MCP(Model Context Protocol)とは、ClaudeなどのAIを、社内のデータベースやファイル、業務ツールにつなぐための共通の接続規格です。AIとツールの間の「つなぎ方」を標準化したもので、一度MCPに対応させた接続口(MCPサーバー)は、対応している複数のAIアプリから使えます。本記事では、MCPの仕組みを専門用語を抑えて説明し、中小企業が社内システムにつなぐときの判断基準と、安全に導入するための注意点を整理します。
MCPとは何か
AIと社内ツールをつなぐ「共通の差し込み口」
生成AIは、そのままでは社内のデータを知りません。「今月の売上は?」「この顧客との過去のやり取りは?」と聞いても、答えるための材料を持っていないからです。これまでは、AIとデータをつなぐたびに、AIの種類ごと・ツールごとに個別の連携プログラムを作る必要がありました。
MCPは、この接続の形を共通にする規格です。たとえるなら、機器ごとに形が違っていた充電端子を、共通の規格にそろえるような役割です。
誰が作り、誰が管理しているのか
- 2024年11月に、Claudeの開発元であるAnthropicがオープンな規格として公開しました
- 2025年12月に、Linux Foundation傘下のAgentic AI Foundation(AAIF)へ寄贈され、特定の企業に依存しない形で管理されています
- 仕様には日付で版が付けられており、2026年10月時点の現行版は「2026-07-28」です。この版では、サーバー側が会話の状態を持たずに各リクエストを処理できる方式に変わり、それ以前の版と一部互換性のない変更が含まれています
Claude以外のAIアプリや開発ツールにも対応が広がっており、特定のAIに縛られにくいことが、MCPを採用する大きな理由になっています。
MCPの仕組みを3つの役割で理解する
| 役割 | 何をするか | 例 |
|---|---|---|
| ホスト | 人が使うAIアプリ | Claudeのアプリ等 |
| クライアント | ホスト内の接続部品 | アプリが内蔵 |
| サーバー | ツールやデータの窓口 | 社内DBの読取口 |
社内システムにつなぐときに作るのは、主にMCPサーバーです。MCPサーバーは、AIに対して次のようなものを提供します。
- ツール:AIが呼び出せる操作(顧客を検索する、在庫数を調べる、下書きを登録する など)
- リソース:AIが読める情報(マニュアル、規程、データの一覧 など)
- プロンプト:よく使う指示の型(月次報告の作り方 など)
APIで連携する開発と、何が違うのか
MCPは、これまでのAPI連携開発を置き換えるものではありません。MCPサーバーの内側では、社内システムのAPIやデータベースを呼び出しています。違うのは、その窓口をAI向けに標準化している点です。
| 観点 | 個別のAPI連携 | MCP |
|---|---|---|
| 主な利用者 | 決まった処理 | AIとの対話 |
| 処理の流れ | 事前に固定 | AIが都度選ぶ |
| 別のAIで使う | 作り直し | そのまま使える |
| 向く業務 | 毎回同じ自動処理 | 質問・調べもの |
たとえば「毎朝、前日の受注をCSVにして会計ソフトへ送る」のような決まった処理なら、通常のAPI連携やバッチ処理のほうが確実で安価です。一方、「この顧客の過去の注文と問い合わせをまとめて」のように、質問ごとに必要なデータが変わる使い方では、MCPでAIに窓口を渡すほうが向いています。ノーコードツールとの使い分けも含めた判断は、DifyとClaude APIを業務ボット構築で比較した検証も参考にしてください。
Claudeで使う場合の形
2026年10月時点で、Claudeのアプリでは、外部に置いたMCPサーバーを「カスタムコネクタ」として追加する機能が提供されています(ヘルプセンター上はベータ機能として案内)。TeamやEnterpriseのプランでは、組織のオーナーがコネクタを追加し、各メンバーが個別に接続を有効にする流れです。
Anthropicのヘルプセンターでは、カスタムコネクタはAnthropicが検証していないサービスにもClaudeを接続でき、Claudeがそのサービスの中で操作を行えるようになることに注意するよう案内されています。接続先を自社で管理し、権限を設計することが前提になります。
また、Claude Codeのような開発・作業向けのツールからも、MCPサーバーを利用できます。社内向けの自動化ツールを作る場面では、こちらが使われることも多くあります。
中小企業での使いどころ
- 社内データへの質問:販売管理や顧客管理のデータベースを読み取り専用でつなぎ、「先月の地域別売上」などを会話で確認する
- マニュアル・規程の検索:社内文書を読めるようにして、問い合わせへの回答根拠を示させる
- 業務ツールへの下書き登録:議事録から抽出した宿題をタスク管理に下書きとして登録し、人が確定する
- 複数システムの横断:顧客管理と請求管理など、別々のシステムの情報を1つの質問でまとめる
安全に導入するための注意点
まずは読み取り専用から始める
AIにデータの変更や削除までできる権限を最初から渡すと、指示の取り違えがそのまま事故になります。最初は読み取り専用、書き込みは下書きまでにとどめ、確定は人が行う設計にします。
見せてはいけない情報を仕組みで遮断する
給与、認証情報、個人の機微情報など、AIに触れさせない領域は、指示文でお願いするのではなく、アクセス権限そのもので遮断します。データベースならAI用に権限を絞った専用ユーザーを作り、ファイルなら読める場所を限定します。
外部の情報に紛れた指示に注意する
AIがツール経由で読み込んだメールやWebページの中に、AIへの指示のような文章が紛れ込んでいることがあります。AIがそれに従って意図しない操作をしてしまう危険があるため、外部から来た文章を扱うツールと、社内データを変更できるツールは、同じ権限で組み合わせないようにします。
出所の分からないMCPサーバーを使わない
MCPサーバーは誰でも公開できます。便利そうでも、提供元や保守の状況が分からないものを、社内データにつながる環境へ入れるのは避けてください。認証の方式(OAuthなど)や、操作の記録が残るかも確認します。社内のAI利用ルール全般はAI導入で押さえるリスクと対策で整理しています。
当社の社内AI基盤で採っている考え方
アサヒリンクスでは、運営会社の社内向けに、社内AIアシスタント基盤(システム台帳+権限ガード)を2026年9月に構築し、運用しています。スマートフォンから「今月の経営状況は?」と聞くと、AIが社内システムの台帳をたどって答える仕組みです。
- 11のシステムと顧客サイト群を台帳化し、どこに何があるかをAIが参照できるようにした
- データベースは読み取り専用のユーザーで接続している(対象は131のデータベース)
- 秘密情報のファイルや保護すべき場所へのアクセスは、実行前に機械的に止める仕組みで遮断している
この基盤はClaude Codeと台帳・フックで構成しており、MCPそのものの事例ではありません。ただ、「AIに渡す窓口を限定し、権限は仕組みで縛る」という考え方は、MCPサーバーを設計するときにもそのまま当てはまります。
MCPについてよくある誤解
「MCPを入れればAIが社内のことを何でも分かる」
MCPは接続の規格であり、AIが答えられるのはつないだデータの範囲だけです。データが整理されていなかったり、項目の意味が人によって違ったりすれば、AIの回答もその分あいまいになります。つなぐ前に、データの置き場所と意味を整理しておくことが効果を左右します。
「MCPがあれば開発はいらない」
主要なクラウドサービスの中には、公式のMCPサーバーを提供しているものがあり、その場合は設定だけで使えます。一方、自社で作った業務システムや独自のデータベースには、MCPサーバーを用意する必要があります。開発がなくなるのではなく、AIに渡す窓口を1つ作れば複数のAIで使い回せる、と考えるのが正確です。
「つなげば自動で業務が進む」
MCPでつないだAIは、人の質問や指示を受けて動きます。決まった時刻に決まった処理を必ず実行する、といった用途には、通常のバッチ処理やAPI連携のほうが確実です。AIの判断が入る処理は、結果を人が確認する前提で設計します。
導入前のチェックリスト
- AIに答えてほしい質問が、具体的に書き出せているか
- その質問に必要なデータが、どのシステムのどこにあるか分かっているか
- AIに見せてよい情報と、見せてはいけない情報の線引きができているか
- 最初は読み取り専用にする合意が、社内で取れているか
- 利用するAIサービスの、データの取り扱いに関する規約を確認したか
- 接続を管理する担当者(権限の追加・削除を行う人)が決まっているか
- 操作の記録を残し、定期的に見直す手順があるか
すべてに答えられなくても構いません。答えられない項目こそ、導入前に整理しておくべき論点です。
導入の進め方と費用の考え方
- 聞きたいことを10個書き出す:AIに答えてほしい質問を具体的に挙げ、そのために必要なデータを特定する
- つなぐ範囲を最小にする:最初は1つのシステム、読み取り専用から始める
- 既製のコネクタがないか確認する:使っているクラウドサービスが公式のMCPサーバーを提供していれば、開発せずに済む
- 自社システムは窓口を開発する:独自のデータベースや業務システムは、権限を絞ったMCPサーバーを用意する
- 記録を見て範囲を広げる:どんな質問が多いかを見ながら、つなぐデータを増やす
開発費用は、つなぐシステムの数と権限設計の複雑さで変わるため、個別にお見積もりしています。参考として、アサヒリンクスの料金目安では、Claude APIを使った業務特化のツール開発が15〜25万円、社内文書を取り込んだ検索やSlack・Teams連携が25〜40万円です。詳しくは料金目安をご覧ください。
よくあるご質問
Q. MCPを使うと、社内のデータがAIの学習に使われませんか。
A. MCPは接続の規格であり、学習に使われるかどうかは利用するAIサービスの規約で決まります。商用のプランやAPIでは学習に使わない取り決めが一般的ですが、導入時点の最新の規約を必ず確認してください。
Q. ChatGPTなど、Claude以外のAIでも使えますか。
A. MCPはオープンな規格で、Claude以外のAIアプリや開発ツールにも対応が広がっています。ただし対応の範囲や設定方法はアプリごとに違うため、使う予定のアプリで確認が必要です。
Q. 社内に詳しい人がいなくても運用できますか。
A. つなぐ範囲を小さく保ち、読み取り専用で始めれば、運用の負担は抑えられます。権限の変更や接続先の追加は、仕組みを理解した担当者か外部の保守で管理する体制をおすすめします。
Q. 古い社内システムでもつなげますか。
A. データベースに読み取りで接続できる、またはデータを書き出せる仕組みがあれば、多くの場合は対応できます。まずは今のシステムの構成をお聞かせください。
まとめ
- MCPは、AIと社内のデータ・ツールをつなぐための共通の接続規格
- 2026年10月時点の現行仕様は2026-07-28版で、Linux Foundation傘下の団体が管理している
- 決まった自動処理は通常のAPI連携、質問ごとに必要なデータが変わる使い方はMCPが向く
- Claudeではカスタムコネクタとして外部のMCPサーバーを追加できる(ベータ機能)
- 導入は読み取り専用・最小範囲から始め、見せない情報は権限そのもので遮断する
- 出所の分からないMCPサーバーは使わず、外部の文章に紛れた指示にも備える
「自社のどのデータをAIにつなぐと効果があるか」という段階からご相談いただけます。既製のコネクタで足りる場合はその方法を、開発が必要な場合は権限の設計から一緒に整理します。
この記事に関連する開発事例
実際にどう作るのか、費用と期間はどのくらいかは、事例ページで具体的にご覧いただけます。