが、外部のデータや道具を同じ手順で呼び出すための規格です。Anthropic は 2024年11月25日に Model Context Protocol の公開の発表 を出し、仕様と SDK をオープンソースにしました。仕様は MCP の公式サイト で読めます。

よく使われるたとえは「AI のための USB-C」です。USB-C が機器ごとの差し込み口をそろえたように、MCP は AI とデータのつなぎ方をそろえます。これまでは、AI にファイルや社内システムを読ませるたびに、アプリごとに専用のつなぎ込みを作る必要がありました。MCP に対応したサーバーを 1 つ作れば、対応する複数の AI アプリから同じように使えます。

公開の後、MCP は各社に広がりました。OpenAI は 2025年3月に Agents SDK の MCP 対応 を発表し、Google や Microsoft も自社の製品で対応を進めました。2025年12月9日には、Anthropic が MCP を Agentic AI Foundation へ寄贈すると発表 しました。Linux Foundation の下に新しくできた財団です。特定の会社の持ち物ではなく、業界の共通の規格として育てる形になりました。

編集部の視点

MCP の価値は、技術の新しさより「各社が同じ形に乗った」ことにあります。規格が 1 つにまとまると、作る側は 1 回の開発で多くの AI に届きます。使う側は、AI の製品を乗り換えてもつなぎ込みを作り直さずに済みます。

MCPが解決する課題

MCPが解決する課題を表す図解

MCP が生まれた理由は、つなぎ込みの数の問題です。AI アプリが M 個、つなぎたいデータ源が N 個あると、個別に作れば M×N 通りの開発が要ります。MCP を間に挟むと、アプリは MCP に 1 回対応し、データ源も MCP サーバーを 1 回作れば済みます。開発の量は M+N に近づきます。

比べる点 MCP の前 MCP の後
つなぎ込みの作り方 アプリとデータ源の組み合わせごとに専用 共通の規格に 1 回ずつ対応
AI を乗り換えたとき つなぎ込みを作り直す 同じ MCP サーバーをそのまま使える
社内システムの公開 アプリごとに個別の連携を作る MCP サーバーを 1 つ用意する
道具の説明 アプリごとに書き方が違う 決まった形で AI に渡す

もう 1 つの課題は、AI に「いま何ができるか」を伝える方法でした。MCP では、サーバーが自分の持つ道具の名前・説明・入力の形を決まった形で返します。AI はその一覧を見て、どの道具をいつ使うかを決めます。人が毎回プロンプトに道具の説明を書き込む必要がありません。

MCPの仕組み(ホスト・クライアント・サーバー)

MCPの仕組み(ホスト・クライアント・サーバー)を表す図解

MCP は 3 つの役で動きます。

役 何をするか 例
ホスト 人が使う AI アプリ。全体をまとめ、どのサーバーにつなぐかを決める Claude Desktop、Claude Code、IDE
クライアント ホストの中で、1 つのサーバーとの接続を受け持つ ホストがサーバーごとに 1 つ作る
サーバー 道具やデータを MCP の形で出す小さなプログラム ファイル操作、GitHub、データベース

サーバーが AI に出せるものは、主に 3 種類です。

  • ツール(tools): AI が呼び出して実行する機能。ファイルを書く、検索する、チケットを作るなど
  • リソース(resources): AI が読むためのデータ。ファイルの中身、データベースの行など
  • プロンプト(prompts): よく使う指示のひな形。サーバーの作り手が用意する

通信の形式は JSON-RPC 2.0 です。つなぎ方(トランスポート)は、同じ端末の中で動かす標準入出力(stdio)と、ネットワーク越しに使う HTTP の 2 通りがあります。手元のファイルを扱うサーバーは stdio、社外のサービスが提供するサーバーは HTTP、という使い分けが多いです。

編集部の視点

仕組みを理解するうえで大事なのは「AI が直接データを触るのではない」点です。AI は使いたい道具を選ぶだけで、実際の処理はサーバーが行います。だからこそ、サーバーに何を許すかが安全の要になります。

APIとの違い

APIとの違いを表す図解

「API と何が違うのか」は、よく聞かれる質問です。MCP は API を置き換えるものではありません。多くの MCP サーバーは、中で既存の API を呼んでいます。違いは、誰が使う前提で作られているかです。

比べる点 一般的な API MCP
主な使い手 人が書いたプログラム AI(LLM)を使うアプリ
使い方の説明 人が読むドキュメント サーバーが返す道具の一覧(名前・説明・入力の形)
形式 サービスごとに違う 共通の規格(JSON-RPC 2.0)
呼び出す判断 プログラムに書いた順に呼ぶ AI が会話の流れを見て選ぶ
つなぎ替え サービスごとに作り直す 対応するホストならそのまま使える

まとめると、API は「サービスの機能の窓口」で、MCP は「その窓口を AI が使いやすい共通の形に包む層」です。社内に API があるなら、それを MCP サーバーで包むことで、Claude や ChatGPT から使える道具になります。

MCPでできること(使い道の例)

MCPでできること(使い道の例)を表す図解

MCP の使い道は、つなぐサーバーの数だけ広がります。仕事の場面ごとに、よくある組み合わせを整理しました。

場面 つなぐサーバーの例 AI に頼めること
ソフトウェア開発 ファイル操作、Git、GitHub、ブラウザ操作 不具合の原因を調べて直し、変更をまとめて提出する
社内の調べもの 社内文書の検索、チャット、ドライブ 散らばった資料から答えを探し、出典つきでまとめる
営業・顧客対応 顧客管理、メール、カレンダー 商談の前に取引の履歴をまとめ、次の連絡の下書きを作る
データ分析 データベース、表計算 数字を集計し、傾向と気になる点を文章で返す

どの場面でも共通するのは、AI が「調べる → 考える → 手を動かす」を一続きで進める点です。これまでは、人が画面を行き来してデータを集め、AI に貼り付けていました。MCP でつなげば、その往復を AI に任せられます。

ただし、場面が広がるほど、AI が触れる情報も増えます。営業や顧客対応のように個人情報を扱う場面では、読める範囲を担当の顧客に絞るなど、サーバーの側で制限をかける設計が要ります。開発の場面でも、本番の環境に書き込めるサーバーと、手元の作業用のサーバーは分けておくのが基本です。

自社で MCP サーバーを作る場合は、公式の SDK を使います。Python と TypeScript のほか、複数の言語の SDK が用意されています。社内の API を包むだけなら、道具の名前・説明・入力の形を決め、中で API を呼ぶ処理を書けば動きます。道具の説明文は AI が読んで使い分ける材料になるため、人に向けた説明よりも「いつ使い、何を返すか」をはっきり書くのがこつです。

MCPの使い方(Claude Codeで始める手順)

MCPの使い方(Claude Codeで始める手順)を表す図解

使う側の手順は、思ったより短いです。ここでは、開発の現場で広く使われている Claude Code を例にします。Claude Code の公式の説明は Claude Code の MCP の文書 にあります。

  1. 使うサーバーを決める: 公式の参考実装は MCP の GitHub で公開されています。ファイル操作・Git・ブラウザ操作など、よく使う用途から選びます
  2. サーバーを足す: Claude Code では claude mcp add で登録します。社外のサービスが HTTP で提供するサーバーは、URL を指定して足します
  3. 権限を確かめる: サーバーが使える範囲(読めるフォルダ、書ける先)を最小にします
  4. 試す: 「このフォルダの README を要約して」のように頼み、AI がサーバーの道具を選んで使うかを見ます

設定の細かい書き方や、おすすめのサーバーの一覧は Claude Code の MCP サーバー設定のガイド にまとめました。社外のサーバーにつなぐ方法は Claude Code のリモート MCP サーバー対応の解説 が詳しいです。MCP が公開された当時の発表の要点は Model Context Protocol の公開の記事 で振り返れます。

注意

MCP サーバーは、つないだ AI に代わって実際の操作をします。出どころの分からないサーバーを入れない、書き込みや送信の権限を広げすぎない、の 2 点は最初に決めてください。会社で使う場合は、使ってよいサーバーの一覧を情報システムの担当と決めておくと安全です。

導入の前に知っておきたい注意点

導入の前に知っておきたい注意点を表す図解

MCP は便利な一方で、AI に手足を与える仕組みでもあります。導入の前に、次の点を確かめておきます。

  • プロンプトインジェクション: AI が読んだウェブページや文書の中に、AI への指示が紛れ込んでいることがあります。AI がそれに従い、意図しない道具を使う恐れがあります。読むだけのサーバーと、書く・送るサーバーを同時につなぐときは特に注意が要ります
  • サーバーそのものの信頼性: 道具の説明文に悪意のある指示を仕込むやり方が報告されています。公式や、出どころのはっきりしたサーバーを選びます
  • 権限の範囲: ファイルを扱うサーバーには、作業に要るフォルダだけを渡します。データベースは読み取りだけの権限から始めます
  • 記録: どの道具がいつ呼ばれたかを残せるホストやサーバーを選ぶと、後から確かめられます

会社で使う場合は、次の表のように、サーバーの種類ごとに扱いを決めておくと判断が速くなります。

サーバーの種類 危険の大きさ 決めておくこと
読むだけ(文書の検索・閲覧) 小さい 読める範囲(フォルダ・権限)を絞る
社内の登録(チケット・予定の作成) 中くらい 作成だけを許し、削除や変更は許さない
外への送信(メール・投稿・支払い) 大きい 毎回、人が内容を見てから実行する
本番の環境への書き込み 大きい 原則つながない。つなぐなら別の承認の手順を通す

仕様のうえでも、ホストは道具を実行する前に人に確認を求めることが勧められています。Claude Code などの主なホストは、初めて使う道具の前に許可を求める作りです。この確認を「毎回聞かれて面倒」と外してしまうと、上の注意点がそのまま危険になります。

AI Beat 編集部の見解

AI Beat 編集部の見解を表す図解

編集部は、MCP を「AI の使い方を、会話から仕事へ広げる土台」と見ています。会話だけの AI は、答えを出したところで終わります。MCP でつながった AI は、調べる・まとめる・登録するまでを一続きで進められます。ここに、業務で使う意味があります。

一方で、導入のつまずきは技術より運用で起きると考えます。つなぐ先を一度に増やすと、何を許したのかが分からなくなります。編集部のおすすめは、次の順で広げるやり方です。

  1. 読むだけのサーバー(社内文書の検索など)から始める
  2. 社内の道具(チケット・カレンダー)を、作成だけ許して足す
  3. 外への送信や削除は、人の確認を挟む前提で最後に足す

編集部の視点

MCP の規格が業界の共通の財産になったことで、「どの AI を選ぶか」より「自社のデータをどう MCP で出すか」が差になる段階に入りました。社内のデータを MCP サーバーとして整えておくことは、AI の製品が入れ替わっても残る投資になります。

よくある質問

よくある質問を表す図解

Q. MCPは無料で使えますか。

規格とその SDK はオープンソースで、使うのに料金はかかりません。ただし、つなぐ AI アプリ(Claude や ChatGPT の有料プランなど)や、つなぐ先のサービスには、それぞれの料金がかかります。

Q. プログラミングができなくても使えますか。

既にあるサーバーを足して使うだけなら、設定の手順に沿えば始められます。Claude Desktop や Claude Code では、決まったコマンドや設定の画面から足せます。自分でサーバーを作る場合は、Python や TypeScript の知識が要ります。

Q. ChatGPTでもMCPは使えますか。

OpenAI は 2025年3月に Agents SDK で MCP に対応し、その後 ChatGPT の製品にも対応を広げています。使える範囲はプランや機能によって違うので、最新の状況は OpenAI の公式の案内で確かめてください。

Q. MCPとRAGはどう違いますか。

RAG は、質問に関係する文書を探して AI に渡し、その内容を元に答えさせる手法です。MCP は、AI と外部の道具やデータをつなぐ規格です。MCP サーバーの 1 つとして文書の検索を用意すれば、RAG と同じことを MCP の上で行えます。RAG の仕組みは 生成 AI と LLM の定義・仕組み・RAG の解説 で詳しく扱っています。

Q. MCPサーバーは自分で作る必要がありますか。

多くの場合、作る必要はありません。ファイル操作や GitHub、よく使う SaaS には、公式や提供元が用意したサーバーがあります。自社の業務システムのように既存のサーバーが無いものだけ、公式の SDK で作ります。社内に API があれば、それを包む小さなサーバーで足ります。

Q. 会社で使うとき、最初に何を決めればよいですか。

使ってよいサーバーの一覧、サーバーに渡す権限の範囲、道具の実行の前に人が確認する場面、の 3 つです。この 3 つを決めてから、読むだけのサーバーで試すのが安全です。

まとめ

まとめを表す図解

MCP は、AI アプリと外部のデータや道具を同じ手順でつなぐための共通の規格です。ホスト・クライアント・サーバーの 3 者で動き、サーバーはツール・リソース・プロンプトを AI に出します。API を置き換えるのではなく、API を AI が使いやすい形に包む層だと考えると分かりやすくなります。

持ち帰り

  • MCP は「AI のための共通の差し込み口」
  • 使うだけなら、既にあるサーバーを足せば始められる
  • つなぐ範囲と権限は最小から広げる
  • 自社のデータを MCP で出せる形に整えることが、長く効く準備になる

Claude 全体の動きは Claude のまとめ で、Claude Code の始め方は Claude Code の始め方と料金 で確かめられます。

最終更新: 2026年11月