MCPとは？仕組み・できること・対応ツール・セキュリティを総合解説【2026年版】

MCP（Model Context Protocol）は、AIアプリケーションと外部ツール・データソースを標準的な方法で接続するオープンソースプロトコルです。 2024年11月にAnthropicが発案し、2025年12月にLinux Foundation傘下のAgentic AI Foundation（AAIF）へ移管。2026年5月には正式なガバナンス体制（ワーキンググループ自律化・コントリビューターラダー）が確立され、OpenAI・Google・Microsoft・AWSを含む主要企業が採用・支援する業界標準となっています。

この記事では以下を整理します。

• MCPの定義と、なぜ必要とされているのか
• 3層アーキテクチャと通信の仕組み（プリミティブ・トランスポート）
• MCPでできることと具体的な活用事例
• 対応AIツール（Claude・ChatGPT・Cursor等）の比較
• RAG・Function Calling・A2Aプロトコルとの違い
• セキュリティリスクと安全な利用方法
• 利用者タイプ別の始め方

対象読者: 「MCPって何？」と疑問に思った方、AIツールの外部連携に関心のあるエンジニア・ビジネス担当者・個人ユーザーの方。技術的な予備知識がなくても理解できる構成にしています。

MCPとは — AIと外部ツールをつなぐオープン標準プロトコル

出典: Anthropic 公式サイト

MCP（Model Context Protocol）は、AIアプリケーションが外部のデータやツールにアクセスするための「共通規格」です。公式では「USB-Cポートのようなもの」と例えられています。USB-Cがスマートフォン・PC・周辺機器を1種類のケーブルで接続するように、MCPはAIアプリと外部システムを1つの標準プロトコルで接続します。

開発元とガバナンス

2025年12月にAnthropicがMCPをAgentic AI Foundationに寄贈し、特定企業に依存しない中立的なガバナンス体制を確立しました。2026年5月には、Linux Foundation傘下でAAIFのガバナンス体制が正式整備されました。具体的には、ワーキンググループへの自律性付与・コントリビューターラダーの確立・委譲モデルの整備が行われ、MCPは「Anthropic主導のプロトコル」から「業界全体が共同管理するオープン標準」へと完全に移行しています。

AIの主要4社（Anthropic・OpenAI・Google・Microsoft）すべてが採用または支援を表明しており、事実上の業界標準として機能しています。

MCPの規模感（2026年5月時点）

• SDKダウンロード数: 月間9,700万以上（Python/TypeScript合算）
• 公開MCPサーバー数: 10,000以上
• 公式コネクタ数（Claude）: 75以上
• AWS MCP Server: 2026年5月に一般提供（GA）開始
• 「2026年ブレイクスルー技術大賞」 に選出（業界メディア各社による選定）

MCPが解決する課題 — 従来のAPI連携の「M×N問題」

出典: Model Context Protocol 公式ドキュメント

MCPが登場した最大の理由は、AIアプリケーションと外部ツールの接続における「M×N問題」を解消することです。

MCPなし（従来の方法）

従来、AIアプリケーションが外部サービスと連携するには、接続先ごとに個別の実装が必要でした。たとえば、3つのAIアプリ（Claude・ChatGPT・Cursor）がそれぞれ4つの外部ツール（GitHub・Slack・Notion・Google Drive）と連携しようとすると、3×4＝12通りの個別実装が必要になります。

MCPあり（標準化された方法）

MCPを使えば、各AIアプリは「MCPクライアント」を1つ実装し、各外部ツール側は「MCPサーバー」を1つ実装するだけで済みます。3＋4＝7通りの実装で、すべての組み合わせがカバーできます。

これは、USB-C登場前にスマートフォンメーカーごとに充電端子が異なっていた状況と似ています。MCPは「AI連携のUSB-C」として、開発コストと複雑さを大幅に削減します。

MCPの仕組み — 3層アーキテクチャとプリミティブ

MCPの技術的な仕組みを、3つの参加者・2つのトランスポート・3つのプリミティブに分けて説明します。技術的な詳細に関心のない方は、次の「MCPでできること」セクションまで読み飛ばしても問題ありません。

3つの参加者（ホスト・クライアント・サーバー）

MCPはクライアント-サーバーモデルに基づき、以下の3者で構成されます。

たとえば、Claude Desktopを使って「GitHubのイシュー一覧を取得して」と頼んだ場合、Claude Desktop（ホスト）が内部のMCPクライアントを通じてGitHub MCPサーバーに問い合わせ、結果をユーザーに返します。

2つのトランスポート（通信方式）

Stdioは同じマシン上のプロセス間通信に使い、低レイテンシで動作します。Streamable HTTPはリモートサーバーとの通信に使い、OAuth 2.1認証にも対応しています。2026年のロードマップではStreamable HTTPのスケーラビリティ改善と、.well-known経由のサーバー自動発見機能の追加が予定されています。

MCPサーバーが提供する3つのプリミティブ

MCPサーバーは、以下の3種類のデータをAIアプリケーションに提供できます。

「Tools」はAIが外の世界に対してアクション（操作）を起こすための手段、「Resources」はAIが判断に必要なデータを取得する手段、「Prompts」はやりとりのテンプレートを共有する手段です。

ライフサイクル管理と通信プロトコル

MCP接続はJSON-RPC 2.0をベースとしたステートフルプロトコルで動作し、以下の流れで進みます。

1. 初期化 — クライアントとサーバーが対応機能（ケイパビリティ）を交換（プロトコルバージョン 2025-06-18 で識別）
2. メッセージ交換 — ツール呼び出し・リソース取得・通知を実行
3. 切断 — 接続を終了

現行の仕様バージョンは 2025-11-25 です。2026年のロードマップでは、長時間実行・バッチ処理に対応するTasks（タスク）機能の正式化や、再試行セマンティクスの追加が計画されています。なお、実験的機能として実装されている「Tasks」は、長時間タスクの耐久性ある実行と結果保持を可能にするもので、AIエージェントの複雑なワークフローに対応するための拡張です。

MCPでできること — 個人・開発者・企業の活用事例

出典: Model Context Protocol 公式サイト

MCPによってAIアプリケーションの活用範囲は大きく広がります。利用者のタイプ別に具体的な活用事例を紹介します。

個人ユーザーの活用例

MCPの恩恵は、開発者でなくても受けられます。MCPに対応したAIアプリ（Claude Desktop、ChatGPTなど）を使っていれば、以下のことが可能です。

• Google CalendarとNotionを連携 — 「来週の予定を確認して、Notionのタスクリストと照合して」とAIに頼む
• ローカルファイルの操作 — 「デスクトップにあるCSVファイルを読み込んで分析して」と依頼
• 複数サービスを横断した情報整理 — メール・カレンダー・タスク管理を1つのAI会話で統合

開発者の活用例

• FigmaデザインからWebアプリを自動生成 — Claude CodeがFigma MCPサーバー経由でデザインを取得し、コードに変換
• GitHub・Slack・データベースとの連携 — コーディング中にIssue確認、Slack通知、DB操作をAIアシスタント経由で実行
• MCPサーバーの自作 — 自社APIをMCPサーバーとして公開し、あらゆるMCP対応AIアプリから利用可能に
• AWSサービスとの連携（2026年5月〜） — AWS MCP Server GAにより、S3・EC2・Lambda・CloudFormation等をAIから直接操作可能に

Claude CodeでのMCPサーバー活用については「Claude CodeのMCPサーバー設定・活用ガイド」で詳しく解説しています。

企業の活用例

• 社内チャットボット + 複数DB連携 — MCPで社内のデータベース群に接続し、AIチャットボットが部門横断でデータ分析
• 業務システムとAIエージェントの統合 — CRM・ERP・会計ソフトをMCPで繋ぎ、AIが横断的に業務を支援
• AWSインフラのAI管理（2026年5月〜） — AWS MCP ServerでIAM・Cost Explorer・CloudWatchをAIエージェントで操作し、インフラ監視・コスト最適化を自動化

MCP対応ツール一覧 — 主要AIクライアントの比較

MCPに対応するAIクライアントは50以上ありますが、主要なものを以下にまとめます。

ポイント: Claude CodeはMCPの対応範囲が最も広く、Elicitation（ユーザーへの確認要求）やRoots（ファイルシステム境界の問い合わせ）にも対応しています。ChatGPTは2025年3月にMCPを統合しましたが、カスタムMCPサーバーの追加には有料プランとDeveloperModeの有効化が必要です。無料版での利用はシステム側で用意されたコネクタのみとなります。

主要MCPサーバー — エコシステムの現状

公式リファレンス実装（⚠️ 教育・参考目的のみ。本番利用非推奨）:

企業公式MCPサーバー（本番利用向け）:

GitHub MCPサーバーの詳しい使い方は「GitHub MCP Server 使い方ガイド」を、AWS MCPサーバーの詳細と具体的な活用方法は「AWS MCP Server 一般提供開始まとめ」をご覧ください。

公式SDK（10言語対応）

MCPサーバーやクライアントの開発には、以下の言語向けSDKが公式提供されています。

TypeScriptとPythonがTier 1として最も充実しており、MCPサーバーを開発する場合はこの2言語から選ぶのが現時点では実用的です。

MCP vs 関連技術 — RAG・Function Calling・A2Aとの違い

出典: Model Context Protocol 公式 GitHub

MCPはAI関連の他の技術と混同されやすいため、違いを整理します。

技術比較表

MCPとA2Aプロトコルの違い

MCPとよく比較される技術にGoogleが推進するA2A（Agent-to-Agent）プロトコルがあります。

簡潔にまとめると、MCPは「AIと外部世界のつなぎ方」の標準であり、A2Aは「AI同士の会話方法」の標準です。両者は競合するものではなく、AIエージェントが高度化するなかで補完的に使われると考えられます。

AIエージェントの概要について詳しくは「AIエージェントとは？仕組み・種類・活用事例を解説」をご覧ください。

MCPのメリット — 立場別に整理

MCPの導入メリットは、利用する立場によって異なります。

開発者にとってのメリット

• 開発工数の大幅削減 — 接続先ごとの個別実装が不要になり、MCPサーバーを1つ作れば全MCPクライアントから利用可能
• エコシステムの活用 — 10,000以上の公開MCPサーバーを自分のアプリから即座に利用できる
• 10言語の公式SDK — TypeScript・Python・Go・C#など、使い慣れた言語でサーバーを開発可能
• ベンダーロックインなし — Linux Foundation管理のオープン標準のため、特定AIベンダーへの依存を排除できる

企業にとってのメリット

• AI連携の標準化 — 社内のAIツール導入時に、接続方式を統一できる
• ベンダー非依存 — MCPは特定のAIベンダーに依存しないため、将来のツール変更に柔軟に対応可能
• 2026年5月時点でのエンタープライズ対応強化 — AWS MCP Server GAにより、AWSクラウドインフラとのAI統合が大幅に容易になった
• Linux Foundation管理による信頼性向上 — 2026年5月のガバナンス体制整備により、企業導入時の安定性・中立性が担保された

一般ユーザーにとってのメリット

• AIアプリがより便利になる — 使っているAIアプリのMCP対応が進むことで、外部サービスとの連携が自動的に増える
• ツール切り替えが容易 — MCP対応のAIアプリ間であれば、同じMCPサーバー群をそのまま引き継げる

MCPのセキュリティリスクと注意点

出典: Anthropic 公式サイト

MCPは利便性が高い一方で、セキュリティリスクも内包しています。プロトコル自体がセキュリティの4原則を定めていますが、実運用では追加の注意が必要です。

公式が定める4つのセキュリティ原則

1. ユーザーの同意と制御 — すべてのデータアクセス・操作に対してユーザーの明示的な同意が必要
2. データプライバシー — ユーザーの同意なしにデータを外部に送信してはならない
3. ツールの安全性 — ツール実行前にユーザーの承認を取得する必要がある
4. LLMサンプリング制御 — サーバーからのサンプリングリクエストはユーザーが承認する

重要な前提として、公式仕様はプロトコルレベルのセキュリティ強制を行わないと明記しています（"the protocol explicitly does not enforce security at the protocol level"）。セキュリティ実装は各組織・開発者の責任です。

報告されている主なリスク

安全に利用するための対策

個人利用の場合:

• 信頼できる公式サーバー、または広く利用されているサーバーのみ接続する
• APIキーは環境変数で管理し、設定ファイルに直書きしない
• 重要な操作の前にはAIからの確認プロンプトに注意を払う

業務利用の場合:

• 最小権限の原則を徹底 — MCPサーバーへのアクセス権限は必要最低限に設定
• OAuth 2.1認証を活用 — 短命アクセストークンを使い、長期トークンの露出を回避
• コンテナ隔離 — DockerコンテナでMCPサーバーを実行し、ホスト環境への影響を遮断
• 監査ログの記録 — すべてのツール実行を記録・監視
• ゲートウェイアーキテクチャの導入 — MCPゲートウェイを挟んでツールホワイトリストを設定
• TLS 1.2+の強制 — リモートMCPサーバーへの通信は必ず暗号化
• サーバーの事前検証 — 導入前にソースコードとセキュリティレビューを実施

AIに関するセキュリティリスクの全体像は「生成AIのセキュリティリスクと対策」、AIエージェント固有のセキュリティ課題は「AIエージェントのセキュリティ対策ガイド」で詳しく解説しています。

MCPの最新動向タイムライン

MCPは2024年11月の公開から急速に普及し、現在も活発に進化を続けています。

2026年ロードマップの4つの優先領域

MCPの2026年ロードマップ（2026年3月公開）では、以下4つの優先領域が示されています。

1. トランスポートスケーラビリティ — Streamable HTTPの改善、セッションモデルの進化、.well-known経由のサーバー自動発見機能
2. エージェント通信 — Tasks機能（SEP-1686）の正式化、長時間実行・バッチ処理対応、再試行セマンティクス
3. ガバナンス成熟化 — ワーキンググループへの自律性付与、コントリビューターラダーの確立、委譲モデルの整備（2026年5月に実施）
4. エンタープライズ対応 — 監査ログ、SSO統合認証、ゲートウェイ標準化（現時点では自前実装が必要。ロードマップに含まれている）

MCPの始め方 — 利用者タイプ別ガイド

出典: Cursor 公式サイト

MCPの利用方法は、利用者のタイプによって大きく異なります。

一般ユーザー（非エンジニア）

MCPに対応したAIアプリを使うだけで、MCPの恩恵を受けられます。

1. Claude DesktopまたはChatGPTデスクトップアプリをインストール
2. 設定画面からMCPサーバーを追加 — 公式コネクタ（Google Drive、Notion等）を選択
3. AIとの会話で外部ツールを活用 — 「Notionの今日のタスクを教えて」のように自然言語で依頼

開発者（MCPサーバーを利用する）

既存のMCPサーバーをプロジェクトに導入する場合は、以下の流れです。

1. 使いたいMCPサーバーをGitHubや公式ディレクトリで検索（mcp.so、Smithery等）
2. AIアプリの設定ファイルにサーバー情報を記述（JSON形式で指定）
3. APIキー等の認証情報を環境変数に設定
4. AIアプリを再起動して接続確認

開発者（MCPサーバーを自作する）

自社サービスやAPIをMCPサーバーとして公開したい場合は、以下の手順です。

1. 公式SDK（TypeScriptまたはPython推奨）をインストール
2. ツール・リソース・プロンプトを定義 — SDKのAPIに従い、提供する機能を実装
3. トランスポート方式を選択 — ローカル利用ならstdio、リモート公開ならStreamable HTTP
4. MCP Inspectorでテスト — 公式の開発ツールで動作確認
5. セキュリティ対策を実装 — 認証・権限管理・入力バリデーション

TypeScript SDKを使えば、最小限のMCPサーバーは数十行のコードで構築できます。

企業（MCPを組織的に導入する）

1. POC（概念実証） — 1つの業務システムとAIアプリをMCPで接続し、効果を検証
2. セキュリティ基盤の構築 — OAuth 2.1認証・コンテナ隔離・監査ログの仕組みを整備
3. 段階的な展開 — 接続先を順次追加し、社内のAI活用範囲を拡大
4. 運用体制の確立 — MCPサーバーの更新・監視・インシデント対応の体制を構築

AWS環境を活用した企業向けのMCP導入については「AWS MCP Server 一般提供開始まとめ」も参考にしてください。

こんな方にMCPはおすすめ / おすすめしない方

MCPの活用がおすすめな方

MCPをおすすめしない方

よくある質問（FAQ）

Q1. MCPは無料で使えますか？

MCPのプロトコル仕様とSDKはオープンソースで無料です。ただし、MCPクライアント側のAIサービス利用料（Claude Pro/Maxの月額料金等）や、リモートMCPサーバーのホスティング費用は別途かかります。ローカルで動作するMCPサーバーを利用する場合、追加のインフラ費用は発生しません。

Q2. MCPを使うにはプログラミングスキルが必要ですか？

既存のMCPサーバーを利用するだけなら不要です。 Claude DesktopやChatGPTの設定画面からMCPサーバーを追加するだけで、多くの外部連携が可能です。一方、MCPサーバーを自作する場合はTypeScriptやPython等のプログラミング知識が必要になります。

Q3. MCPとFunction Callingの違いは何ですか？

Function CallingはAIモデルが関数を呼び出すための仕組みで、モデルごと・プラットフォームごとに実装が異なります。MCPはその「呼び出し方」をプラットフォーム横断で標準化するレイヤーです。MCPはFunction Callingの上位互換ではなく、複数のAIアプリ間で同じツール定義を共有するための「共通規格」と理解するのが正確です。

Q4. MCPは安全ですか？

プロトコル仕様でセキュリティの4原則が定められていますが、「安全かどうか」はMCPサーバーの実装品質と利用者の運用方法に依存します。信頼できるサーバーのみを接続し、APIキーの管理を適切に行い、重要な操作前にはAIの確認に注意を払うことが重要です。また、公式仕様はプロトコルレベルのセキュリティ強制を行わないと明記しているため、組織側での追加対策が必須です。

Q5. MCPサーバーは10,000以上あるそうですが、どう選べばよいですか？

以下の基準で選ぶことを推奨します。

• 公式またはベンダー公式が提供するサーバーを優先（例: GitHub公式、AWS公式、Sentry公式）
• GitHubのスター数やメンテナンス頻度を確認
• ソースコードが公開されており、定期的に更新されているかを確認
• MCPサーバーディレクトリ（mcp.so、Smithery等）に掲載されているものを参考にする
• ⚠️ 公式リファレンス実装（Filesystem・Git等）は参考実装であり、本番環境での利用は非推奨

Q6. MCPはいつから業界標準になったのですか？

2024年11月のAnthropic発表後、2025年3月にOpenAIが採用、同年4月にGoogleが採用を表明し、主要AI企業が揃って支持する形になりました。2025年12月にLinux Foundation傘下のAAIFに移管されたことで名実ともに業界標準の地位を確立。2026年5月にはAAIFのガバナンス体制が正式整備され、特定企業主導から業界共同管理のオープン標準への移行が完了しています。

Q7. 大規模な本番環境でMCPを使う際の注意点は？

大規模なツールセットでは、MCPのツール定義がコンテキストウィンドウを圧迫するリスクがあります。Cloudflareの検証事例では2,500 APIエンドポイントを持つMCPで約244,000トークンを消費し、ユーザー入力処理前にコンテキスト上限に達した事例が報告されています。対策としては、ゲートウェイアーキテクチャでツールを動的に絞り込む、または用途ごとにMCPサーバーを分割することを推奨します。

まとめ

MCP（Model Context Protocol）は、AIアプリケーションと外部ツール・データソースを標準的に接続するオープンプロトコルです。

• 何をするものか: AIアプリと外部ツールの接続を「USB-C」のように標準化し、M×N問題を解消する
• 誰が管理しているか: Anthropicが開発し、現在はLinux Foundation傘下のAAIFが中立的に管理。2026年5月に正式なガバナンス体制が整備された
• どれくらい普及しているか: 月間9,700万DL、10,000以上のサーバー、主要AI4社すべてが採用。2026年5月にはAWS MCPサーバーがGAとなり企業導入が加速
• リスクはあるか: ツール汚染攻撃・サプライチェーン攻撃等のリスクがあり、適切なセキュリティ対策が必要
• 現在地: Linux Foundation標準化が完成し、エンタープライズ対応（監査ログ・SSO）が2026年ロードマップで進行中

MCPは「AIがもっと便利になるための配線規格」です。個人ユーザーならMCP対応AIアプリの設定を確認するだけで恩恵を受けられ、開発者なら自社ツールをMCPサーバーとして公開することでAIエコシステムへの接続が容易になります。

関連記事

• AIエージェントとは？仕組み・種類・活用事例を解説
• AWS MCP Server 一般提供開始まとめ
• Claude CodeのMCPサーバー設定・活用ガイド
• GitHub MCP Server 使い方ガイド
• Claude Codeとは？できること・料金・使い方を解説
• 生成AIツール おすすめ比較
• AIエージェント おすすめ比較
• 生成AIのセキュリティリスクと対策
• AIエージェントのセキュリティ対策ガイド