MCPとは？AI連携の「USB-Cポート」と呼ばれる仕組みを入門解説

AI関連のツールやサービスの説明で、「MCP対応」「MCPサーバー提供開始」という表現を見かけることが増えました。Claude、ChatGPT、Visual Studio Code、Cursorといった主要なAIアプリケーション・開発ツールがそろってサポートする¹この MCP（Model Context Protocol） とは、いったい何なのでしょうか。

この記事では、MCPの公式ドキュメントとAnthropicの発表をもとに、MCPがなぜ生まれ、どんな仕組みで動いているのかを、AIの専門家ではない方にも分かるように整理します。

MCPとは何か：AIアプリケーションの「USB-Cポート」

公式サイトの定義によると、MCPは「AIアプリケーションを外部システムに接続するためのオープンソース標準」です¹。MCPを使うと、ClaudeやChatGPTのようなAIアプリケーションが、データソース（ローカルファイルやデータベースなど）、ツール（検索エンジンや電卓など)、ワークフロー（特化したプロンプトなど）に接続し、重要な情報へのアクセスやタスクの実行ができるようになります¹。

公式サイトはこれを「AIアプリケーションのためのUSB-Cポートのようなもの」と説明しています¹。USB-Cが電子機器の接続方法を標準化したように、MCPはAIアプリケーションと外部システムの接続方法を標準化する、という比喩です。どのメーカーの充電器でもUSB-Cならつながるのと同じで、MCPに対応してさえいれば、AIアプリケーションと外部ツールを個別の作り込みなしに組み合わせられます。

なぜ必要なのか：個別実装の「断片化」問題

MCPは、Anthropicが2024年11月25日に発表し、オープンソースとして公開したプロトコルです³。発表時にAnthropicが挙げた課題は、AIアシスタントを外部のデータやツールにつなごうとすると、接続先のデータソースごとに個別のカスタム実装が必要になる、というものでした。接続の方式がバラバラ（断片化）なままでは、本当の意味で「つながったシステム」を広げていくことが難しい。そこでMCPにより、開発者が接続先ごとのコネクタを個別に維持する代わりに、共通の標準プロトコルに対して一度だけ実装すればよい状態を目指しました³。

たとえばAIアプリケーションが10種類、接続したい外部サービスが10種類あるとき、個別実装では最大100通りの接続を作る必要があります。共通プロトコルがあれば、それぞれが標準に1回対応するだけで済みます。発表当初からBlockやApolloが統合を進め、Zed、Replit、Codeium、Sourcegraphといった開発ツール企業も対応に取り組みました³。現在ではOpenAIもMCPを採用したと報じられており⁵、ChatGPTを含む主要AIアプリケーションが対応する事実上の共通規格になりつつあります¹。

仕組み：ホスト・クライアント・サーバーの3つの登場人物

MCPはクライアント・サーバー型のアーキテクチャを採用しており、3つの登場人物がいます²。

MCPホスト は、利用者が直接触れるAIアプリケーション本体です（Claude CodeやClaude Desktopなど）。ホストは1つ以上のMCPサーバーへ接続を確立し、複数のMCPクライアントを統括・管理します²。

MCPクライアント は、ホストの内部でサーバーとの接続を1対1で維持する部品です。ホストはサーバー1つにつきクライアントを1つ作り、クライアントがサーバーから文脈情報（コンテキスト）を取得してホストに渡します²。

MCPサーバー は、AIに文脈や機能を提供するプログラムです²。たとえばVisual Studio CodeはMCPホストとして動作し、エラー監視サービスSentryのMCPサーバーに接続するとクライアントが1つ生成され、さらにローカルのファイルシステム用サーバーに接続するともう1つクライアントが生成される、という具合です²。

MCPサーバーという名前から大がかりなインフラを想像するかもしれませんが、手元のパソコンで動く小さなプログラムでも構いません。同じマシン上で動くローカルサーバー（標準入出力で通信）と、ネットワーク越しのリモートサーバー（HTTPで通信）の両方がサポートされています²。通信の中身は、JSON-RPC 2.0という確立された形式に基づいています²。

サーバーが提供できる3つのもの：Tools・Resources・Prompts

MCPサーバーがAIアプリケーションに提供できるものは、大きく3種類に整理されています。公式ドキュメントではプリミティブ（基本要素）と呼ばれます²。

1つ目は Tools（ツール） 。AIが何かを実行するために呼び出せる関数で、ファイル操作、API呼び出し、データベースクエリなどが該当します²。AIに「手」を与えるものと言えます。

2つ目は Resources（リソース） 。ファイルの内容、データベースのレコード、APIレスポンスといった、AIに文脈情報を提供するデータソースです²。こちらはAIに「参照資料」を渡すものです。

3つ目は Prompts（プロンプト） 。システムプロンプトやfew-shot例（手本となるやり取りの例）など、言語モデルとの対話を構造化する再利用可能なテンプレートです²。

公式ドキュメントの例を借りると、データベース連携のMCPサーバーなら、クエリを実行するツール、データベースのスキーマ（構造定義）を含むリソース、ツールの使い方の手本を含むプロンプトをまとめて提供できます²。なお、AIアプリケーション側は接続時に「このサーバーは何を提供しているか」を一覧取得してから使う仕組みになっており、サーバー側の機能が増減すると通知を受け取って一覧を更新できます²。ツールの顔ぶれが動的に変わっても対応できる設計です。

MCPで何ができるのか

公式サイトは具体例として、エージェントがGoogleカレンダーやNotionにアクセスしてパーソナルアシスタントとして働く、Claude CodeがFigmaのデザインからWebアプリ全体を生成する、企業のチャットボットが組織内の複数のデータベースに接続してチャットでデータ分析できるようにする、AIモデルがBlenderで3Dデザインを作成して3Dプリンターで出力する、といったケースを挙げています¹。

共通するのは、AIが「学習済みの知識で答える」だけの存在から、「いまそこにあるデータを読み、外部のツールを操作して働く」存在に変わる、という点です。自律的にタスクを進めるAIエージェントにとって、MCPは外部世界との接点を標準化する配線にあたります。

当サイトでも、デザインデータをAIコーディングツールに渡すFigma Context MCPなど、具体的なMCPサーバーを取り上げてきました。どんなMCPサーバーが人気なのかはMCP人気ツールランキングの記事で紹介していますので、仕組みを押さえたうえで実際のツールを眺めると、エコシステムの広がりが実感できるはずです。