俄かにMCP(Model Context Protocol)が盛り上がってきています。
MCPは従来の点単位の統合ではなく面として機能する統合基盤であり、AIエージェントの能力を最大化する「標準ポート」の役割を果たします。
MCPが普及すれば、自社のデータ資産をAIが自在に活用できるようになり、広告・マーケティングの分野でも新たなサービス創出や業務効率化のチャンスが生まれるかもしれません。今回はこの「MCP」について、解説していきます。
MCPは「AIにおけるUSB-Cポート」のようなもの
Anthropic社が2024年11月に提唱・オープンソース公開したMCPは、AIモデル(LLMなど)と外部のデータソースやツールを接続するための新しいオープン標準プロトコルです。
Introducing the Model Context Protocol (MCP)
An open standard we've been working on at Anthropic that solves a core challenge with LLM apps – connecting them to your data.
No more building custom integrations for every data source. MCP provides one protocol to connect them all: pic.twitter.com/kYsivQyPDq
— Alex Albert (@alexalbert__) 2024年11月25日
従来、AIモデルは訓練データに含まれない社内データや最新情報にアクセスできず、“情報のサイロ”に閉じ込められている状態でした。例えばデータベースやクラウドストレージの内容をAIに参照させたい場合、システムごとに個別のAPI連携を開発する必要がありました。
MCPはこの課題を解決するために設計されており、単一の標準プロトコルでさまざまなデータ源とAIを双方向接続できるようにします。
AnthropicはこのMCPを「AIにおけるUSB-Cポート」のようなものだと説明しており、USB-Cがデバイスと周辺機器を統一規格でつなぐように、MCPもAIモデルと多様なツール・データを統一的につなぐ役割を果たします。
その目的は、AIが必要とする社内外のデータにシームレスかつ安全にアクセスし、より高度で関連性の高い回答を生成できるようにすることです。MCPはクライアント-サーバー型のシンプルなアーキテクチャを採用しており、データソース側を「MCPサーバ」、AIを組み込むアプリケーション側を「MCPクライアント」として、標準化された方法で通信を行います。
AnthropicがMCPを提唱した背景には、AIモデルを外部データと安全・効率的に統合する共通の枠組みが必要だという認識がありました。
LLMの宿命として、モデル自身が学習していない新規データに弱く、現実世界の業務で活用するには各社のデータソース(ファイルシステム、DB、クラウドアプリなど)とつなぐ実装部分がボトルネックでした。
Anthropicは自社のAIアシスタント「Claude」を企業システムに導入する中でこの問題に直面し、誰もが利用できるオープンな標準としてMCPを開発しました。MCPはAnthropic単独の技術ではなく、公開後は他の企業や開発者も参加するコミュニティ主導のプロジェクトとして発展しています。
MCPの活用事例や実装例は？
MCPは提唱から間もない新技術ですが、既にいくつかの企業やプロジェクトで試験的な導入・実装が進んでいます。
まず、Anthropic自身が提供するAIアシスタント環境でのサポートがあります。
AnthropicはClaudeのデスクトップアプリでMCP接続をサポートし、GoogleドライブやSlack、GitHubなど主要なサービス向けのMCPコネクタ(サーバ)をオープンソースで公開しました。
これにより、特別な開発をしなくても既存のツールとClaudeを連携させ、ファイル検索やチャット履歴の参照などを実現できます。たとえばClaude Desktop上でGoogleドライブ用MCPサーバを有効化すれば、Claudeが社内のGoogleドライブ資料を検索・要約してくれるといった使い方が可能になります。
企業での導入例もあります。決済サービス大手のBlock社や、Apollo社といった企業はアーリーアダプタとして早期にMCPを自社システムに統合し始めています。
Block社CTOのプラサンナ氏は「MCPのようなオープン技術は、AIを現実のアプリケーションにつなぐ架け橋であり、創造性に集中できる環境を生み出す」とコメントしており、バックオフィスの自動化や情報検索の効率化など社内向けAIエージェントへの期待を表明しています。
またApollo社でも社内データとAIチャットボットの連携などプロトタイプ的な商用利用が進んでいると伝えられています。これらの企業はMCPを用いてAIを自社のデータ基盤に組み込み、顧客対応や業務処理を高度化する先行事例と言えます。
次に、開発者向けのツールやプラットフォームへの組み込みです。初期には新興エディタのZed、ノーコード開発環境のReplit、AIエディタのWindsurf、コード検索のSourcegraphといった開発支援サービス各社が対応し、現在では以前連載で紹介したCursorやCline、Roo Codeといった開発環境でも対応が進んでいます。
Microsoftがいち早くMCP対応を組み込んだ
3月19日には、Microsoftが自社のCopilot StudioにMCP対応を組み込むことを発表しました。Copilot Studioは業務プロセスにAIエージェントを導入するためのMicrosoftのプラットフォームですが、ここにMCPサポートが追加されたことで、クリック操作だけで社内データソースとAIをつなげることが可能になりました。
具体的には、社内の「ナレッジサーバ」(たとえばデータベースや社内API)がMCPサーバとして登録されていれば、Copilot Studio上でエージェントにそのサーバを接続するだけで、関連するアクションや知識が自動的にAIに追加される仕組みです。
企業向けの仮想ネットワークやデータ損失防止(DLP)ポリシー、多要素認証といったセキュリティ統制にも対応しており、既存の社内システムとAIの橋渡しを安全に行える点が評価されています。MicrosoftによるサポートはMCPの信頼性を裏付ける動きであり、今後、他の大手クラウドやソフトウェア企業も追随する可能性があります。
また直近では、同じくMicrosoftからPlaywright MCPが公開されました。Playwrightはブラウザ自動化ツールであり、これまでもBrowser Useという名前でLLMとの連携が提案されていましたが、MCP対応となることでより簡単、かつ詳細な制御が可能になります。
これまでの実装ではスクリーンショットを介してビジョンLLMの画像認識と連携していましたが、MCP版ではアクセシビリティスナップショットという機能により、WebコンテンツをLLMが理解できる構造化された情報として提供できるようになります。
こうした事例から、MCPはスタートアップから大企業まで幅広く試験導入が進む段階にあります。標準仕様とSDK（ソフトウェア開発キット）も公開されているため、独自のMCPサーバを開発して自社ニーズに合わせたAI連携ツールをつくることもできます。
ビジネス現場でも、まずは小規模なプロトタイプから社内文書検索AIやカスタマーサポートBOTにMCPを組み込んでみる、といった実験が各所で始まっている状況です。
次回も引き続きMCPについて、他のプロトコルや技術との比較の視点からお伝えします。
