MCPとは｜AIと自社データをつなぐ仕組みを解説

「MCP対応」という表記を見る機会が増えました。しかし何のための仕組みで、自社に関係あるのかが分かりにくい言葉でもあります。

ひとことで言えば、MCPはAIと、自社が持っているデータや道具を、決まった形でつなぐための取り決めです。これが標準化されたことで、AIができることの範囲が大きく変わりました。

本記事では、この仕組みが何を解決するのか、業務で何ができるようになるのか、そして導入前に決めておくべき権限とセキュリティを、専門用語を避けて整理します。

結論｜AIに外部とつながる口を作る

最初に全体像をお伝えします。

何が変わったか

従来、生成AIができることはその場で入力した内容を処理することに限られていました。社内のファイルを見に行ったり、システムから数字を取ってきたりはできません。

MCPは、そこに外部とつながるための共通の口を作る取り決めです。これにより、AIが自社のデータを参照したり、道具を操作したりできるようになります。

「共通の」が重要

Anthropicの発表によれば、MCPはAIシステムとデータソースを接続するための普遍的でオープンな標準を提供し、断片化した個別の接続を1つのプロトコルに置き換えるものとされています（出典：Anthropic「Introducing the Model Context Protocol」）。

従来は接続先ごとに個別の実装が必要で、そのために拡張が難しかったと説明されています。共通の形が決まったことで、一度作れば使い回せるようになりました。

中小企業にとっての意味

実務上の意味は単純です。「AIに社内の情報を渡す」ための作り込みが、以前より軽くなったということです。

ただし後述しますが、つながる範囲を決める作業は依然として人の仕事です。ここを飛ばすと事故になります。

解決している問題

なぜこの仕組みが必要だったのかを整理します。

AIは孤立していた

Anthropicの説明では、どれほど高度なモデルであってもデータからの隔離という制約を受けており、情報のサイロや古いシステムの背後に閉じ込められている、と表現されています。

実務でこれを感じるのは、毎回コピー＆ペーストで情報を渡しているときです。手元の資料をAIに貼り付け、出てきた結果をまた別の場所に貼り直す。この往復が作業の大半を占めることがあります。

接続ごとに作り込みが必要だった

従来は、AIをある道具につなぐたびに専用の作り込みが必要でした。つなぎたい先が10個あれば、10通りの実装が要ります。

これが標準化されたことで、同じ形で扱えるようになったというのがMCPの核心です。

オープンな標準として開発されている

MCPはAnthropicの David Soria Parra 氏と Justin Spahr-Summers 氏によって作られましたが、協働的なオープンソースのプロジェクトおよびエコシステムとして構築されているとされています。

特定の会社の製品ではなく仕様であるため、複数のAIサービスや道具が同じ仕組みに対応できる点が実務上の利点になります。

サーバーとクライアントの関係

2つの言葉が出てくるので整理します。

2つの役割

公式の説明では、開発者はMCPサーバーを通じて自分のデータを公開するか、それらのサーバーに接続するAIアプリケーション（MCPクライアント）を構築するか、いずれかを行うとされています。

役割	担うこと	例えると
MCPサーバー	データや機能を提供する側	窓口を出す側
MCPクライアント	それを使うAIアプリ側	窓口を訪れる側

利用する立場では

中小企業がまず関わるのはクライアント側です。すでに用意されているサーバーに接続して使う形になります。

自社専用のサーバーを作るのは、社内固有のシステムとつなぎたくなった段階の話です。最初からそこを目指す必要はありません。

仕様は更新されている

MCPの仕様は継続的に更新されています。公式のブログでは、2026年7月28日版の仕様について、ステートレスなプロトコルコア、複数往復のリクエスト、ヘッダーベースのルーティング、認可の強化、拡張フレームワークなどが含まれると説明されています（出典：Model Context Protocol Blog「The 2026-07-28 Specification」）。

実務上の含意は、仕様が動いている領域であるということです。基幹業務に深く組み込む前に、この点を踏まえた判断が必要になります。

データで見る背景

なぜ今この仕組みが注目されるのかを、公表資料から確認します。

半数以上が業務でAIを使っている

総務省が2025年7月に公表した「令和7年版 情報通信白書」によると、何らかの業務で生成AIを利用していると回答した割合は日本で55.2%と報告されています（出典：総務省「令和7年版 情報通信白書」企業におけるAI利用の現状）。

文章作成での利用が一巡した結果、次は「自社のデータを使わせたい」という要望に移ったのが自然な流れです。MCPはその要望に対応する仕組みにあたります。

懸念の2位はセキュリティ

同白書では、導入の懸念事項として「効果的な活用方法がわからない」が最も多く、次いで「社内情報の漏えい等のセキュリティリスク」が挙げられています。

AIを自社データにつなぐ話である以上、この2位が直接効いてきます。本記事の後半で扱う権限設計は、この懸念に答えるためのものです。

業務で何ができるようになるか

具体的な用途を挙げます。

散らばった情報をまとめて扱う

最も分かりやすい用途です。複数の場所にある情報を、AIが必要に応じて取りに行けるようになります。

これまで人が手作業で集めていた情報を、依頼した時点でAIが集める形に変わります。

道具の操作を任せる

読み取るだけでなく、道具を操作させることもできます。当社では実際に、広告やSNSの運用でこの形を使っています。

具体的な進め方は広告・SNS・SEOをAIで自動化する、媒体ごとの詳細はGoogle広告のMCP自動化やInstagram運用のMCP自動化で扱っています。

定型のやり取りを減らす

「毎回同じ場所から数字を取ってきて、同じ形にまとめる」という作業は、この仕組みで大きく減ります。

ただし数字そのものの正しさは別の問題です。取得は自動化できても、検算は依然として必要です。

できないこと

誤解を避けるために書いておきます。MCPはつなぐための取り決めであって、AIを賢くする仕組みではありません。

つないだ結果として何を出すかは、AIの性質に依存します。事実でない内容を出す可能性は変わらないため、ハルシネーション対策は引き続き必要です。

導入前に決める権限の設計

ここが最も重要な工程です。

つなぐ範囲を先に決める

技術的につなげることと、つないでよいことは別です。どのデータに、誰の権限で、何をさせるかを先に決めてください。

決めること	判断の観点
対象データ	個人情報・金額・未公開情報を含むか
操作の範囲	読み取りだけか、書き込みもさせるか
実行の主体	誰の権限で動くか
確認の要否	実行前に人の承認を挟むか

まず読み取りだけにする

最初は読み取り専用から始めてください。書き込みや削除を伴う操作は、慣れてから段階的に広げます。

読み取りだけなら、間違っても元のデータは壊れません。取り返しがつく範囲で始めるのが原則です。

権限は最小にする

「とりあえず全部見えるようにする」は避けてください。必要な範囲だけに絞るほうが、後から広げるより安全です。

広い権限で始めて後から絞るのは、実務上ほぼ行われません。最初の設計がそのまま残ります。

セキュリティ上の注意点

AIを外部とつなぐ以上、固有のリスクがあります。

指示が混ざり込む可能性

外部から取得したデータの中に、AIへの指示として解釈されうる文章が含まれている場合があります。取り込んだ内容によって、意図しない動作が起きる可能性があるということです。

対策は、信頼できる接続先に限定することと、影響の大きい操作の前に人の確認を挟むことです。

接続先を管理する

誰がどの接続を追加できるかを決めてください。各自が自由に追加できる状態は避けるべきです。

使ってよい接続先を一覧にし、追加する際は申請を経る形にすると管理できます。

ログを残す

何にアクセスし、何を実行したかの記録が取れるかを確認してください。問題が起きたときに追跡できない状態は避けます。

社内ルールに含める

既存のAI利用ルールに、「外部接続の扱い」を項目として追加してください。文章作成のルールだけではこの領域がカバーされません。

ルールの作り方は社内AIルールの作り方｜情報漏洩を防ぐ生成AIガイドライン8項目で解説しています。

導入の難易度を正しく見積もる

「標準化された」と聞くと簡単に思えますが、実際の難易度を整理しておきます。

接続そのものは難しくない

既存の接続先を使うだけなら、設定を数箇所行う程度で動きます。プログラムを書く必要はありません。

難しいのは接続の作業ではなく、その前後にあります。

難しいのは3つ

工程	難易度	理由
接続の設定	低い	手順に沿えば動く
つなぐ対象の選定	高い	効果が出る対象を見極める必要がある
権限の設計	高い	広すぎれば危険、狭すぎれば使えない
運用の管理	中	接続が増えたときの把握

つまり技術の問題ではなく、判断の問題です。ここに時間をかけるべきで、接続作業そのものを心配する必要はありません。

自社に情報システム担当がいない場合

中小企業では、専任の担当者がいないことが一般的です。その場合でも、読み取り専用・1接続の範囲なら始められます。

ただし権限の設計と接続先の管理は、誰か1人が責任を持つ形にしてください。全員が自由に追加できる状態は、規模に関係なく避けるべきです。

費用の考え方

金額そのものは環境によって変わるため、何が費用を決めるかを示します。

MCP自体に費用はかからない

MCPは仕様であり、オープンな標準として開発されています。仕様を使うこと自体に利用料は発生しません。

費用が発生するのは3か所

• AI側の利用料：接続することで処理量が増えると、その分の費用が動く
• 接続先のサービス料：つなぐ先が有料サービスなら、その契約が必要
• 構築・設定の手間：自社専用の接続を作る場合の工数

3つ目は、既存の接続先を使う限り発生しません。まず既存のもので試すほうが、費用の面でも無駄がないということです。

処理量が増える点に注意

見落とされやすい点です。AIが外部から情報を取得すると、その情報を処理するぶん利用量が増えます。

大量のデータを毎回読み込ませる設計にすると、費用が想定を超えることがあります。取得する範囲を絞ることは、安全性だけでなく費用の観点でも重要です。

中小企業が始める順番

現実的な進め方を示します。

1｜つなぎたい先を1つ決める

最初から複数をつながないでください。1つだけ選んで、そこで運用が回るかを確かめます。

選ぶ基準は、頻繁に情報を取りに行っていて、かつ個人情報を含まない対象です。

2｜読み取りだけで1か月

読み取り専用の状態で1か月使い、実際に手作業が減ったかを確認してください。

ここで効果が出なければ、対象の選定が合っていません。範囲を広げる前に見直します。

3｜記録を残す

どの接続を、誰が、何のために使っているかを1枚の表にしてください。気づかないうちに接続が増えるのを防げます。

4｜必要になってから広げる

書き込みを伴う操作や、複数の接続をまたぐ処理は、読み取りで効果が確認できてから検討してください。

モデルケース｜レポート作成の自動化（試算）

効果のイメージを示します。以下は実在の企業ではなく、当社が想定する典型的な状況にもとづく試算です。効果は環境によって変わります。

導入前の状況

従業員35名のサービス業。毎週、複数のツールから数字を集めてレポートを作成しています。

工程	所要時間	内容
数字を集める	50分	3か所から手作業で取得しコピー
形式を揃える	30分	単位や期間の表記を統一
説明文を書く	40分	変化の要因を記述
合計（週1回）	2時間	—

実施したこと

読み取り専用で3か所に接続し、数字の取得と形式の統一を自動化しました。説明文の作成はAIに任せ、数字の検算は人が実施する形にしています。

書き込みを伴う操作は行っていません。接続先は3つに限定し、一覧表で管理しています。

削減時間の試算

時給換算2,500円・月20営業日を前提とした試算です。

工程	導入前	導入後（試算）
数字を集める	50分	5分
形式を揃える	30分	5分
説明文を書く	40分	15分
検算（新設）	—	10分
週1回の合計	2時間	約35分
月間の削減見込み	—	約5.7時間
金額換算（月）	—	約14,250円

検算工程を新設している点にご注目ください。取得が自動になっても、数字の正しさは人が確認する必要があります。この10分は削れません。

この会社で評価されたのは、時間より「レポートが出る日が安定したこと」でした。担当者が忙しい週は遅れていた作業が、定時に出るようになっています。

「自社で何をつなげば効果が出るか」でお困りの方へ。対象の選定からご一緒します。初回のご相談は無料です。無料相談はこちら。

業種別の使いどころ

業種によって、つなぐ価値のある対象が変わります。

小売・EC

効果が出やすい業種です。売上データと在庫、広告の数字が別々の場所にあり、集める作業が頻繁に発生するためです。

ただし顧客情報を含む領域は対象から外し、集計済みの数字に限定してください。

製造業

生産数や不良数の集計に効きます。ただし基幹システムへの書き込みは対象外にしてください。読み取りのみで十分な効果が出ます。

建設・設備工事

工事別の原価や進捗が複数のファイルに分散している場合、集約に効きます。まずは事務部門の集計業務から始めるのが現実的です。

士業・コンサルティング

顧問先の情報を扱うため、最も慎重な設計が必要な業種です。案件管理の件数集計など、個人情報を含まない範囲から検討してください。

医療・介護

個人情報を扱う領域が広いため、診療・介護記録に関わる接続は避けてください。備品管理や勤務集計など、限定的な用途にとどめる判断が妥当です。

よくある質問（FAQ）

Q. MCPとは何ですか？

A. AIと外部のデータやツールを、決まった形でつなぐためのオープンな取り決めです。Anthropicの説明では、断片化した個別の接続を1つの標準に置き換えるものとされています。特定企業の製品ではなく仕様であるため、複数のサービスが同じ仕組みに対応できます。

Q. サーバーとクライアントの違いは？

A. サーバーはデータや機能を提供する側、クライアントはそれを使うAIアプリ側です。中小企業がまず関わるのはクライアント側で、すでに用意されているサーバーに接続して使う形になります。

Q. 自社でサーバーを作る必要がありますか？

A. 最初は不要です。社内固有のシステムとつなぎたくなった段階で検討する話です。まずは既存の接続先を使い、効果が確認できてから判断してください。

Q. セキュリティは大丈夫ですか？

A. 設計次第です。まず読み取り専用から始め、権限を最小に絞り、接続先を管理し、ログを残す。この4つを守れば、リスクは大きく下がります。逆に「とりあえず全部見えるように」は避けてください。

Q. 取り込んだデータに危険はありますか？

A. 外部から取得したデータに、AIへの指示として解釈されうる文章が含まれている可能性があります。対策は、信頼できる接続先に限定することと、影響の大きい操作の前に人の確認を挟むことです。

Q. AIの精度は上がりますか？

A. 上がりません。MCPはつなぐための取り決めであって、AIを賢くする仕組みではないためです。事実でない内容を出す可能性は変わらないため、検算や確認は引き続き必要です。

Q. 仕様は安定していますか？

A. 継続的に更新されています。2026年7月28日版では、ステートレスなプロトコルコアや認可の強化などが含まれると公式に説明されています。動いている領域であることを踏まえ、基幹業務に深く組み込む前に判断してください。

Q. 何から始めればよいですか？

A. つなぎたい先を1つだけ決め、読み取り専用で1か月使ってください。選ぶ基準は、頻繁に情報を取りに行っていて、かつ個人情報を含まない対象です。効果が出なければ、範囲を広げる前に対象を見直します。

Q. どのくらい効果が出ますか？

A. 手作業で情報を集める頻度によります。モデルケース（週1回のレポート作成・3か所から取得）では月約5.7時間という試算になりました。ただし検算工程は新設が必要で、この時間は削れません。

Q. 中小企業に必要ですか？

A. 「毎回同じ場所から数字を取ってきて、同じ形にまとめる」作業が週次以上で発生しているなら、検討する価値があります。逆に月1回程度なら、効果を実感しにくい領域です。

Q. 社内ルールはどう変えるべきですか？

A. 既存のAI利用ルールに「外部接続の扱い」を項目として追加してください。誰が接続を追加できるか、使ってよい接続先はどれか、この2つを決めるだけでも管理できる状態になります。

まとめ

• MCPはAIと外部データ・ツールをつなぐオープンな標準
• 従来は接続先ごとに個別実装が必要だった。それを1つの形に置き換える
• 提供側がサーバー、使う側のAIアプリがクライアント
• 中小企業がまず関わるのはクライアント側。自社サーバーの構築は後回しでよい
• AIが賢くなる仕組みではない。検算や確認は引き続き必要
• 始めるなら読み取り専用・権限は最小・接続先は限定
• 取り込んだデータに指示が混ざり込む可能性がある。信頼できる先に限定する
• 仕様は継続的に更新中。基幹業務に深く組み込む前に判断する

MCPは「AIに何をさせるか」ではなく「AIに何を見せるか」を決める仕組みです。だからこそ、つなぐ範囲の設計が導入の成否を分けます。

無料相談はこちら（初回のご相談・お見積りは無料です）

実際の活用例は広告・SNS・SEOをAIで自動化する、開発環境についてはClaude Codeとは、他業務も含めた全体像は業務効率化のアイデア20選にまとめています。