MCPとは｜AIエージェントを外部データにつなぐ仕組みと活用

先に結論を3つ書く

1. MCPは、AIと外部のデータや道具をつなぐ共通の規格です。 正式名称をModel Context Protocolという。つなぎ方が製品ごとにばらばらだと、つなぎ先の数だけ作り込みが増えます。その手前に共通の約束事を1つ置く設計です。共通の約束事は、電子機器のUSB-Cポートにあたるものだと説明しています。
2. AIが何でも勝手にできるようになる規格ではありません。 仕様書は、道具を呼び出す前にホスト側が利用者の明示的な同意を得なければならないと定めています。同時に、規格の仕組みとしてこれを強制できないとも認めています。安全側の作り込みは導入する側の責任として残ります。
3. MCP・AIエージェント・RAGは、同じ層の話ではありません。 MCPはつなぎ方の約束事、RAGは外部の文書を取り込んでから答える作り方、AIエージェントはそれらを使って自分で手順を組む仕組みです。並べて比べるものではなく、重ねて使うものです。

先に断っておきます。この記事の主題であるMCP・AIエージェント（＝目的を渡すと自分で手順を組み、道具を呼びながら進める仕組み）・RAGの利用実態について、GMO AI検索ラボはまだ自分で測った数字を持っていません。定点観測でいま毎日投げている質問セットは150問（店舗・ローカルが18問、残る11業種が12問ずつ）で、すべて消費者向けのブランド指名に関する問いであり、この領域の問いを1つも含んでいない。したがって規格の中身は、策定した団体の公式仕様と各社の公表値だけを根拠に書きます。ただし、AIが外部の情報を実際に取りに行っているか、読まれた側に何が起きるかはこの調査が測っており、その実測は7章で出します。なお7章で使う2026年5月から7月の観測は、当時の1日あたり100問を投げたものでまで、いまの150問とは別の数です。

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

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。

閉じる

MCPとは何か。AIと外部データをつなぐ共通規格

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

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。

閉じる

この記事が扱う範囲を、先に決めておく

MCPはModel Context Protocolの略で、AIに材料を渡すための共通の約束事を指し、策定したAnthropicがこの規格を公開したのは2024年11月25日です。

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

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。

閉じる

この記事が持つのは、規格の構成要素、接続から実行までの流れ、AI検索対策との関係の3つです。語の意味を一から開く説明、規格そのものはAIを賢くしないという線引き、使い始める前に権限と情報の扱いをどう絞るかは、別の記事「MCPとは何か」が持ちます。

共通の規格を挟むと、作り込みの量がどう変わるか

共通の規格が無い状態では、つなぎたい相手の数だけ作り込みが要り、AIを使うアプリが3つ、社内システムが4つあれば、組み合わせは12通りになります。規格を1つ置くと両側が1回ずつ作れば済むので、作る量は12から7へ減ります。

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

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。

閉じる

この記事が示すのはこの概数までで、本数の数え方と、つなぎ先が何個から共通の形が引き合うかの目安は別の記事へ渡し、ここでは本数以外に何が変わるかを並べる。

RAGとAIエージェントは、MCPの上と横にある

RAGは、AIが答えを書く前に外部の文書を検索して取り込み、それを材料に答えを作る作り方を指し、AIエージェントは、目的を渡すと自分で手順を組み、道具を呼び出しながら進める仕組みを指します。

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

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。

閉じる

AIエージェントが仕事を進めるには、社内の情報を読んだり業務システムを操作したりする必要があると考えられ、その入り口をどうつなぐかを決めているのがMCPだと言えます。MCPは土台の配管、RAGは材料の使い方、AIエージェントは働き手にあたり、3つを比べて1つを選ぶ考え方は説明できませんでした。使い分けは5章で片付ける。

構成要素を分ける。サーバーとクライアント（ホスト）は何を受け持つか

登場人物はホスト・クライアント・サーバーの3つある

公式ドキュメントの定義では、ホストは利用者が触るアプリケーションそのもので、全体の体験を取りまとめる。クライアントは、ホストの中で作られる通信部品で、1つのサーバーとのやりとりを受け持ち、サーバーは、機能やデータを外へ差し出すプログラムです。

利用者から見えているのはホストだけで、1つのホストが複数のクライアントを抱え、日常の会話では「クライアント」がホストの意味で使われることも多い。

サーバーが差し出せるものは3種類に決まっている

サーバー側が差し出せるものは、仕様で3種類に定められており、ツールは、AIが呼び出して何かを行う機能で、ファイルの操作やデータベースへの問い合わせがこれにあたる。リソースは、AIに読ませるためのデータそのものであり、プロンプトは、やりとりの型を用意しておく雛形です。

3種類とも一覧を取る手順と中身を取る手順が決まっており、ツールだけは実行する手順も持ちます。

クライアント側からサーバーへ差し出せるものもある

やりとりは一方通行ではありません。2026年7月28日版の仕様で現役なのは、エリシテーションと呼ばれる機能です。処理の途中でサーバー側が利用者へ情報を尋ねられるようにするもので、公式ドキュメントは、出張の予約を扱うサーバーが座席の希望を尋ねる例を挙げています。

以前この位置にあったサンプリングとルーツの2つは、2026年7月28日版で非推奨に変わった。非推奨は使えなくなったという意味ではなく、仕様に残って当面は動くが、新しく作るものには採用しないという扱いです。策定したAnthropicは廃止までの猶予を原則12か月以上と定めており、押さえておくべきなのは、この規格が版を重ねて形を変えている最中だという点です。

どう動くか。接続から実行までの流れ

つないでから結果を返すまでは5つの段階に分かれる

MCPのやりとりは、JSON-RPC 2.0（＝プログラム同士が「この処理をこの値で実行してほしい」と依頼し合うための、決まった書式の取り決めを指す。MCPはこの上に載っている）という既存の方式の上に載っています。プログラム同士が「この処理をこの値で実行してほしい」と依頼し合うための、決まった書式の取り決めであり、動きは5つの段階に分けて読める。

3段階目を独立した段として置いたのは、ここが規格の定めと導入する側の作り込みの境目になるからであり、仕様書は同意を義務として書きながら、3.3で述べるとおり、それを強制できないとも認めています。2段階目の一覧には、どれだけ使い回してよいかの目安が添えられる。

2026年7月28日版で、つなぎ始めの作法が変わった

前の版である2025年11月25日版までは、やりとりを始めるときに initialize という手続きを踏み、接続の間ずっと状態を持ち続ける作りであり、2026年7月28日版ではこの手続きが取り除かれ、1回ごとの要求が自分で仕様の版と機能を名乗る形に変わった。

担当者の立場では、規格が版で変わるという事実そのものが重要になり、導入を外部に委託する場合、どの版に合わせて作るのかを見積もりの時点で確認しておかないと、後から作り直しが発生する。

AIが勝手に何でもできるわけではありません

仕様書には、実装する側が守るべき原則が明記されており、利用者はすべてのデータの取り扱いと操作に明示的に同意していなければなりません。ツールは任意のコードの実行にあたるため、ホストは呼び出す前に利用者の明示的な同意を得なければなりません。ツールの説明文そのものも、信頼できるサーバーから得たものでない限り信用してはならない、と書かれています。

同時に仕様書は、これらを規格の仕組みとして強制できない、と自ら述べており、守らせる責任はホストを作る側と導入する側に残ります。確かめるべきなのは「MCPに対応しているか」ではなく、「実行の前にどう同意を取り、記録をどう残すか」です。

MCPに対応している製品を、公表されているものだけ並べる

公式に対応が示されているものだけを4件挙げる

以下は、2026年8月8日にGMO AI検索ラボが各社の公式ページを取得して確認したものであり、網羅ではないので、ここに無い製品が対応していないという意味にはなりません。

公表日を「確認できていない」とした2件は、公式ドキュメントに日付の記載が無いためです。

一覧の使い方は「対応の有無」ではなく「どの版に対応しているか」

この表は製品を選ぶための順位ではありません。この調査ではこの領域の効果も利用実績も測っておらず、順位を付ける根拠を持っていません。表の役割は、対応の広がりが1社の中に閉じていないことを示すところまでです。

実際に関わってくるのは、対応の有無ではなく、どの版に対応しているかであり、3章のとおり、仕様は版によってつなぎ始めの作法が変わっています。手元のサーバーが古い版で、つなぎたいホストが新しい版しか受け付けない、という食い違いは起こりうる。

MCP・AIエージェント・RAGの3語をどう使い分けるか

「AIエージェント」の定義は、会社ごとに違う

3語の中でも、いちばん揺れているのが「AIエージェント」であり、この語を調べている人は多い。外部ツールAhrefsで2026年8月16日に日本を対象として取ると、「aiエージェント」が月41,000回、「aiエージェントとは」が月13,000回でした。いずれも推計であり、この調査が測った数字ではありません。

それだけ調べられているのに、定義は1つに決まっていません。主要3社が公式に書いている定義を並べ、いずれも2026年8月16日に各社の公式ページで確認し、原文は英語で、訳はこの調査による。

共通しているのは2つだけであり、道具を使うことと、渡された目的に向かって動くことです。

分かれているのは線の引き方であり、Anthropicだけが「ワークフローはエージェントではない」と明確に分けています。一方OpenAIは、ワークフローをエージェントが動く場として扱っており、同じ「ワークフロー」という語が、会社によって反対の位置に置かれています。この語で混乱するのは、読む側の理解が足りないからではありません。

なお、OpenAIがエージェントの部品として挙げているものの中に、MCPサーバーが入っています。MCPは、エージェントを組み立てる部品として公式に位置づけられており、この記事がMCPを扱いながらAIエージェントに触れるのは、そのためです。

3語は層が違うので、並べて比べるものではありません

この記事に来る読者がいちばんつまずくのが、この3語であり、同じ文脈で出てくるうえ、どれもAIと外部データの話に見える。実際には違う層の話です。

1行ずつ押さえておけば、資料の中でどれが出てきても位置が分かります。

製品を選ぶときは、名前ではなく何をするかで確かめる

3語のどれかを名乗る製品でも、中身が同じとは限りません。「AIエージェント」と名乗っていても、決まった手順を実行するだけで、自分で手順を組む部分を持たない製品があり、5.1で見たとおり、それをエージェントと呼ぶかどうかは会社によって違います。Anthropicの線引きに従えばワークフローであり、Googleの定義では目標を達成していればエージェントに含まれ、売る側がどちらの定義を採っていても、嘘にはなりません。「MCP対応」も、どの版に対応しているか、サーバーとして動くのかホストとして動くのかで意味が変わります。

したがって、名前の一致で判断しません。何を入力として受け取り、何を実行でき、実行の前に誰の同意を取るのか。この3点を聞き出して並べるほうが早く、言葉は各社の都合で伸び縮みするが、動作は伸び縮みしないためです。

活用の場面を2つに分ける。社内データ連携とエージェント業務がある

社内文書の検索は、いちばん手前にある使い道

実務での使い道は大きく2方向に分かれ、1つ目は、社内にある文書をAIに読ませて質問に答えられるようにする使い方です。共有ドライブの資料、過去の提案書、問い合わせの履歴といった、探すのに時間がかかっているものが対象になります。AIが読むだけで社内のデータを書き換えないので、失敗したときの被害が小さく、着手の順番として手前に置きやすい。

MCPの役割は、置き場所ごとにサーバーを用意し、どのAIアプリからも同じ作法で読めるようにするところにある。

定型業務の自動化は、書き換えが伴うので設計が要る

2つ目は、AIエージェントに定型の作業を任せる使い方であり、問い合わせを判別して担当へ振り分ける、日次の集計を作って所定の場所に置く、といった作業がこれにあたる。こちらは社内のデータを書き換えたり外部へ送信したりする操作が入るので、3章で書いた同意の設計がそのまま関わってきます。

現実的な組み方は、AIが自分で判断してよい範囲を先に狭く決めておき、それを超える操作には人の承認を挟むことです。全部を任せる設計から始めると、間違いが起きたときにどこで止められたはずなのかが分からなくなる。

導入で難しいのは技術ではなく、範囲を決めること

難所の1つ目は、扱ってよい情報の範囲を決める作業であり、社内の共有ドライブには、全社員が見てよい資料とそうでない資料が混ざっています。AIから読めるようにするとは、その区別を機械が扱える形で整理し直すということであり、技術ではなく、部署をまたいだ取り決めになり、多くの場合、ここで止まる。

2つ目は動かし続ける手間であり、つないだ先が更新されればサーバー側も直す必要があり、版が上がれば対応の確認が要り、3つ目は、効果の測り方を先に決めておくことであり、何時間かかっていた作業が何時間になったのかを、導入の前に測っておきます。この調査では測っていないので、効果の大きさは言えません。

AI検索対策との関係。なぜ今マーケ担当が知るべきか

AIが外部の情報を取りに行っていることは、この調査の実測で確かめられる

ここまでは、AIに情報を渡す側、つまり社内システムの話であり、マーケティングの担当者にとって重要なのはその裏返しです。AIが自前の知識だけで答えるのではなく、外部の情報を取りに行ってから答え、この挙動は、この調査が自分で数えています。

2026年5月19日から7月30日まで、企業名も商品名も書かない1日あたり100問を毎日まで6モデルへ投げた2万9,582件の回答では、ウェブ検索を使う4モデルの出典率がChatGPT（検索あり）98.8%、Google AI Mode 95.2%、Gemini（検索あり）86.4%、Google AI Overview 69.4%と並び、検索を使わない2モデルは0%でした。総回答の月別内訳は5月7件・6月1万2,435件・7月1万7,140件で、5月分は試験運用の分であり、外部を取りに行く挙動は、一部のモデルではすでに常態です。この数字はMCPの普及度ではなく、AIが外部の情報に手を伸ばす流れが実際に起きていることを示すものとして読んでほしい。

読まれる側の備えは、AI検索対策とほぼ同じ中身になる

注意が要るのは、読まれることと名前が出ることが別だという点です。この調査が2026年7月8日から8月7日にかけて、AIO対策会社の選定に関する17種の問いを5モデルへ投げた2,168回答を調べたところ、自社ドメインが引用された203件のうち97件（47.8%）では、回答本文に社名が出ていなかった。同じ調査で、引用タイトルが取得できた7,102件の44.1%は「おすすめN選」「比較」「ランキング」を含む第三者の比較記事であり、材料として読まれるだけでは足りない。

備えの中身は目新しいものではありません。ページの構造を機械が読み取れる形にしておくこと、何をいつ誰が書いたのかを示しておくこと、自社でしか出せない事実を持っておくこと。実際の手順は最適化のカテゴリーで扱い、押さえておきたいのは、社内へのAI導入の話と、自社サイトがAIに読まれる話が、同じ流れの表と裏だという点です。

よくある質問

用語集

データの出どころ

規格の中身は公式ページ、7章の数字はこの調査の一次データから取っており、原典に無い数字は書いていません。

確認できていないこと

• この記事の主題そのものを測っていません。いまの質問セット150問はすべて消費者向けのブランド指名に関する問いで、MCP・AIエージェント・RAGを扱う問いを1つも含みません。7章の数字を出した2026年5月から7月の観測も、1日あたり最大100問すべてが同じ性質の問いです。7章の数字はAIの挙動と引用の実態を示すもので、MCPの普及度でも効果でもありません。
• 対応製品の一覧は網羅ではありません。公式ページで対応を確認できた4件を挙げただけです。
• 対応の公表日を確認できなかった製品があります。Visual Studio CodeとOpenAI Agents SDKは、公式ドキュメントに日付の記載が無かった。
• 導入の効果・費用・工数を測っていません。作業がどれくらい短縮されるか、いくらかかるかは何も言えません。
• 仕様は版で変わります。この記事は2026年7月28日版に基づく。版が上がれば3章の作法は変わりうる。
• 日本国内での普及の度合いを数えていません。何社が使っているかは調べていません。
• 5.1で並べた定義は3社分だけです。主要な提供元を選んだが、網羅ではありません。他社が別の線を引いている可能性はある。
• 定義の訳はGMO AI検索ラボによる。原文は英語で、訳し方によって受け取り方は変わりうる。正確を期すなら、出どころの表にある各社のページを直接読んでほしい。
• どの定義が正しいかをGMO AI検索ラボは決めていません。3社が別々に線を引いているという事実を示しただけです。業界で1つに定まる見込みも、この記事では判断していません。

著者と更新履歴

公開前に埋める項目：執筆担当者と監修者の氏名、著者ページのURL、GMO NIKKOの正式な法人名表記、ロゴ画像のURL。いずれも確認できていないため空欄にしてある。

まとめ

この記事の数字は、GMO AI検索ラボが自分で集めた実測であり、母数と期間は「データの出どころ」に書いており、数字は毎月測り直しているので、引用するときは集計期間を添えてください。