MCP（Model Context Protocol）とは、AIエージェントと外部のツール・データソースを接続するためのオープン標準プロトコルです。「AIエージェントにSlackやGitHubを操作させたいが、ツールごとにAPIの繋ぎ込みを書くのが面倒」「複数のAIツールで同じ連携コードを使い回したい」——MCPはこうした課題を根本から解決する”AIのUSB-C”として、2026年に入り業界標準の地位を確立しました。この記事では、MCPの仕組み・主要対応ツール・導入方法・そしてAIエージェント開発における活用パターンを解説します。
MCPとは何か？ — 「AIのUSB-C」が生まれた背景
MCPは2024年11月にAnthropicが発表したオープンプロトコルです。Language Server Protocol（LSP）がプログラミング言語の対応を標準化したのと同様に、MCPはAIアプリケーションと外部リソースの接続を標準化します。
MCP以前は、AIエージェントに外部ツールを接続するたびに独自のインテグレーションコードを書く必要がありました。たとえばGitHubのPR作成、Slackへの投稿、データベースへのクエリ——それぞれのAIツール（Claude、ChatGPT、Cursor等）で個別に実装する必要があったのです。
MCPが解決するのは、この「M×N問題」です。M個のAIアプリケーションとN個の外部ツールがあるとき、MCPなしでは最大M×N個の連携コードが必要ですが、MCPを介することで各AIアプリはMCPクライアントを1つ実装し、各ツールはMCPサーバーを1つ実装するだけで済みます。
MCP誕生から業界標準化までのタイムライン
| 時期 | 出来事 |
|---|---|
| 2024年11月 | Anthropicが MCP をオープンソースとして発表 |
| 2025年3月 | Claude Desktop、Cursor、Windsurf等が対応開始 |
| 2025年11月 | MCP仕様 2025-11-25版リリース（非同期操作、サーバーID、拡張機能対応） |
| 2025年12月 | AnthropicがMCPをLinux Foundation傘下のAgentic AI Foundation（AAIF）に移管 |
| 2026年1月 | MCP Appsリリース（インタラクティブUIコンポーネント対応） |
| 2026年2月 | Python/TypeScript SDK合計で月間9,700万ダウンロード突破 |
MCPのアーキテクチャ — 3つの登場人物
MCPはJSON-RPC 2.0ベースのプロトコルで、3つの役割で構成されます。
| 役割 | 説明 | 具体例 |
|---|---|---|
| Host（ホスト） | LLMアプリケーション本体。接続を開始する側 | Claude Desktop、Cursor、VS Code |
| Client（クライアント） | ホスト内のコネクタ。MCPサーバーとの通信を管理 | Claude CodeのMCPクライアント機能 |
| Server（サーバー） | 外部のコンテキストやツールを提供するサービス | GitHub MCP Server、Slack MCP Server |
通信フローはシンプルです。ホスト（Claude Desktop等）がクライアント経由でMCPサーバーに接続し、サーバーが提供するツール一覧を取得。LLMがタスク実行中にツールが必要になると、クライアントがMCPサーバーのツールを呼び出し、結果をLLMに返します。
MCPの3つのコア機能
1. Resources（リソース）— データの提供
MCPサーバーがAIモデルにデータ（コンテキスト）を提供する機能です。ファイルの内容、データベースのレコード、APIのレスポンスなど、AIが判断に使う情報をリソースとして定義できます。
2. Tools（ツール）— アクションの実行
AIモデルが外部システムに対してアクションを実行する機能です。GitHubにPRを作成する、Slackにメッセージを送る、データベースにレコードを挿入する——こうした操作をツールとして定義し、AIモデルが必要に応じて呼び出せるようにします。
3. Prompts（プロンプト）— テンプレートの提供
MCPサーバーが定義済みのプロンプトテンプレートを提供する機能です。ユーザーがよく使う操作パターン（「このリポジトリのコードレビューをして」等）をテンプレート化し、再利用可能にします。
MCPの主要対応ツール
2026年2月時点で、MCPに対応する主要なAIツールとサーバーは以下の通りです。
MCPクライアント（ホスト側）
| ツール | 対応状況 | 特徴 |
|---|---|---|
| Claude Desktop | 完全対応 | 75以上のコネクタをディレクトリで提供 |
| Claude Code | 完全対応 | CLI/IDE拡張でMCPサーバーを自動検出 |
| Cursor | 完全対応 | エディタ内でMCPツールを直接呼び出し |
| OpenAI Agents SDK | 完全対応 | MCPサーバーをfunctionツールと同等に利用可能 |
| VS Code (GitHub Copilot) | 対応 | Copilot ChatからMCPツールを呼び出し |
MCPサーバー（主要な公開サーバー）
| サーバー | 提供するツール |
|---|---|
| GitHub MCP Server | PR作成・レビュー、Issue管理、コード検索 |
| Slack MCP Server | メッセージ送受信、チャンネル管理 |
| Google Drive MCP Server | ドキュメント検索・読み取り・作成 |
| PostgreSQL MCP Server | データベースクエリ・スキーマ参照 |
| Brave Search MCP Server | Web検索 |
| Filesystem MCP Server | ファイル読み書き・ディレクトリ操作 |
公式レジストリでは数百のMCPサーバーが登録されており、modelcontextprotocol.ioから検索できます。
MCPの導入方法 — Claude Desktopでの設定例
最も手軽にMCPを体験できるのは、Claude Desktopです。設定ファイルにMCPサーバーの情報を追記するだけで、AIがそのツールを使えるようになります。
ステップ1: Node.jsのインストール
多くのMCPサーバーはNode.jsで動作します。nodejs.orgから最新のLTS版をインストールしてください。
ステップ2: 設定ファイルの編集
Claude Desktopの設定ファイル（macOSの場合 ~/Library/Application Support/Claude/claude_desktop_config.json）にMCPサーバーを追加します。
{
"mcpServers": {
"filesystem": {
"command": "npx",
"args": [
"-y",
"@modelcontextprotocol/server-filesystem",
"/Users/yourname/Documents"
]
},
"brave-search": {
"command": "npx",
"args": ["-y", "@modelcontextprotocol/server-brave-search"],
"env": {
"BRAVE_API_KEY": "your-api-key-here"
}
}
}
}ステップ3: Claude Desktopを再起動
設定保存後にClaude Desktopを再起動すると、チャット画面にMCPツールのアイコンが表示されます。「Documentsフォルダにあるレポート.pdfの内容を要約して」と指示するだけで、ファイルシステムMCPサーバー経由でファイルを読み取り、要約を生成します。
Agentic AI Foundation — MCPが業界標準になった理由
2025年12月、AnthropicはMCPをLinux Foundation傘下の「Agentic AI Foundation（AAIF）」に移管しました。共同設立メンバーはAnthropic、Block（旧Square）、OpenAI。さらにGoogle、Microsoft、AWS、Cloudflare、Bloombergが支援企業として参画しています。
これが意味するのは、MCPがもはや「Anthropicのプロトコル」ではなく「業界のプロトコル」になったということです。OpenAIがAgents SDKにMCPサポートを組み込み、GoogleがVertex AIでMCP対応を進めている——つまり、主要なAIプラットフォームすべてがMCPを採用する方向で動いています。
AIエージェント開発者にとっての実益は明確です。一度MCPサーバーを実装すれば、Claude、ChatGPT、Gemini、どのAIプラットフォームからでもそのツールを使えるようになります。ベンダーロックインのリスクを大幅に軽減できるのです。
AIエージェント開発でのMCP活用パターン
パターン1: 社内ツール統合エージェント
Slack MCP Server + Google Drive MCP Server + PostgreSQL MCP Serverを組み合わせ、「Slackで質問が来たら社内ドキュメントとDBを検索して回答する」エージェントを構築。各MCPサーバーは独立して開発・テスト可能なため、段階的にツールを追加できます。
パターン2: 開発支援エージェント
GitHub MCP Server + Filesystem MCP Serverで、「PRのレビューコメントを読み、ローカルのコードを修正し、修正コミットをpushする」エージェントを実現。Claude CodeやCursorがまさにこのパターンでMCPを活用しています。
パターン3: データ分析エージェント
PostgreSQL MCP Server + Brave Search MCP Serverで、「社内DBのデータを分析し、Web上の市場データと比較してレポートを生成する」エージェントを構築。MCPのリソース機能でDBスキーマを事前に提供できるため、AIが適切なクエリを生成しやすくなります。
MCP導入時の注意点
セキュリティ: MCPサーバーは外部データへのアクセスやコード実行を伴います。すべてのツール呼び出しはユーザーの明示的な同意を得てから実行するべきです。特にファイルシステムやデータベースへの書き込み権限は慎重に設定してください。
信頼境界: MCPサーバーのツール説明（annotations）は信頼できるサーバーからのものでない限り、鵜呑みにしないでください。悪意のあるMCPサーバーが誤った説明を提供し、意図しない操作を誘発するリスクがあります。
パフォーマンス: MCPサーバーの数が増えると、ツール一覧の取得やCapability Negotiationのオーバーヘッドが増加します。必要なサーバーだけを接続し、不要な場合は無効化することが重要です。
まとめ
MCP（Model Context Protocol）は、AIエージェントと外部ツールの接続を標準化するオープンプロトコルです。Anthropicが開発し、OpenAI・Google・Microsoft・AWSが支援するAgentic AI Foundationに移管されたことで、名実ともに業界標準となりました。
AIエージェント開発者にとって、MCPの理解は必須です。一度MCPサーバーの作り方を覚えれば、どのAIプラットフォームからでもそのツールを呼び出せるようになり、開発効率とポータビリティが大幅に向上します。
まずはClaude DesktopでファイルシステムMCPサーバーを設定し、AIがローカルファイルにアクセスする体験をしてみてください。MCPの「つなげるだけで使える」感覚を一度味わえば、AIエージェント開発の可能性が一気に広がるはずです。
