MCP（Model Context Protocol）とは｜AI Agentに外部ツールを接続するリスキリング入門
MCP（Model Context Protocol）とは何か
MCP（Model Context Protocol）は、Anthropicが2024年11月にオープンソースで公開したプロトコルです。LLM（大規模言語モデル）が外部のツール・データソース・サービスと標準化された方法で対話するための仕様を定めています。
■ なぜMCPが重要か
従来のLLMとのツール連携は、Function Calling（ツール呼び出し）をモデルごとに独自実装する必要がありました。異なるLLMに同じツールを接続するたびに実装を書き直す必要があり、エコシステムの分断が問題でした。
MCPはこの問題を解決する「USB-C的なコネクタ規格」です。MCPに対応したツール（MCPサーバー）を一度実装すれば、MCPに対応した全てのLLM・AIエージェントから利用可能になります。
■ MCPの構成要素
- **MCP Host**: ClaudeやCursorなど、MCPを利用するAIアプリケーション
- **MCP Client**: Host内でMCPサーバーと通信するクライアント
- **MCP Server**: ツール・データソース・サービスを提供するサーバー（GitHub・Slack・Notion等）
- **Transport**: 通信方式（stdio・HTTP/SSE）
2026年5月現在、主要なMCPサーバーはGitHub・Slack・Notion・Google Drive・Jira・PostgreSQL・Browserなど50以上が公式・コミュニティで提供されています。
MCPで何ができるか：具体的なユースケース
MCPを使ってAIエージェントが実現できる具体的な機能を紹介します。
■ 開発業務の自動化（GitHub MCP）
- 「このissueを調査して、関連するコードを特定し、修正PRを作成して」
- 「先週マージされたPRの変更内容を要約して、リリースノートを書いて」
- 「CIが失敗しているビルドのログを確認して、原因を特定して」
■ チームコミュニケーション（Slack MCP）
- 「#general チャンネルの今週の議論を要約して、決定事項をリストにして」
- 「プロジェクトAの全メンバーに進捗報告のメッセージを送って」
- 「特定のキーワードに関するSlackメッセージを検索してまとめて」
■ ドキュメント管理（Notion / Google Drive MCP）
- 「このデータベースに新しいプロジェクトページを作成して、テンプレートを埋めて」
- 「Q1の議事録を全て読んで、未解決アクションアイテムをリストアップして」
■ データベース操作（PostgreSQL MCP）
- 「過去30日間の新規ユーザー数を分析して、チャート用データを生成して」
- 「異常なクエリパターンがないか確認して、レポートにまとめて」
■ Web・検索（Brave Search / Fetch MCP）
- 「この技術トピックの最新情報を検索して、要約を作成して」
MCPサーバーの立て方：技術詳解
MCPサーバーの基本的な実装方法を解説します。
■ 環境セットアップ（Python版）
```bash
# MCP SDKのインストール
pip install mcp
# または npm（Node.js版）
npm install @modelcontextprotocol/sdk
```
■ シンプルなMCPサーバーの実装例
```python
from mcp.server import Server
from mcp.server.models import InitializationOptions
import mcp.server.stdio as stdio
import mcp.types as types
server = Server("my-tool-server")
@server.list_tools()
async def handle_list_tools() -> list[types.Tool]:
return [
types.Tool(
name="get_weather",
description="指定都市の天気を取得する",
inputSchema={
"type": "object",
"properties": {"city": {"type": "string"}},
"required": ["city"]
}
)
]
@server.call_tool()
async def handle_call_tool(name: str, arguments: dict):
if name == "get_weather":
city = arguments["city"]
# 実際のAPI呼び出し処理
return [types.TextContent(type="text", text=f"{city}の天気: 晴れ 25°C")]
```
■ Claude Desktopへの接続設定
`~/Library/Application Support/Claude/claude_desktop_config.json` に以下を追加：
```json
{
"mcpServers": {
"my-tool": {
"command": "python",
"args": ["/path/to/server.py"]
}
}
}
```
■ 既存MCPサーバーの利用（GitHub MCP）
```json
{
"mcpServers": {
"github": {
"command": "npx",
"args": ["-y", "@modelcontextprotocol/server-github"],
"env": {"GITHUB_PERSONAL_ACCESS_TOKEN": "ghp_xxx"}
}
}
}
```
エンジニアにとってのMCP習得価値
MCPを習得することでどのような価値が生まれるかを解説します。
■ 短期的価値（3〜6ヶ月）
- 社内ツール（Slack・Notion・Jira・GitHub）を繋いだAIエージェントの構築
- 既存業務フローへのAI組み込み（承認ワークフロー・レポート生成・コードレビュー自動化）
- 「MCPサーバー開発者」としてのポジショニング確立
■ 中期的価値（6〜18ヶ月）
- MCP対応SaaSプロダクトの開発・販売
- 企業向けMCP基盤の設計・構築コンサルティング
- AIエージェントプラットフォームのMCPエコシステム参入
■ 市場価値
MCP専門スキルを持つエンジニアの求人は2025年後半から急増。
- MCP実装経験者の案件単価：月100〜200万円程度
- 「MCP×社内システム統合」は多くの企業で2026年最重要AIプロジェクトの一つ
■ MCPとLangChainの使い分け
- LangChain / LangGraph：複雑なエージェントオーケストレーション・マルチエージェント
- MCP：標準化されたツール接続・エコシステムへの参入
- 実務では両方を組み合わせる設計が多い（LangGraphでオーケストレーション、ツールはMCP経由で接続）
習得ロードマップ（2〜3ヶ月）
MCPを習得するための具体的なロードマップです。
【前提条件】
- Python or TypeScript/Node.jsの中級知識
- REST API・非同期処理の基礎理解
- LLM API（OpenAI or Anthropic）の基本的な利用経験
【第1週：MCP概念理解と既存サーバー活用】
- Anthropic公式ドキュメント「MCP Introduction」を読む
- Claude Desktopに公式MCPサーバー3つ（GitHub・Slack・filesystem）を接続して動作確認
- モデルがツールを呼び出す様子をClaude Desktopで実際に観察
【第2〜3週：シンプルなMCPサーバー実装】
- MCP Python SDKのQuickstartを実装
- 自分のユースケース（社内APIラッピング・DB検索等）でMCPサーバーを1つ作成
- テストと接続確認
【第4〜6週：本格実装と応用】
- 複数ツールを持つMCPサーバーの実装
- 認証・セキュリティの実装（APIキー管理・アクセス制御）
- HTTP/SSE transportでのリモートMCPサーバー化
- LangGraphエージェントからMCPサーバーを呼び出す統合実装
費用目安：API費用のみで月2,000〜10,000円程度。スクール利用の場合は補助制度を活用できる場合があります。
よくある質問
- MCPはAnthropic（Claude）専用のプロトコルですか？
- いいえ。オープンソースとして公開されており、OpenAI・Google・Cursor・Windsurf等も対応を表明・実装しています。2026年現在「AIツール連携の業界標準」として急速に普及しており、特定ベンダーに依存しない汎用的なスキルです。
- Function Calling（ツール呼び出し）とMCPの違いは何ですか？
- Function Callingは各LLM APIが独自に持つツール呼び出し機能で、実装はアプリケーション側（OpenAIならJSONスキーマ定義）に依存します。MCPはその上位レイヤーで、「標準化されたサーバーとして独立して実装・配布できる」点が違います。MCPサーバーは一度作れば複数のLLMから使えます。
- MCPサーバーのセキュリティはどう考えればよいですか？
- 主要なリスクは「AIエージェントが意図しない操作を実行する可能性」です。設計原則として：①書き込み系ツール（削除・送信・デプロイ）には人間の確認ステップを必須とする、②最小権限の原則（必要最小限のAPIスコープのみ付与）、③操作ログの記録、④サンドボックス環境でのテスト、が推奨されます。
- MCPを学ぶのにどのくらいの期間が必要ですか？
- PythonまたはTypeScriptの中級知識があれば、最初のMCPサーバーを動かすまで1〜3日。実務レベルのセキュア・スケーラブルな実装まで2〜4週間が目安です。LLM API・非同期処理の経験があれば学習期間はさらに短縮できます。
まとめ
MCP（Model Context Protocol）は、AIエージェントと既存ビジネスツールを繋ぐ「標準規格」として急速に普及しており、2026年現在最もホットなAI関連技術の一つです。
PythonまたはTypeScriptエンジニアであれば、2〜4週間でMCPサーバーの基本実装が習得できます。この技術を習得することで：
- 社内のSlack・Notion・GitHub・DB等を繋いだAIエージェントの構築
- MCP対応プロダクト・サービスの開発・販売
- AIエージェント基盤設計の専門家としてのポジショニング
が実現できます。AIエージェントエンジニアとしてのキャリアを築く上で、LangChain/LangGraphと並んでMCPは必修スキルとなっています。
