MCP（Model Context Protocol）は、AI モデルを外部のツールやデータに接続するためのオープンな通信規格である。Anthropic が 2024 年 11 月に公開し、現在は同社以外の AI 製品にも実装が広がっている。
MCP とは何か
AI に「外の世界」を触らせるための配線規格だと考えるとわかりやすい。従来は、AI に Slack を読ませたければ Slack 用の実装を、GitHub なら GitHub 用の実装を、AI アプリごとに書き直す必要があった。M 個の AI × N 個のツールで M×N 本の実装が要る状態を、MCP は M+N 本に減らす。
通信は JSON-RPC 2.0 を使う。AI アプリ側が「クライアント」、ツールやデータを提供する側が「サーバー」になる。サーバーが公開できるものは主に 3 種類で、AI が呼び出せる関数にあたる Tools、ファイルや DB レコードのような読み取り対象の Resources、定型プロンプトの Prompts である。接続方式は、ローカルのプロセスを直接起動して標準入出力でやり取りする stdio と、リモートのサーバーに繋ぐ HTTP の 2 系統がある。
何ができるのか
エンジニアにとっての典型は、手元のエディタや CLI の AI に、社内 DB への SQL 実行、チケット管理ツールの起票、ブラウザ操作といった「副作用のある行為」を任せることだ。AI が自然文で意図を決め、実際の処理は MCP サーバー側の確定したコードが行うので、モデルに直接 API キーを持たせるより挙動を絞り込みやすい。
企画・DX 側から見ると、要点は「業務システムを 1 回サーバー化すれば、どの AI クライアントからも同じ入口で使える」点にある。導入時に効いてくるのは接続数より権限設計で、AI に何をどこまで許すかを人がさばく必要が出てくる。AWS のエンジニアが公開した OSS「Pizza Bot」は、AI エージェントのタスクと権限要求をメールの受信箱のように扱い、判断が必要なものを Action に振り分ける。こうした承認の受け皿が別途必要になる、という問題意識の表れだ。
使い方
手順は大きく 2 つ。まず使いたいサーバーを用意し（公開されている実装を入れるか、自分で書く）、次に AI クライアントの設定ファイルに起動コマンドや URL を登録する。公式 SDK は複数言語で提供されており、自作する場合も関数に説明文を付けて公開する程度の分量で済むことが多い。
注意点は、サーバーは実質的に「AI が実行できる権限の束」だということ。出所の不明なサーバーを入れるのは、素性の知れないスクリプトに認証情報を渡すのと変わらない。
料金
MCP は仕様そのものであり、規格の利用に課金はない。費用が発生するのは、AI 側の利用料（サブスクリプションまたは API の従量課金）と、リモートサーバーを立てる場合のホスティング代である。
AI 側の負担を抑える方向の動きもある。GotoAI 株式会社は 2026 年 9 月 21 日、デスクトップ AI エージェント「Kari」を正式リリースした。Anthropic Claude の Pro／Max プランや OpenAI ChatGPT のサブスクリプションに本人がサインインして使う方式で、API キーの取得や従量課金契約が不要になる。Kari は内蔵ブラウザを自ら操作するため、API が用意されていないサービスにも手が届く。MCP サーバーが存在しない領域を別の手段で埋める例と言える。
誰が作っていて、競合は何か
仕様は Anthropic が策定して公開し、SDK とリファレンス実装がオープンソースで提供されている。同社以外のベンダーも自社製品に実装しており、事実上の標準に近い位置にある。
比較対象としてよく挙がるのは、各社独自の function calling／プラグイン方式と、Google が提唱する A2A（Agent2Agent）だ。前者はベンダーごとに形式が異なり移植性がない点が MCP との違い。後者はエージェント同士の連携を扱う規格で、AI とツールを繋ぐ MCP とは層が異なり、併用も想定される。競合を見るなら、規格そのものより「どのクライアントが標準で対応しているか」を追うほうが実態に近い。
