MCP（Model Context Protocol、モデル・コンテキスト・プロトコル＝AIモデルと外部のデータやツールをつなぐための共通規格）とは、AIエージェント（＝人の代わりに複数の手順を自律的にこなすAI）が、社内文書・データベース・検索・各種業務ツールに接続するための「共通の差し込み口」を定めた取り決めです。従来はAIと外部システムをつなぐたびに個別の連携を作り込む必要がありましたが、MCPはその接続方法を1つの規格に揃えます。結論から言えば、MCPは「AIを賢くする追加の頭脳」ではなく、AIが自社の情報や機能へ安全にアクセスできるようにする「配線の標準化」です。この記事では、Web・マーケ担当者が押さえるべきMCPの仕組み、構成要素、そしてAI検索対策との関わりを具体的に説明します。
MCPは、Anthropic（アンソロピック＝対話AI「Claude（クロード）」を開発する米国のAI企業）が2024年に公開したオープンな規格です。目的は明快で、AIモデルが外部のデータやツールにアクセスする「つなぎ方」を統一することにあります。AIそのものの性能を上げる技術ではなく、AIと外部世界のあいだの通信ルールを定めるものだと理解してください。
なぜ規格が必要かというと、これまでAIに社内データを見せたり業務ツールを操作させたりするには、接続先ごとに専用のプログラム（連携コード）を個別に書く必要があったからです。接続先がN個、AIアプリがM個あれば、最悪でN×M通りの組み合わせを作り込むことになります。MCPはこの間に共通の規格を1枚はさむことで、組み合わせ爆発を「N＋M」に近づけます。USB（＝機器を差し込むための共通端子）が周辺機器の接続を一本化したのと同じ発想です。
重要なのは、MCPが「オープンな規格」である点です。特定の1社のAIだけが使える閉じた仕組みではなく、規格に対応したツールであれば異なるAIアプリからも同じように利用できます。これにより、一度作った接続口を複数のAIエージェントで使い回せます。
図1：接続先ごとの作り込みを、共通規格でひとまとめにする流れ。
拡大MCPは大きく「MCPサーバー」と「MCPクライアント」という2種類の登場人物で成り立ちます。MCPサーバー（＝外部データ・ツール側に置く提供役）は、社内文書の検索機能やデータベース、外部APIなどの「能力」をMCPの作法に沿って外に差し出します。たとえば「顧客一覧を返す」「ファイルを検索する」といった機能を、AIから呼び出せる形で公開します。
一方のMCPクライアント（＝AI側にあって接続を担う受け皿）は、AIアプリの内部でサーバーとの通信を仲介します。このクライアントを内蔵してユーザーとやり取りするAIアプリ全体を「ホスト（＝クライアントを抱える器）」と呼びます。ChatGPTやClaudeのようなAIアシスタント、あるいは自社で組んだAIエージェントがホストにあたります。
やり取りの中身は主に3種類です。ツール（＝AIが実行を依頼できる操作。検索・登録・計算など）、リソース（＝AIが読み込む参照データ。文書やレコード）、プロンプト（＝定型の指示テンプレート）。ホスト側のAIは、サーバーが「何ができるか」を受け取り、必要に応じてツールの実行やリソースの取得を要求します。
図2：AI側のホスト／クライアントと、外部側のサーバーが受け渡す3要素。
拡大実際の動作は、まずホスト側のAIがMCPサーバーに接続し、「このサーバーはどんなツールやデータを提供しているか」の一覧を受け取るところから始まります。AIはこの一覧を手がかりに、ユーザーの依頼を果たすためにどの機能を使うべきかを判断します。
たとえば「先月の問い合わせ件数を教えて」と頼まれたAIエージェントは、接続済みのサーバーが提供する「問い合わせ集計ツール」を選び、実行を要求します。サーバーは自社システムから結果を取り出してAIに返し、AIはその結果を自然な文章にまとめて答えます。AIは自分の記憶だけで答えるのではなく、その場で外部の最新データを取りに行ける点がポイントです。
この一連の流れで、AIが呼び出せる範囲はサーバー側の設定によって指定されます。読み取りだけを許すか、書き込み（登録・更新）まで許すかを提供側がコントロールできるため、権限の範囲を絞った安全な接続を設計できるでしょう。
図3：AIが外部ツールを選び、実行し、結果を回答へまとめるまで。
拡大MCPが向いているのは、AIに「自社だけが持つ情報」や「自社の業務操作」を扱わせたい場面です。代表例は社内ナレッジ連携で、社内文書・議事録・マニュアルをMCPサーバー越しに参照させれば、AIは一般的な知識ではなく自社の実情に基づいて回答できるようになるでしょう。RAG（ラグ、Retrieval-Augmented Generation＝検索で集めた社内情報を根拠にAIが答える方式）を、標準化された接続で実現する土台になります。
業務自動化の面では、問い合わせ管理・在庫・予約といった業務システムをツールとして公開すれば、AIエージェントが「調べて、判断して、登録する」までを一続きでこなせるようになるとみられます。人手で複数ツールを行き来していた作業を、1つの依頼文から進められるようになると考えられます。
設計上の注意もあります。AIに実行権限を渡すということは、誤操作や情報漏えいのリスクも一緒に渡すということです。公開する機能を必要最小限に絞る、書き込み系の操作には確認を挟む、アクセスできるデータ範囲を限定する、といった権限設計を最初に決めておくことが実務では欠かせません。
図4：社内情報の参照から業務操作まで、AIに任せられる範囲の広がり。
拡大AI検索（＝ChatGPTやAI Overviewsなど、検索結果をAIが要約して答える仕組み）が広がる中で、企業側の情報提供も「人が読むWebページ」だけでなく「AIが機能として呼び出せる形」へと広がりつつあります。MCPは、その「AIが呼び出せる形」を作るための代表的な規格です。自社のデータや機能をAIから扱える窓口として整えておくことは、AI経由の接点を増やす備えになると考えられます。
直近で押さえるべきは考え方です。AIに正しく引用・活用してもらうには、情報が構造化され、機械が扱いやすい形で提供されている必要があると考えられます。これはテクニカルSEO（＝検索エンジンがサイトを正しく読み取れるようにする技術的な最適化）や構造化データ（＝ページの意味をAIや検索エンジンに明示する記述）と地続きの発想であり、MCPはその延長線上で「AIエージェントに機能を渡す」層を担います。
まずWeb・マーケ担当が取るべき一歩は、自社のどのデータ・機能をAIに触らせるべきか、そして触らせてはいけないかを線引きすることです。技術実装は開発側の役割ですが、公開範囲と権限の判断は事業側が握るべき論点だからです。
図5：人が読むページから、AIが呼び出せる機能までの段階的な備え。
拡大MCPと従来の個別連携（それぞれで作り込む方式）の定性比較。| 観点 | 個別連携（従来） | MCP（共通規格） |
|---|
| つなぎ方 | 接続先ごとに専用コードを作り込む | 共通の作法に沿って接続する |
| 使い回し | 作った連携は基本その用途に限定 | 同じ接続口を複数のAIから利用できる |
| 対応AIの広さ | 特定の実装に依存しやすい | 規格対応なら異なるAIから利用可能 |
| 保守の手間 | 接続先が増えるほど重複が膨らむ | 窓口を標準化でき重複を抑えやすい |
横にスクロールできます
当ラボの定点観測では、Web検索を使うモードは回答の86.6%から98.8%に出典を付けていました。一方、Web検索を使わないモードは、2,200字を超える回答であっても参照先を1件も示していません。
図6：接続先ごとの作り込みを、共通規格でひとまとめにする流れ。
拡大AIが外部の情報を取りに行くかどうかで、答えに根拠が付くかどうかが変わります。MCPが担うのは、その取りに行く先を自社の側から用意しておく部分だと整理できるでしょう。
MCPを使うとAIそのものが賢くなるのですか。
いいえ。MCPはAIの思考力を高める技術ではなく、AIが外部のデータやツールに接続するための「つなぎ方」を標準化する規格です。AIは自分の記憶だけでなく、その場で最新の社内データや業務機能を取りに行けるようになります。賢さそのものではなく、扱える情報と操作の範囲が広がると理解してください。
MCPサーバーとMCPクライアントの違いは何ですか。
MCPサーバーは、社内文書の検索やデータベース照会などの機能を外部に差し出す提供役で、外部データ・ツール側に置きます。MCPクライアントはAIアプリの内部で通信を仲介する受け皿で、これを内蔵したAIアプリ全体をホストと呼びます。ざっくり言えば、機能を出す側がサーバー、使う側（AI）がクライアント／ホストです。
AI検索対策として、まず何から手をつければよいですか。
MCPの実装より前に、人が読むコンテンツの充実と、構造化データによる機械可読化を先に固めるのが実務的な順序です。そのうえで、自社のどのデータ・機能をAIに触らせるか（触らせないか）を事業側で線引きしておくことが重要です。技術実装は開発側に任せられますが、公開範囲と権限の判断はマーケ・事業側が握るべき論点です。
