MCP(Model Context Protocol)は、AIアプリと外部の情報・機能をつなぐための共通の通信ルールです。MCPサーバーは、そのルールに沿ってデータや操作機能を提供するプログラムを指します。AIモデル自体でも、あらゆる作業を自動化する万能ツールでもありません。
更新:2026年10月24日。根拠のない時短率・速度倍率を削除し、接続の仕組みと権限を中心に書き直しました。
3つの役割を分けるとわかりやすい
利用者と対話するAIアプリ
アプリ内の接続担当
情報・機能を提供
例えば、AIアプリが「資料を検索する」という機能を呼び出し、サーバーが検索結果を返す構成です。MCPは受け渡しの形式をそろえますが、どの情報を参照し、どのモデルへ渡すかはアプリやサーバーの実装にも依存します。基本構造はMCP公式のArchitecture overviewで確認できます。
Tools・Resources・Promptsの違い
| 種類 | 役割 | 例 |
|---|---|---|
| Tools | 呼び出して処理する機能。 | チケット検索、データ取得、許可された更新。 |
| Resources | 参照するための情報。 | 文書、設定、読み取り用データ。 |
| Prompts | 再利用できる依頼のひな形。 | 特定の資料を確認するための手順。 |
どのサーバーも、このすべてを備えるとは限りません。「GitHub用」「ファイル用」という名前だけで、作成・削除・共有変更までできると判断せず、実際に公開されている機能と必要権限を確認します。
ローカルとリモートの違い
ローカルサーバーは自分のPCなどで動くプログラムで、標準入出力(stdio)を使う構成が代表的です。リモートサーバーはネットワーク越しに接続し、Streamable HTTPなどを利用します。ローカルサーバーでも、取得した情報をAIアプリが外部モデルへ送信する場合があります。「ローカル=情報が一切外に出ない」ではありません。
また、MCPを接続しただけで「毎朝9時に実行する」といった予定が保存されるわけではありません。定期実行には対応したアプリのスケジュール機能や別の実行基盤が必要です。接続方法はローカルサーバーの公式接続ガイドを参照してください。
初めて導入するときの手順
- 目的を1つにする:まずはテスト用文書を検索するなど、読み取り中心の作業に絞る。
- 提供元を確認する:配布元、コード、更新状況、必要権限、送信先を調べる。
- 接続する:使用するアプリとサーバーの公式手順に従う。
- 小さい範囲で試す:専用フォルダーやテストデータを使う。
- 結果と記録を確かめる:意図した範囲だけにアクセスしたか確認する。
設定ファイルの場所、環境変数の展開方法、利用できる接続方式はアプリごとに異なります。例えば${TOKEN}と書けば、すべてのアプリで環境変数に置き換わるわけではありません。別の製品向け設定をそのままコピーせず、自分の環境の説明に合わせます。
安全性を確認する5つの観点
| 観点 | 確認内容 |
|---|---|
| アクセス範囲 | 必要なフォルダー、リポジトリ、テーブルに限定できるか。 |
| 操作権限 | 読むだけか、更新・削除・送信もできるか。 |
| 送信先 | サーバー、AIモデル、ログ保存先のどこへ情報が渡るか。 |
| 承認 | 書き込みや外部送信前に内容を確認できるか。 |
| 失効・復元 | 接続を解除できるか。資格情報を失効できるか。誤操作から戻せるか。 |
検索結果や文書の中に書かれた命令を、利用者からの正式な指示として扱わないことも重要です。配布元が有名であることやスター数の多さだけで、安全性は保証されません。認証と権限は、利用するサーバーと接続先の両方で確認します。
MCPは普通のAPIを置き換える?
必ずしも置き換えません。MCPサーバーが既存APIを呼び出し、その結果をAIアプリへ返す構成もあります。MCPはAIアプリ側の接続方法をそろえる役割で、接続先サービスの契約や利用制限をなくすものではありません。
導入すれば必ず時短できますか?
効果は作業、モデル、サーバー、確認手順によります。導入前後で同じ作業の所要時間と修正回数を測り、設定やレビューにかかる時間も含めて比較してください。