MCPとは？AIエージェントの新標準規格を解説

「Slackのメッセージを要約して、Notionにまとめて、Googleカレンダーにタスクを登録して」――AIアシスタントにこうした指示を出すたびに、それぞれのツールとの接続設定に苦労した経験はないでしょうか。APIキーの取得、認証フローの実装、レスポンス形式の変換。ツールが増えるたびに、接続のための「つなぎ込みコード」が雪だるま式に膨れ上がっていきます。

この問題を根本から解決するために生まれたのが、MCP（Model Context Protocol）です。よく「AIのUSB-C」と呼ばれるこのプロトコルは、AIアプリケーションと外部ツールの接続方法を統一し、一度書いた接続コードをあらゆるAIアプリから再利用できるようにします。

2024年11月にAnthropicが発表してから、わずか1年あまりでOpenAI、Google、Microsoftなど主要プレイヤーがこぞって採用。2025年12月にはLinux Foundation傘下の「Agentic AI Foundation」に寄贈され、業界全体で推進する真のオープン標準となりました。本記事では、MCPの基本概念から技術的な仕組み、具体的な活用方法、そして実装方法まで、15,000字超の徹底解説をお届けします。AIエージェントの基本概念をまだ押さえていない方は、先にそちらを読んでおくとより理解が深まります。

MCPとは何か？ ―― 定義・背景・なぜ今必要なのか

MCPの定義

MCP（Model Context Protocol）は、AIアプリケーションが外部のツールやデータソースと通信するための標準化されたプロトコルです。Anthropicが2024年11月に発表し、現在はLinux Foundation傘下のAgentic AI Foundation（AAIF）が管理するオープン規格として開発が進められています。

従来、AIアプリケーションが外部ツール（Slack、GitHub、データベースなど）と連携するには、ツールごとに専用の接続コードを書く必要がありました。MCPは、この接続のインターフェースを統一することで、ツール側は「MCPサーバー」を1つ用意すれば、MCP対応のあらゆるAIアプリケーションから利用可能になる仕組みを実現します。

なぜMCPが必要なのか ―― 「N×M問題」

MCPの必要性を理解するには、まず「N×M問題」を知る必要があります。

AIモデルがN個、連携先のツールがM個ある世界を考えてみましょう。MCPなしでは、それぞれのAIモデルとツールの組み合わせごとに接続コードを書く必要があります。AIモデルが5つ、ツールが10個なら、最大50個の接続コードが必要です。新しいAIモデルやツールが登場するたびに、この組み合わせは爆発的に増加します。

比較項目	MCPなし	MCPあり
接続コード数	N × M（爆発的に増加）	N + M（線形増加）
新ツール追加時	全AIアプリに個別対応が必要	MCPサーバー1つ作るだけ
新AIアプリ追加時	全ツールに個別対応が必要	MCPクライアント実装のみ
メンテナンス負荷	接続ごとに個別の保守が必要	プロトコル準拠で保守が容易
開発者の学習コスト	ツールごとに異なるAPI仕様	MCPの仕様1つを覚えればOK

USB-Cが登場する前のスマートフォンを思い出してください。メーカーごとに充電ケーブルが違い、端末が変わるたびにケーブルを買い直す必要がありました。USB-Cの登場で、1本のケーブルがほぼすべての端末に使えるようになりました。MCPは、まさにAIツール接続における「USB-C」の役割を果たします。

MCPが生まれた背景

MCPが発表された2024年11月は、AIエージェントの実用化が急速に進んでいた時期でした。Claude、ChatGPT、Geminiなどの大規模言語モデルが「ただ質問に答える」段階から「ツールを使って実際にタスクを実行する」段階へと進化し、AIエージェントとしての活用が本格化し始めていました。

しかし、エージェントが使えるツールを増やそうとすると、先述のN×M問題が深刻化します。Anthropicは自社のClaude向けにこの問題を解決するだけでなく、業界全体で使えるオープン標準として公開する道を選びました。この「オープン」という判断が、結果として業界標準への最短ルートになりました。

MCPの採用タイムライン

MCPがどのように業界標準となっていったのか、主要なマイルストーンを時系列で整理します。

• 2024年11月：Anthropicが MCP を発表。Claude DesktopがMCPクライアントとして対応
• 2025年1月〜2月：CursorやClineなどのAI開発ツールがMCPに対応開始
• 2025年3月：OpenAIがChatGPTでMCPサポートを発表。Streamable HTTPトランスポートを導入
• 2025年6月：Streamable HTTP仕様が確定。OAuth 2.1認証が正式統合
• 2025年11月：MCP 1周年記念の大型仕様更新。Sampling、Roots、Elicitationを追加
• 2025年12月：Anthropic、Block、OpenAIがAgentic AI Foundation（AAIF）を共同設立。MCPをLinux Foundationに寄贈
• 2026年2月：SDKダウンロード数が月間9,700万回超、公式レジストリのサーバー数が10,000以上に到達
• 2026年4月（予定）：ニューヨークで「MCP Dev Summit North America 2026」開催。95以上のセッション

わずか1年半でここまで普及した理由は、技術の優秀さだけではありません。「オープン」であること、既存のWeb標準（JSON-RPC、HTTP、OAuth）を活用していること、そしてSDKの充実により導入障壁が低いことが、爆発的な採用につながりました。

MCPの技術的な仕組み ―― アーキテクチャと通信プロトコル

3層アーキテクチャ：ホスト・クライアント・サーバー

MCPのアーキテクチャは、ホスト、クライアント、サーバーの3つの層で構成されます。

MCPホスト

ユーザーが直接操作するアプリケーションです。Claude Desktop、Cursor、VS Code（GitHub Copilot）、ChatGPTなどがこれに該当します。ホストはMCPクライアントを内蔵し、ユーザーの指示に応じてMCPサーバーとの通信を管理します。1つのホストが複数のMCPクライアントを持ち、複数のサーバーに同時に接続することが可能です。

MCPクライアント

ホストの内部で動作するコンポーネントで、MCPサーバーとの通信を担います。各MCPクライアントは1つのMCPサーバーと1対1で接続します。プロトコルレベルでのセッション管理、メッセージのルーティング、エラーハンドリングなどを行います。

MCPサーバー

外部ツールやデータソースへのアクセスを提供する軽量なプロセスです。MCPサーバーは以下の6つの機能（Capability）を公開できます。

機能	説明	具体例
Tools（ツール）	AIモデルが実行できるアクション	メール送信、DB検索、ファイル操作、API呼び出し
Resources（リソース）	AIモデルが参照できるデータ	ドキュメント、DB内容、設定ファイル
Prompts（プロンプト）	再利用可能なプロンプトテンプレート	コードレビュー用プロンプト、要約テンプレート
Sampling（サンプリング）	サーバーがクライアント側のLLMにリクエスト	サーバーが追加の推論をLLMに依頼
Roots（ルーツ）	サーバーがアクセスできるリソース範囲の指定	作業ディレクトリの制限、スコープ管理
Elicitation（引き出し）	サーバーがユーザーに追加情報を要求	認証情報の入力要求、確認ダイアログ

初期の仕様ではTools、Resources、Promptsの3つでしたが、2025年11月の仕様改訂でSampling、Roots、Elicitationが正式に追加され、より高度なエージェントの振る舞いに対応できるようになりました。

通信プロトコル：JSON-RPC 2.0

MCPの通信はJSON-RPC 2.0をベースにしています。JSON-RPCは、JSONフォーマットでリモートプロシージャコール（RPC）を行うためのプロトコルで、軽量・シンプル・言語非依存という特徴を持ちます。

MCPでのJSON-RPCメッセージには3種類あります。

• Request（リクエスト）：クライアントからサーバーへの要求。IDを持ち、レスポンスを期待する
• Response（レスポンス）：サーバーからクライアントへの応答。対応するリクエストのIDを含む
• Notification（通知）：IDを持たない一方向のメッセージ。レスポンスを期待しない

たとえば、天気を取得するToolの呼び出しは、内部的には以下のようなJSONメッセージがやり取りされます。

// クライアント → サーバー（リクエスト）
{
  "jsonrpc": "2.0",
  "id": 1,
  "method": "tools/call",
  "params": {
    "name": "get_weather",
    "arguments": { "city": "東京" }
  }
}

// サーバー → クライアント（レスポンス）
{
  "jsonrpc": "2.0",
  "id": 1,
  "result": {
    "content": [
      { "type": "text", "text": "東京の天気は晴れ、気温は22°Cです。" }
    ]
  }
}

トランスポート方式：stdioとStreamable HTTP

MCPでは、メッセージを運ぶ「トランスポート」として2つの方式が定義されています。

stdio（標準入出力）

ローカル環境で最も一般的に使われる方式です。ホストがMCPサーバーをサブプロセスとして起動し、標準入出力（stdin/stdout）を通じてJSON-RPCメッセージを交換します。ネットワーク通信が不要でセットアップが簡単、セキュリティリスクも低い方式です。Claude DesktopやCursorでMCPサーバーを使う場合、ほとんどはこの方式です。

Streamable HTTP

2025年3月に導入されたリモート通信用のトランスポートです。単一のHTTPエンドポイントで双方向のメッセージングを実現し、必要に応じてServer-Sent Events（SSE）でストリーミングを行います。従来のSSEトランスポートを置き換える形で策定され、OAuth 2.1による認証との相性が良い設計になっています。クラウドホスト型のMCPサーバーや、企業内のリモートサーバーとの接続に使われます。

認証・認可：OAuth 2.1の統合

リモートMCPサーバーでは、OAuth 2.1による認証・認可が標準として採用されています。MCPサーバーはOAuth 2.1のリソースサーバーとして機能し、クライアントはOAuth 2.1クライアントとしてアクセストークンを使ってリクエストを送信します。

具体的には、PKCE（Proof Key for Code Exchange）付きの認可コードフローが採用されており、ユーザーがブラウザで認証を完了するだけで、MCPクライアントがセキュアにリモートサーバーへアクセスできるようになります。Protected Resource Metadata（RFC 9728）の活用により、MCPサーバーがどの認証サーバーを使うかを自動的に発見できる仕組みも整っています。

MCPで何ができるか ―― 具体的なユースケース7選

MCPの仕組みを理解したところで、実際にどんなことができるのかを見ていきましょう。ここでは、ビジネスからエンジニアリングまで、代表的な7つのユースケースを紹介します。

1. 開発環境からのコード操作・デプロイ自動化

GitHub MCPサーバーを接続すると、AIエージェントがリポジトリの閲覧、Issue作成、Pull Request作成、コードレビューまでを一連の会話内で実行できます。たとえば「このバグのIssueを作成して、修正ブランチを切って、修正コードをPRとして出して」という一連のワークフローが、会話の中だけで完結します。CursorやClaude Codeでは、ファイルシステムMCPサーバーと組み合わせることで、コードの生成から反映、テスト実行まで自動で行えます。

2. 社内ナレッジの横断検索

Notion、Confluence、Google DriveなどのMCPサーバーを接続すれば、AIエージェントが複数の社内ドキュメントを横断的に検索し、関連情報をまとめて回答できます。「先月の売上レポートの要点を教えて」と聞くだけで、Google Driveから該当ファイルを見つけ、内容を要約してくれます。従来は各ツールの検索窓を個別に叩く必要がありましたが、MCPによって「1つのAIに聞けばすべてのドキュメントから答えが返ってくる」体験が実現します。

3. データベースへの自然言語クエリ

PostgreSQLやSQLiteのMCPサーバーを使えば、「先月の新規ユーザー数を地域別に出して」といった自然言語の質問が、適切なSQLクエリに変換されて実行されます。データアナリストでなくても、データベースから直接インサイトを取得できるようになります。AIがスキーマ情報をResourceとして把握しているため、テーブル名やカラム名を知らなくても、ビジネス用語で質問するだけで正しいクエリが生成されます。

4. マルチツール連携のワークフロー自動化

複数のMCPサーバーを同時に接続することで、ツールをまたいだ複雑なワークフローを実現できます。たとえば、「Slackで未読メンションを確認して、対応が必要なものをNotionのタスクリストに追加して、Googleカレンダーに対応時間をブロックして」という一連の操作を、1回の指示で実行できます。

5. Web情報の収集と分析

Brave SearchやFetch（Webスクレイピング）のMCPサーバーを使うと、AIエージェントがリアルタイムでWeb情報を収集し、分析・要約を行えます。競合調査、市場リサーチ、ニュースモニタリングなどに活用できます。「競合3社の最新プレスリリースを比較して、自社への影響をまとめて」といった複合的な指示にも対応可能です。

6. E2Eテストの自動化

Playwright MCPサーバーを接続すると、AIエージェントがWebアプリケーションのE2Eテストを自動で実行できます。スクリーンショットの取得、フォームへの入力、ボタンのクリック、レスポンスの検証といった操作を、自然言語の指示から自動生成します。「ログインフォームに正しい情報を入れてログインできることを確認し、不正なパスワードではエラーが出ることもテストして」と言えば、テストケースが自動的に作られ実行されます。

7. デザインからコードへの変換

Figma MCPサーバーを使えば、AIエージェントがFigmaのデザインファイルを読み取り、それをHTML/CSSやReactコンポーネントに変換できます。デザイナーとエンジニアの間のハンドオフ工程が大幅に短縮されます。色やフォントサイズなどのデザイントークンも自動抽出されるため、デザインと実装の乖離を防ぐことができます。

MCPと従来のAPI連携の違い

「結局、MCPは既存のREST APIやWebhookと何が違うの？」という疑問を持つ方も多いでしょう。ここで両者の違いを明確にしておきます。

比較項目	REST API / Webhook	MCP
主な用途	アプリ間のデータ連携	AIモデルとツールの接続
インターフェース設計	各サービスが独自に定義	統一プロトコルで標準化
AI向けの情報	なし（人間向けドキュメントのみ）	ツール説明・スキーマをAIが直接読める
発見方法	各サービスのドキュメントを読む	レジストリで検索、自動発見
認証方式	サービスごとに異なる	OAuth 2.1に標準化
双方向通信	Webhookで部分的に実現	Sampling/Elicitationでネイティブ対応

REST APIは「アプリケーション同士」が通信するための仕組みであるのに対し、MCPは「AIモデルとツール」が通信するための仕組みです。MCPサーバーの内部では結局REST APIを呼び出すケースも多いのですが、その接続を「AIが理解できる形」で抽象化している点が本質的な違いです。

MCP対応ツール・サービス一覧（2026年3月時点）

MCPのエコシステムは爆発的に成長しています。公式レジストリには10,000以上のMCPサーバーが登録されており、SDKのダウンロード数は月間9,700万回を超えています。ここでは主要なMCP対応ツールを整理します。

MCP対応クライアント（ホスト）

クライアント	提供元	種別	MCP対応状況
Claude Desktop	Anthropic	デスクトップアプリ	初期からフル対応、75以上の公式コネクタ
Claude Code	Anthropic	CLIツール	フル対応、MCP設定をJSON管理
ChatGPT	OpenAI	Webアプリ/デスクトップ	2025年3月から対応
Cursor	Anysphere	AIコードエディタ	フル対応、MCPサーバー設定UI搭載
Windsurf	Codeium	AIコードエディタ	フル対応
VS Code (GitHub Copilot)	Microsoft	コードエディタ	GitHub Copilot経由で対応
Cline	コミュニティ	VS Code拡張	フル対応
Zed	Zed Industries	コードエディタ	対応
LibreChat	コミュニティ	オープンソースUI	対応

主要なMCPサーバー

カテゴリ	MCPサーバー	提供	主な機能
開発ツール	GitHub	公式	リポジトリ操作、Issue管理、PR作成
	Git	公式	Gitリポジトリの読み取り・検索・操作
	Sentry	コミュニティ	エラー一覧取得、スタックトレース分析
コミュニケーション	Slack	公式	メッセージ送信、チャンネル操作
	Gmail	コミュニティ	メール検索・送信
	Microsoft Teams	コミュニティ	メッセージ、会議管理
ドキュメント	Google Drive	公式	ファイル検索・読み取り
	Notion	公式	ページ・データベース操作
	Confluence	コミュニティ	ドキュメント検索・編集
データベース	PostgreSQL	公式	SQLクエリ実行
	SQLite	公式	ローカルDB操作
Web	Brave Search	公式	Web検索
	Fetch	公式	Webコンテンツの取得・変換
クラウド	AWS	コミュニティ	AWSリソース管理
	GCP	コミュニティ	GCPリソース管理
デザイン	Figma	公式	デザインファイルの読み取り
テスト	Playwright	コミュニティ	E2Eテスト自動化、スクリーンショット
システム	Filesystem	公式	ファイルの読み書き（アクセス制御付き）

MCPサーバーは公式レジストリ（registry.modelcontextprotocol.io）で検索・発見できます。また、コミュニティがキュレーションする「awesome-mcp-servers」リポジトリも、目的のサーバーを見つけるのに便利です。

注目のAIエージェントツール5選で紹介しているツールの多くもMCPに対応しているので、ツール選定の際はMCP対応状況もチェックしておくとよいでしょう。

MCPサーバーの作り方 ―― TypeScriptで30行の実装例

MCPサーバーの実装は、公式SDKを使えば驚くほどシンプルです。ここでは、TypeScriptで天気情報を返すMCPサーバーを作る手順を紹介します。

Step 1：プロジェクトのセットアップ

# プロジェクトディレクトリの作成
mkdir weather-mcp-server && cd weather-mcp-server

# 初期化とSDKのインストール
npm init -y
npm install @modelcontextprotocol/sdk zod

@modelcontextprotocol/sdk がMCP公式SDKで、zod はToolのパラメータバリデーションに使うスキーマライブラリです。

Step 2：MCPサーバーの実装

import { McpServer } from "@modelcontextprotocol/sdk/server/mcp.js";
import { StdioServerTransport } from "@modelcontextprotocol/sdk/server/stdio.js";
import { z } from "zod";

// MCPサーバーのインスタンスを作成
const server = new McpServer({
  name: "weather",
  version: "1.0.0",
});

// "get_weather" ツールを登録
server.tool(
  "get_weather",                                    // ツール名
  "指定した都市の現在の天気を取得します",                  // ツールの説明（AIモデルが読む）
  {                                                  // パラメータスキーマ（zodで定義）
    city: z.string().describe("都市名（例：東京、大阪）"),
    unit: z.enum(["celsius", "fahrenheit"])
           .default("celsius")
           .describe("温度の単位"),
  },
  async ({ city, unit }) => {
    // 実際のプロダクションではWeather APIを呼び出す
    const temp = unit === "celsius" ? "22°C" : "72°F";
    return {
      content: [
        {
          type: "text",
          text: `${city}の天気：晴れ、気温${temp}、湿度45%`,
        },
      ],
    };
  }
);

// stdioトランスポートで起動
const transport = new StdioServerTransport();
await server.connect(transport);

console.error("Weather MCP Server is running...");

わずか30行ほどのコードで、MCPサーバーが完成しました。ポイントは以下の3つです。

• McpServer：サーバーインスタンス。名前とバージョンを指定
• server.tool()：ツールの登録。名前、説明、パラメータスキーマ、実行関数を渡す
• StdioServerTransport：標準入出力でメッセージをやり取りするトランスポート

Step 3：Claude Desktopに接続する

作成したMCPサーバーをClaude Desktopに接続するには、設定ファイルにサーバーの情報を追加します。

// macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
// Windows: %APPDATA%Claudeclaude_desktop_config.json

{
  "mcpServers": {
    "weather": {
      "command": "node",
      "args": ["/path/to/weather-mcp-server/index.js"]
    }
  }
}

Claude Desktopを再起動すると、チャット画面に工具アイコンが表示され、「東京の天気を教えて」と聞くだけで get_weather ツールが自動的に呼び出されます。

Pythonでの実装例

Python版のSDKも用意されているので、Pythonに慣れている方はこちらを使うこともできます。

from mcp.server.fastmcp import FastMCP

# サーバーを作成
mcp = FastMCP("weather")

@mcp.tool()
def get_weather(city: str, unit: str = "celsius") -> str:
    """指定した都市の現在の天気を取得します。

    Args:
        city: 都市名（例：東京、大阪）
        unit: 温度の単位（celsius または fahrenheit）
    """
    temp = "22°C" if unit == "celsius" else "72°F"
    return f"{city}の天気：晴れ、気温{temp}、湿度45%"

# サーバーを起動
mcp.run()

Python版はデコレータベースのシンプルなAPIを提供しており、Flaskのような感覚でMCPサーバーを実装できます。

Resourceの実装例

Tools以外に、AIモデルが参照できるデータ（Resource）も公開できます。

// 会社の方針ドキュメントをResourceとして公開
server.resource(
  "company-policy",
  "company://policy/remote-work",
  async (uri) => ({
    contents: [
      {
        uri: uri.href,
        mimeType: "text/markdown",
        text: "# リモートワーク方針nn## 対象n全正社員...",
      },
    ],
  })
);

ResourceはToolと異なり、AIモデルが「実行」するのではなく「参照」するデータです。社内ドキュメント、設定ファイル、APIドキュメントなどをResourceとして公開することで、AIモデルが最新の情報にアクセスできるようになります。

MCPの現状の課題と今後の展望

現状の課題

急速に成長しているMCPですが、まだいくつかの課題が残されています。

1. セキュリティの懸念

MCPサーバーは外部のツールやデータにアクセスする権限を持つため、悪意のあるMCPサーバーがユーザーのデータを窃取したり、意図しない操作を実行するリスクがあります。特に、コミュニティ開発のサーバーを利用する際は、ソースコードの確認やアクセス権限の制限が重要です。現在、サーバーの認証・検証の仕組みが仕様に追加されていますが、エコシステム全体での浸透はこれからです。

2. 発見性（ディスカバリ）

10,000以上のサーバーが存在する中で、目的に合ったサーバーを見つけることが難しくなっています。公式レジストリが整備されつつありますが、品質のばらつきや、似た機能を持つサーバーの乱立も課題です。

3. エラーハンドリングの標準化

MCPサーバーがエラーを返す場合の振る舞いが、サーバーによってまちまちです。タイムアウト、認証失敗、レート制限など、さまざまなエラーシナリオでの統一的なハンドリング方法が求められています。

4. ノーコード・ローコードユーザーへの対応

現時点では、MCPサーバーのセットアップにはある程度の技術知識が必要です。Difyのようなノーコードプラットフォームでは、MCPサーバーの接続をGUIで設定できる仕組みが整備されつつありますが、まだ発展途上です。ノーコードユーザーがMCPの恩恵を受けるためのツールやインターフェースの改善が期待されます。

今後の展望

Agentic AI Foundationによるオープンガバナンス

2025年12月、Anthropicは MCPをLinux Foundation傘下のAgentic AI Foundation（AAIF）に寄贈しました。AAIFはAnthropic、Block（旧Square）、OpenAIの3社が共同設立した財団で、Platinum会員にはAmazon Web Services、Google、Microsoft、Cloudflare、Bloombergが名を連ねています。

これにより、MCPは特定の企業に依存しない真のオープン標準として発展していく体制が整いました。2026年4月にはニューヨークで「MCP Dev Summit North America 2026」が開催され、95以上のセッションが予定されています。

マルチモーダル対応

現在のMCPは主にテキストデータのやり取りに最適化されていますが、2026年中には画像、音声、動画などのメディアタイプのサポートが強化される予定です。これにより、AIエージェントが「画像を見て」「音声を聞いて」判断・操作する高度なワークフローが可能になります。

エージェント間通信

現在のMCPは「ホスト←→サーバー」の1対1通信が基本ですが、将来的には複数のAIエージェントがMCP経由で協調するマルチエージェント構成が想定されています。あるエージェントが別のエージェントにタスクを委任したり、複数のエージェントが情報を共有しながら問題を解決する、といったシナリオです。

MCP Apps

MCPの上に構築されるインタラクティブなアプリケーション（MCP Apps）も注目を集めています。埋め込みWeb UI、ボタン、フォームなどをMCPプロトコル上で実現し、AIエージェントとユーザーのインタラクションをリッチにする方向で仕様策定が進んでいます。

MCPを始めるための3ステップ

ここまでの内容を踏まえ、MCPを実際に試してみるための具体的なステップを紹介します。技術的な深い知識は不要です。

ステップ1：MCP対応クライアントを用意する（5分）

まず、MCPサーバーを接続できるクライアントアプリケーションを準備します。おすすめは以下の2つです。

• Claude Desktop（無料プランあり）：最もMCPサポートが充実。75以上の公式コネクタが使える
• Cursor（無料プランあり）：コーディング用途ならこちら。MCPサーバーの設定UIが直感的

公式サイトからダウンロード・インストールするだけで準備完了です。

ステップ2：既存のMCPサーバーを接続する（10分）

いきなり自分でMCPサーバーを作る必要はありません。まずは既存のサーバーを接続して、MCPの体験を掴みましょう。おすすめはFilesystem MCPサーバーです。

Claude Desktopの場合、設定ファイルに以下を追加するだけです。

{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-filesystem",
        "/Users/yourname/Documents"
      ]
    }
  }
}

これで「Documentsフォルダにある先月のレポートを要約して」といった指示が可能になります。AIがファイルシステムに直接アクセスし、該当ファイルを見つけて内容を読み取り、要約を返してくれます。

ステップ3：自分のMCPサーバーを作る（30分〜）

MCPの感覚を掴んだら、本記事のコード例を参考に、自分だけのMCPサーバーを作ってみましょう。社内のAPIやデータベースをMCPサーバー化すれば、AIエージェントから直接アクセスできるようになります。

公式ドキュメント（modelcontextprotocol.io）には、TypeScript・Python・Java・Go・C#・Kotlin・Swiftなど主要言語のSDKリファレンスとチュートリアルが揃っています。

よくある失敗と対策

MCPを始める際によくあるつまずきポイントを事前に押さえておきましょう。

• Node.jsのバージョンが古い：MCP SDKはNode.js 18以上が必要です。node -v で確認し、古い場合はアップデートしてください
• 設定ファイルのパスが間違っている：Claude Desktopの設定ファイルの場所はOSによって異なります。macOSは ~/Library/Application Support/Claude/、Windowsは %APPDATA%Claude です
• MCPサーバーのプロセスが起動しない：設定ファイルの command に指定したコマンドが正しいか、args のパスが絶対パスになっているか確認してください
• 権限エラーが出る：Filesystem MCPサーバーは、指定したディレクトリ以外にはアクセスできません。アクセスしたいディレクトリを args に正しく指定してください

よくある質問（FAQ）

Q. MCPは無料で使えますか？

はい、MCPはオープン規格であり、プロトコル自体の利用に費用はかかりません。公式SDKもMIT Licenseで無料で利用できます。ただし、MCPクライアント（Claude Desktop、Cursor等）やリモートMCPサーバーの利用には、各サービスの料金が別途発生する場合があります。

Q. MCPを使うにはプログラミングの知識が必要ですか？

既存のMCPサーバーを利用するだけなら、設定ファイルにJSONを書く程度の知識があれば十分です。自分でMCPサーバーを開発する場合は、TypeScriptまたはPythonの基礎知識が必要です。また、Difyなどのノーコードツールを使えば、プログラミングなしでMCP対応のAIアプリケーションを構築することも可能になりつつあります。

Q. MCPはClaude以外のAIモデルでも使えますか？

はい。MCPはモデル非依存のプロトコルです。ChatGPT（OpenAI）、Gemini（Google）をはじめ、MCP対応のクライアントであればどのAIモデルでも利用できます。MCPサーバー側は一切変更する必要がありません。これこそがN×M問題を解決する鍵です。

Q. 社内のセキュリティポリシーが厳しい環境でもMCPは使えますか？

stdioトランスポートを使えば、MCPサーバーはローカルマシン上で動作し、外部へのネットワーク通信は発生しません。データはマシン外に出ないため、セキュリティ要件の厳しい環境でも安心して利用できます。リモートMCPサーバーを使う場合も、OAuth 2.1による認証や、Protected Resource Metadataによるアクセス制御が標準で組み込まれています。

Q. 既存のFunction CallingやPlugin機能とどう違いますか？

OpenAIのFunction CallingやChatGPT Pluginsは、特定のプラットフォーム向けの独自仕様です。MCPは、どのAIプラットフォームでも共通で使えるオープン標準という点で異なります。MCPサーバーを1つ作れば、Claude、ChatGPT、Cursor、Cline、その他のMCPクライアントすべてから利用できます。一方、Function Callingで実装した機能はそのプラットフォーム内でしか使えません。

まとめ

MCPは、AIエージェントが外部ツールと連携するための「共通言語」です。2024年11月の発表からわずか1年あまりで、以下の成果を達成しています。

• 業界標準化：OpenAI、Google、Microsoft、Amazon、Salesforceなど主要AI企業が採用
• オープンガバナンス：Linux Foundation傘下のAgentic AI Foundationで中立的に管理
• エコシステムの爆発的成長：SDKダウンロード数は月間9,700万回超、登録サーバーは10,000以上
• 多言語SDK：TypeScript、Python、Go、Java、C#、Kotlin、Swiftなど全主要言語に対応

AIエージェントの能力は、「どれだけ多くのツールと接続できるか」で決まります。MCPはその接続の標準化を実現する基盤技術であり、エンジニアはもちろん、AIを活用するすべてのビジネスパーソンが知っておくべき規格です。

まずはClaude DesktopやCursorにMCPサーバーを1つ接続して、その可能性を体感してみてください。MCPの世界は、「AIに何をさせるか」から「AIと何を一緒に作るか」への転換を加速してくれるはずです。

MCPの前提となるAIエージェントの基本概念や、最新のAIエージェントツール比較もあわせてご覧ください。

あわせて読みたい

• AIエージェントとは？仕組み・種類・活用事例を徹底解説
• AIエージェントフレームワーク比較2026
• ChatGPT API ビジネス自動化ガイド

AIエージェントの導入・活用についてのご相談は、Uravationのサービス一覧をご覧ください。

あわせて読みたい

• 関連記事: MCPサーバーの作り方｜Python FastMCPで実践開発

あわせて読みたい: MCP Protocol完全解説【2026年版】