MCPサーバーとは？仕組み・種類・使い方を図解で説明｜API・RAGとの違いも解説

MCPサーバーとは？役割をわかりやすく解説

MCPサーバーとは、AIアプリケーションと社内外のデータやツールを、共通規格MCPに沿ってつなぐプログラムです。

どれほど高性能な生成AIでも、社内のファイルや業務システムから切り離されたままでは、自社のデータにもとづく回答や作業を行えません。AIとデータをつなぐ手段として登場したMCPサーバーを理解するには、次の4つの観点を押さえる必要があります。

• ●MCPはAIと外部をつなぐ共通規格
• ●MCPサーバーはAIの「手足」になるプログラム
• ●AIエージェントはMCPサーバーで外部を操作する
• ●MCPサーバーが必要とされる背景

共通規格としてのMCP、MCPサーバーの役割、AIエージェントとの関係、必要とされる背景を順に押さえると、MCPサーバーが何を担い、なぜ企業で広がっているのかが明確になります。

MCPはAIと外部をつなぐ共通規格

Model Context Protocol（MCP）は、AIアプリケーションと外部のデータやツールをつなぐオープンな標準規格です。AIアシスタントのClaudeを開発するAnthropicが、2024年11月に公開しました。特定のAIモデルに依存しないため、ClaudeでもOpenAIが提供するChatGPTでも同じ接続先を使えます。

MCPはUSB-C端子に似ています。端子が統一されれば機器ごとの専用ケーブルは要りません。MCPも同様に、AIと接続先の組み合わせごとの専用連携を不要にします。

参照元：Anthropic｜Introducing the Model Context Protocol

参照元：Model Context Protocol｜What is the Model Context Protocol (MCP)?

関連記事

MCP（Model Context Protocol）とは？AIエージェント連携の仕組みやAPIとの違いMCP（Model Context Protocol）は、AIアプリケーションと社内外のデータやツールを共通の方法で接続するオープンな規格です。生成AIの活用がAIエージェントへと広がり、社内データをAIに渡す場面が増え…続きを読む

MCPサーバーはAIの「手足」になるプログラム

MCPサーバーは、ファイルやデータベース、業務システムなどの接続先とAIアプリケーションのあいだに立ち、AIの手足として働くプログラムです。AIから「先月の議事録を探して」といった要求を受けると、接続先で処理を実行し、結果をAIへ返します。

名前に「サーバー」と付いていても、データセンターに置く物理的な機器とは別物です。動かす場所は利用者の端末でもクラウド上でも構いません。

接続先ごとに別々のMCPサーバーが用意され、1つのAIアプリケーションは複数のMCPサーバーへ同時に接続できます。

参照元：Model Context Protocol｜Architecture overview

AIエージェントはMCPサーバーで外部を操作する

AIエージェントとは、指示を受けたAIが自ら手順を考え、必要なツールを使いながら作業を進める仕組みです。たとえば「来週の会議資料を集めて要約して」と頼まれたAIエージェントは、ファイルの検索から要約の作成までを自分で順に進めます。

社内データの検索や業務システムの操作を行う際、AIエージェントの手段となるのがMCPサーバーです。企業がAIに任せる範囲を広げるほど、AIに与える権限と操作記録の管理が重要度を増します。具体的な注意点は「企業で導入する際のリスクと確認事項」の章で解説します。

関連記事

MCPとA2Aの違いとは？役割・使い分けと併用時の管理ポイントを解説AIエージェントの業務活用が進み、「MCP」と「A2A」という2つの規格に注目する企業が増えています。ただ、どちらもAIを外部とつなぐ規格のため、両者の違いや自社に必要なのはどちらかを判断しきれないケースは少なくありませ…続きを読む

関連記事

AIエージェントのセキュリティリスクと対策｜企業が押さえるべき脅威と安全な導入方法生成AIの進化により、企業の業務はかつてないスピードで変わろうとしています。しかし、人手不足やルーチン業務の多さ、迅速な意思決定の難しさといった課題は依然として根強く、AIの恩恵を業務全体に行き渡らせられていない企業も多…続きを読む

MCPサーバーが必要とされる背景

MCPが登場する前は、AIアプリケーションとデータやツールの組み合わせごとに、専用の連携を開発して保守する必要がありました。AIアプリがM種類、接続先がN種類あれば、連携はM×N通りに増えます。この状態は「N×M問題」と呼ばれています。

たとえばAIアプリが3種類、接続先が5種類なら、必要な連携は15通りです。MCPに対応すれば、AI側と接続先側がそれぞれ1回ずつ対応するだけで済み、対応は3＋5の8通りに減ります。

規格の運営も、特定の企業に依存しない形へ移りました。MCPは2025年12月、Anthropicからオープンソースを支える非営利団体Linux Foundation傘下のAgentic AI Foundationへ寄贈され、中立的な団体のもとで改訂が続いています。特定の事業者の方針に左右されにくいことは、企業が長期的に採用しやすい理由の1つです。

参照元：Anthropic｜Introducing the Model Context Protocol

参照元：Anthropic｜Donating the Model Context Protocol and establishing the Agentic AI Foundation

MCPサーバーの仕組みと動作の流れ

MCPサーバーを業務で安全に使うには、AIとMCPサーバーのあいだでどのようなやり取りが行われているかを知っておく必要があります。仕組みを理解しておくと、権限を設定する場所や操作を記録する場所も見当をつけやすくなります。MCPの仕組みを知るうえで押さえたいのは、次の3つです。

• ●ホスト・クライアント・サーバーの役割
• ●MCPサーバーが提供する3つの機能
• ●AIがMCPサーバーを使う流れ

以下では、それぞれについて解説します。

ホスト・クライアント・サーバーの役割

AIと接続先のやり取りには、MCPホスト、MCPクライアント、MCPサーバーという3つの役割が関わります。MCPホストはClaudeなどのAIアプリケーション本体で、MCPクライアントはホストの中でサーバーとの接続を受け持つ部分です。MCPサーバーは、接続先の機能を提供するプログラムにあたります。

ホストは、接続するMCPサーバーごとにクライアントを1つずつ作成します。たとえば文書管理システムと勤怠システムにつなぐ場合、ホストの中に2つのクライアントが作られ、それぞれが専用の接続を保ちます。

参照元：Model Context Protocol｜Architecture overview

MCPサーバーが提供する3つの機能

MCPサーバーがAIアプリケーションに提供する機能は、ツール、リソース、プロンプトの3種類です。ツールはAIが実行できる操作で、社内ヘルプデスクへのチケットの起票が該当します。リソースはAIが参照できるデータを指し、社内規程のファイルを読み込ませる使い方が一例です。プロンプトは定型作業のテンプレートで、議事録作成のような決まった指示をあらかじめ用意できます。

使うタイミングを決める主体も異なり、ツールはAI、リソースはAIアプリケーション、プロンプトは利用者が判断します。

参照元：Model Context Protocol｜Understanding MCP servers

AIがMCPサーバーを使う流れ

利用者が「今月の東日本エリアの売上は？」と尋ねた場合、処理の流れは5段階です。まず、AIアプリケーションが接続先のMCPサーバーから、使えるツールの一覧を受け取ります（一覧は、接続した時点であらかじめ取得しておくこともできます）。次に、AIが質問の内容をもとに、売上データを検索するツールを選びます。

3段階目では、AIアプリケーションが選ばれたツールの実行をMCPサーバーへ依頼します。続く4段階目で、MCPサーバーが売上データベースから該当する数値を取り出し、結果を返します。最後に、AIが受け取った結果をもとに回答を作成し、利用者に伝えます。

参照元：OpenAI Developers｜MCP servers

参照元：Model Context Protocol｜Architecture overview

MCPサーバーの種類と具体例

MCPサーバーは、動作する場所、提供元、用途（接続先）の3つの軸で分類できます。動作する場所ではローカル型とリモート型、提供元では公式・コミュニティ製・自作に分かれ、用途はファイルや業務SaaS、開発ツールなど接続先によって異なります。

3つの軸に当てはめて考えると、自社に合うMCPサーバーを見極めやすくなります。個別のサーバーの比較や選び方は扱わず、章の最後で関連記事を紹介します。

ローカル型とリモート型の違い

動作する場所で分けると、MCPサーバーには利用者の端末上で動くローカル型と、ネットワーク経由で使うリモート型があります。

ローカル型は利用者ごとの端末に設定が必要で、どの端末でどのサーバーが動いているかを管理者が把握しにくくなります。

一方のリモート型は、1つのサーバーで多くの利用者に対応できます。OAuth（利用者にアクセスの許可があるかを確かめる認可の仕組み）を使えるため、複数の従業員で使う企業でも権限を管理しやすくなります。

参照元：Model Context Protocol｜Architecture overview

関連記事

MCPサーバーが拓く企業のAI基盤設計：SaaS活用とオンプレミス運用の最適バランスを理解する企業でAI活用が加速する中、複数のSaaSや社内システムへ安全にアクセスし、業務を自動化できる基盤の重要性が高まっています。MCP（Model Context Protocol）サーバーは、外部ツール操作の標準化と権限管…続きを読む

公式・コミュニティ製・自作の違い

提供元で分けると、MCPサーバーは、サービスの提供元が公開する公式、第三者や個人が公開するコミュニティ製、自社で開発する自作の3種類です。

公式サーバーの例に、サイボウズが業務アプリ構築サービスのkintone向けにOSS（ソースコードを公開したソフト）として提供するローカルMCPサーバーがあります。Filesystemなどの参照実装はMCPの運営側が機能を示す見本で、公式サーバーとは位置づけが異なります。

公開済みのサーバーは、公式レジストリ（MCP Registry）や公式リポジトリの一覧で探せます。MCP Registryは2026年10月14日時点でプレビュー版で、プログラムの安全性までは審査していません。業務で使う前には、提供元と与える権限の確認が欠かせません。

自作の流れは「MCPサーバーを自作する場合の流れ」で紹介します。企業では公式サーバーを優先し、コミュニティ製は提供元・更新状況・権限を確かめてから使ってください。

参照元：Model Context Protocol｜The MCP Registry

参照元：GitHub｜modelcontextprotocol/servers

参照元：cybozu developer network｜kintone MCPサーバー

代表的なMCPサーバーの例

用途（接続先）ごとに代表的なMCPサーバーを挙げると、次の表のとおりです。いずれも提供元が公式に公開しているもので、Filesystem・Fetchだけは、MCPの運営側が機能とSDKの使い方を示すために公開している参照実装にあたります。参照実装は業務での本番利用ではなく、まず手元のPCで仕組みを試す用途に向いています。

※確認日：2026年10月14日、各提供元の公式情報

どのMCPサーバーを選ぶかの考え方や利用シーンは、以下の関連記事で紹介しています。

参照元：DirectCloud｜MCPサーバー対応の法人向けAIストレージ｜DirectCloud AI（無料プランあり）

参照元：Notion Developers｜Notion MCP

参照元：cybozu developer network｜kintone MCPサーバー

参照元：GitHub｜github/github-mcp-server

参照元：Google Cloud｜50+ fully managed MCP servers now available for Google Cloud services

参照元：GitHub｜modelcontextprotocol/servers

関連記事

AIで業務効率化を進めるMCPサーバー｜おすすめの選び方と5つの利用シーンAIで業務効率化を進めるMCPサーバー｜おすすめの選び方と5つの利用シーン 生成AIを文章作成や要約に使う企業が増え、次の段階として社内の資料や業務システムを参照させたいという要望が出てきました。ところが「社内の資料を検…続きを読む

MCPサーバーの使い方・接続手順

MCPサーバーは、準備、接続、権限確認、動作テストの4ステップで使い始めます。準備では、使うAIツール（Claude、ChatGPT、Microsoft Copilot、Cursor、VS Codeなど）がMCPに対応しているか、契約プランで使えるか、接続先のMCPサーバーがリモート型かローカル型かを確かめます。

接続の方法は型によって異なり、リモート型はURLの登録、ローカル型は設定ファイルへの追記で接続します。接続後は提供されるツールと権限を確かめ、読み取りの指示から動作をテストしてください。社内で本格的に使う前に担当者が自分のPCで小さく試しておくと、「企業で導入する際のリスクと確認事項」で紹介する段階的な進め方の第1段階にも移りやすくなります。

リモート型はURLを登録して接続する

リモート型は、AIツールの設定画面にMCPサーバーの接続先URLを登録し、利用者が接続先のサービスにOAuthで認証すると使えるようになります。端末ごとの設定が要らないため、管理者が利用状況を把握しやすい方式です。

Claudeでは「カスタムコネクタ」として登録します。ChatGPTでは接続先の呼び名が2025年12月に「コネクタ」から「アプリ」へ変わり、現在はプラグインのページから「カスタムMCPサーバー」として追加する形です（2026年10月14日確認）。使える範囲は契約プランや管理者の設定で変わり、組織向けのプランでは管理者が登録し、利用者が各自で認証する形もあります。

DirectCloud MCPでは、コネクタの登録を管理者が一度行い、DirectCloudへの認証は利用者ごとに行います。詳しい手順は関連記事で紹介しています。

参照元：Claude Help Center｜Get started with custom connectors using remote MCP

参照元：OpenAI Developers｜Building MCP servers for ChatGPT Apps and API integrations

参照元：OpenAI Developers｜Add custom MCP server

関連記事

DirectCloud MCPの設定方法｜事前準備からAIツールとの接続までAIツールから社内のファイルを安全に扱えるようにしたい。そう考えたとき、情報システム部門から上がるのは、こうした声です。 社内のファイルをAIにつなぐのに、どんな準備がどれだけ必要なのか見当がつかない 権限の設計を崩さず…続きを読む

ローカル型は設定ファイルに追記して接続する

ローカル型は、利用者のPC上でMCPサーバーを動かし、AIツールの設定ファイルに起動方法を書き足して接続します。設定ファイルにはサーバー名、起動コマンド、引数、必要に応じて環境変数を書き、保存後にアプリを再起動すると使えるようになります。Claude Desktopでは、デスクトップ拡張としてワンクリックで追加する方法もあります。

※確認日：2026年10月14日、各社の公式ドキュメント

Node.jsやPythonなどの実行環境が必要になる場合があり、APIキーなどの認証情報は設定ファイルに直接書かず、環境変数で管理します。

PCで動くサーバーは端末内のファイルに触れられるため、信頼できる提供元のものに限ってください。個人の検証には向く一方、端末ごとに設定が要り管理者が把握しにくいため、全社での利用にはリモート型が向いています。

参照元：Claude Help Center｜Getting Started with Local MCP Servers on Claude Desktop

参照元：Model Context Protocol｜Connect to local MCP servers

参照元：Cursor Docs｜Model Context Protocol (MCP)

参照元：Visual Studio Code｜MCP configuration reference

接続後に権限と動作を確認する

接続できたら、AIツールの画面でMCPサーバーが提供するツールの一覧を確認します。業務に不要な書き込みや削除のツールがあれば、無効にするか、実行前に承認する設定にしてください。

動作テストは、「指定したフォルダにあるファイル名の一覧を出して」のような読み取りだけの指示から始め、意図した範囲だけが参照されたかを結果とログで確かめます。多くのAIツールは、ツールの実行前に利用者へ確認を求める仕組みを備えています。たとえばCursorは初期設定でMCPツールの実行前に承認を求め、ChatGPTでは書き込みを伴う操作に確認が必要です（2026年10月14日確認）。

リスクの詳細は「企業で導入する際のリスクと確認事項」で解説します。

参照元：Cursor Docs｜Model Context Protocol (MCP)

参照元：OpenAI Developers｜Add custom MCP server

参照元：Model Context Protocol｜Security Best Practices

MCPサーバーを自作する場合の流れ

社内の業務システム向けなど、既存のMCPサーバーがない場合は自社で開発できます。流れは4段階です。まず、TypeScript、Python、Go、Javaなど10の言語で提供されている公式SDK（開発を助けるプログラム部品の集まり）から選びます。

次に、AIに実行させる操作をツールとして定義します。続いて、ツールやリソースを画面上で試せる公式の検証ツール「MCP Inspector」で動作を確かめ、最後にAIツールへ登録して試す流れです。

SDKは版によって対応する仕様の版が異なるため、最新の仕様に対応した版を使ってください。公開前には、与える権限、データの流れ、想定される攻撃経路の確認が欠かせません。仕様の改訂に合わせた改修も続くため、開発と保守を担える体制があれば自作、体制が限られる場合は既存サービスの利用が向いています。

参照元：Model Context Protocol｜SDKs

参照元：Model Context Protocol｜MCP Inspector

参照元：Model Context Protocol｜Security Best Practices

MCPサーバーとAPI・RAGの違い

MCPサーバー、API、RAG、Function Callingを目的や使う主体など4つの観点で比べると、次の表のとおりです。

APIは、システム同士をつなぐ汎用的な窓口です。MCPサーバーはAPIを置き換えるものではなく、多くの場合は内部でAPIを呼び出し、その機能をAIが使いやすい形に包んで提供します。

RAG（検索拡張生成）は、外部の文書を検索して回答の根拠に加える手法を指します。一方のMCPは、AIが外部のツールやデータを使うための接続の規格です。役割が異なるため、両者は組み合わせて使えます。

Function Callingは、AIモデルが「どの機能を呼び出すか」を表明する仕組みです。呼び出される機能を公開し、AIとつなぐ側の共通規格がMCPにあたります。

関連記事

MCPとAPIの違い｜情シスが押さえる管理ポイントと使い分けを解説生成AIを業務に取り入れる企業が増え、社内のデータやシステムとAIをつなぐ手段として「MCP」が注目を集めています。一方、システム連携には以前からAPIが使われており、MCPを導入すればAPIが不要になるのか、両者をどう…続きを読む

関連記事

MCPとRAGの違いとは？MCPサーバーとの関係や使い分け・併用を解説生成AIの社内活用が広がるなか、社内データをAIに使わせる方法として「RAG」と「MCP」が並べて語られる場面が増えました。ただ、どちらも外部の情報をAIに渡す点が共通するため、情報システム部門やDX推進の担当者にとって…続きを読む

関連記事

「動くRAG」と「使えるRAG」は違う：企業運用で成果を出す品質と継続性を備えた“高品質RAG基盤”の条件生成AIの普及に伴い、多くの企業がRAGで自社ナレッジを安全に扱えると期待し独自基盤を構築しています。 しかし実運用では、精度低下やメンテナンス負荷、同期遅延、セキュリティ要件の複雑化など、PoC後に大きな壁が生じやすく…続きを読む

参照元：Model Context Protocol｜Understanding MCP servers

参照元：OpenAI Developers｜MCP servers

MCPサーバーでできることと活用例

MCPサーバーで何ができるかは、業務の場面に当てはめると具体的に見えてきます。MCPサーバーを使うと、AIから社内外のデータを参照・操作でき、主な活用の場面は次の4つです。

MCPサーバーを使うメリット

MCPサーバーを導入する効果は、AIと社内データを一度つないで終わるものではありません。接続の仕組みが共通の規格にそろうことで、利用するAIの選び方や、AIに渡せる情報、AIに任せられる作業の範囲まで変わります。

MCPサーバーを使うメリットは、AIを切り替えても同じ接続を使えること、社内の最新データをAIに使わせられること、AIに任せられる業務の範囲が広がることの3つです。

AIを切り替えても同じ接続を使える

MCPに対応したAIアプリケーションであれば、利用するAIを別のサービスに切り替えても、同じMCPサーバーをそのまま使えます。全社で使うAIを別の事業者のサービスへ移す場合でも、社内の文書管理システムとの接続を作り直す必要はありません。

企業にとっては、特定のAIベンダーに依存しにくくなる点が大きな意味を持ちます。AIの性能は急速に向上しているため、業務に合ったサービスをその時点で選び直せる状態を保つことが、長く使い続けるうえでの備えになります。

参照元：Model Context Protocol｜What is the Model Context Protocol (MCP)?

社内の最新データをAIに使わせられる

生成AIが持つ知識は、学習した時点までの情報に限られます。そのままでは、今週改定された社内規程や今月の受注件数を尋ねても、正しい答えは返ってきません。MCPサーバーを通じて社内のファイルや業務データにつなげば、AIは最新の情報を参照したうえで回答できます。

社内の実データを根拠にするため、回答は一般論にとどまらず自社の実情に沿ったものになり、業務で使える精度に近づきます。裏付けのある情報を渡すことで、事実と異なる内容をもっともらしく答えるハルシネーションも起きにくくなります。

参照元：Anthropic｜Introducing the Model Context Protocol

AIに任せられる業務の範囲が広がる

AIはMCPサーバーのツールを使うことで、質問に答えるだけでなく、データの登録や更新といった操作まで行えます。

情報システム部門であれば、社内からの問い合わせにマニュアルを参照して回答したり、パソコンの貸出状況を台帳から集計したりする作業を任せられます。管理部門では、申請の内容を業務システムへ登録する定型作業も対象です。

登録や更新のような操作は、実行前に人が承認する設定と組み合わせて使うと、誤った登録を防げます。

参照元：Model Context Protocol｜Understanding MCP servers

企業で導入する際のリスクと確認事項

MCPサーバーはAIに社内データの参照や操作を任せられる一方で、つなぐ範囲が広がるほど、情報の漏洩や意図しない操作が起きたときの影響も大きくなります。導入の効果を得るには、リスクを把握したうえで、確認の手順と進め方を決めておく必要があります。

企業での利用に向けて、注意すべき5つのリスクと導入前の5つの確認項目を示したうえで、小さく始めて段階的に広げる進め方を紹介します。

企業が注意すべき5つのリスク

MCPサーバーを企業で使う際に注意したいリスクは、AIへの指示のすり替え、権限の与えすぎ、信頼できない接続先の利用、認証情報の漏洩、記録の欠如の5つです。いずれも、AIが触れられる社内データの範囲が広いほど被害が大きくなります。

広い権限を持つ認証情報が盗まれると、本来の業務と関係のないデータまで読み出される恐れがあります。情報システム部門が社内で説明する際に使えるよう、各リスクで起こりうることと主な原因を次の表に示しました。

参照元：OpenAI Developers｜MCP servers

参照元：Model Context Protocol｜Security Best Practices

関連記事

生成AIのセキュリティリスクと対策｜4つの経路で整理し優先順位を決める生成AIのセキュリティとは、業務で生成AIを使う際の情報漏えいや誤った出力、不正な操作を抑えるための取り組みを指します。生成AIでは入力した情報が社外に渡るうえ、外部の文書に紛れた指示に従ったり、連携先の権限から被害が広…続きを読む

導入前に確認したい5つの項目

先の5つのリスクに対応する次の5点を、検討中のサービスや社内ルールに当てはめて確かめます。

• ●提供元は信頼できるか（サービス提供元の公式サーバーか）
• ●AIに与える権限は業務に必要な最小限か（閲覧で足りる業務に削除の権限まで与えていないか）
• ●認証・認可の仕組みがあるか（社内のアクセス権がAIの操作にも適用されるか）
• ●ツールの実行前に利用者が確認できるか（登録や送信の前に内容を承認できるか）
• ●操作ログを取得・保管できるか（誰がいつ何を実行させたかを、規程の期間残せるか）

具体的な対策は関連記事で紹介しています。

関連記事

MCPのセキュリティ｜AIを社内データにつなぐ前に確認したい10のリスクと対策AIに社内のファイルを読ませたい。そう相談を受けた情報システム部門から、こんな声を聞きます。 便利なのは分かるが、何をどこまで確認すれば許可を出せるのか判断できない 申請を却下するのは簡単だが、そのせいで現場が会社の管理…続きを読む

小さく始めて段階的に広げる進め方

MCPサーバーの利用範囲は、一度に広げず3段階で進めると安全性を確かめやすくなります。

第1段階では、社内規程集のように範囲が明確な文書を対象に、読み取りだけの権限で使い始めます。回答の正確さと、意図しない参照がログにないかを確認する段階です。

第2段階では、対象を部署の共有フォルダなどへ広げ、読み取り専用のまま作業時間がどれだけ減ったかを確かめます。

第3段階で定型的な登録や更新をAIに任せ、実行前に利用者が内容を承認する運用を組み合わせます。誤った操作がないかは、引き続きログで点検します。

参照元：Model Context Protocol｜Security Best Practices

DirectCloud MCPによる社内データ連携

DirectCloud AIのMCPサーバー機能（以下、DirectCloud MCP）を使うと、ClaudeやCopilot、ChatGPTなどのAIツールから、MCPサーバー経由でDirectCloud上のファイルを検索・取得できます。対応するプランや利用条件は、製品ページでご確認いただけます。AIが社内データに触れる際のリスクには、権限・開放範囲・操作記録・認証情報の4つの面で備えています。

企業で使う際のリスクとして挙げた課題に、DirectCloud MCPのどの機能が対応し、どのような効果が得られるかを次の表に示します。

関連記事

DirectCloud MCPの設定方法｜事前準備からAIツールとの接続までAIツールから社内のファイルを安全に扱えるようにしたい。そう考えたとき、情報システム部門から上がるのは、こうした声です。 社内のファイルをAIにつなぐのに、どんな準備がどれだけ必要なのか見当がつかない 権限の設計を崩さず…続きを読む

権限の範囲内でのみAIが動作する

AIは、MCPを使う利用者のアクセス権の範囲でのみ動作します。利用者が閲覧できないフォルダは、AIからも参照できません。

DirectCloudで設定したアクセス権がMCPの利用時にも適用されるため、AI用のフォルダを別に用意しなくても使えます。部署ごとに分けた既存のフォルダの権限設計を、そのままAIの利用に持ち込めます。経理部のフォルダに権限のない営業部の従業員がAIに質問しても、経理部の資料が回答に使われることはありません。

参照元：DirectCloud｜MCPサーバー対応の法人向けAIストレージ｜DirectCloud AI（無料プランあり）

管理者が許可した範囲だけ開放できる

DirectCloudのAI機能は、初期状態では無効になっています。管理者が許可した範囲だけを段階的に開放できる、二段階のホワイトリスト（許可したものだけを利用できる一覧）方式です。

先に紹介した「小さく始めて段階的に広げる進め方」のうち、読み取りの範囲を広げていく第1段階と第2段階は、この仕組みで実現できます。まず特定の部署と社内規程のフォルダに限って開放し、効果とログを確かめてから、対象の利用者やフォルダを広げていく運用が可能です。開放していない範囲のファイルは、AIの検索対象になりません。MCPの利用は管理者が許可する仕組みで、EliteとElite+のプランでは利用者を個別に指定できます。

すべての操作を記録できる

AI経由の操作を含むすべてのAPI操作は、誰が・いつ・何をしたかがわかる形で記録されます。記録が残るため、IT監査や内部統制の場面で、AIがどのファイルを扱ったかを後から検証できます。導入前の確認項目に挙げた「操作ログを取得・保管できるか」にも対応する仕組みです。

DirectCloudでは、削除の操作はファイルをゴミ箱へ移す形で行われます。誤ってファイルを消してしまっても、ゴミ箱から元に戻せるため、業務データを失う心配を減らせます。

認証情報が漏れても被害を抑えられる

認証には、有効期限が30分の短い署名付きトークン（JWT）を使っています。トークンとは、利用者が認証済みであることを示すデータで、社内システムに入るための通行証にあたります。

利用者の端末からトークンが盗まれた場合でも、30分を過ぎれば使えなくなります。7日間使われなかったトークンは自動で廃棄されるため、使われないまま残り続けることもありません。有効期間を短く保つことで、漏洩したときの被害を小さく抑えられます。ファイルのダウンロードには1回限り有効なワンタイムリンクを使うため、リンクが外部に渡っても繰り返し使われることはありません。

参照元：DirectCloud｜MCPサーバー対応の法人向けAIストレージ｜DirectCloud AI

データ集約でAI活用の土台を整えた事例

AIに社内データを安全に参照させるには、データが1か所に集まり、アクセス権や他システムとの連携が整っていることが前提になります。

DirectCloudをご利用の企業のうち、この土台づくりに取り組んだ例として、基幹システムとの連携で文書の取り込みを効率化した京都電子工業株式会社様と、拠点ごとのNAS（社内ネットワークにつなぐファイル保存装置）に散在したデータをクラウドに集約した日本ビルコン株式会社様の事例をご紹介します。

基幹システムとの連携で文書の取り込みを効率化した事例

分析計の専門メーカーである京都電子工業株式会社様は、メール添付によるファイル共有をやめること、外部の協力会社と円滑に共同作業を進めること、基幹システムと連携できるストレージを導入することの3つを課題としていました。

DirectCloudの導入後は、共有リンクの活用でPPAP（パスワード付きZIPファイルをメールで送る方式）から脱却しています。ゲスト招待の機能で、協力会社とも直接ファイルを受け渡せます。API連携で作業用フォルダの文書を基幹システムへ取り込めるようになり、業務の効率も上がりました。作業報告書などの文書がDirectCloudに集まっていれば、DirectCloud MCPを通じてAIツールから過去の報告書を探し、内容を確かめる使い方にも広げられます。

拠点に散在したNASのデータをクラウドに集約した事例

ビルや大型施設のメンテナンス事業を手がける日本ビルコン株式会社様では、外出先から現場の画像やCADファイル（設計図面のデータ）にアクセスできないことが課題でした。支社・部署ごとにNASが散在し、NASの故障による管理者の負担やデータ消失のリスクも抱えていました。

全国約60台のNASに散らばっていたデータはDirectCloudに集約され、場所を問わずノートPCやタブレットPCからファイルにアクセスできています。同社によると、年間で800万円以上のコスト削減につながりました。部署ごとのアクセス権を設けたうえで集約したデータは、DirectCloud MCPを使えば同じ権限のままAIから検索できるため、ファイル名やフォルダをたどって図面や帳票を探す手間も減らせます。

よくある質問

MCPサーバーの導入を検討し始めると、無料で使えるのか、社内データがAIの学習に使われないか、従業員が使うMCPサーバーを会社で制限できるのかといった疑問が出てきます。導入の検討段階で生じやすいこれら3つの疑問に、順に回答します。

MCPサーバーは無料で使えますか？費用はかかりますか？

結論から言うと、MCPという規格そのものは無料で使えます。

MCPの仕様やSDKはオープンソースとして公開されており、規格そのものを使うための費用はかかりません。実際の費用は、利用するAIサービスや、MCPサーバーを提供するサービスの料金体系で決まります。

AIツールによっては、無料プランでもリモート型のMCPサーバーを使える場合があります。たとえばClaudeのカスタムコネクタは無料プランでも利用できますが、使える範囲はAIツールの契約プランによって異なります（2026年10月14日確認）。

OpenAIのAPIを例にとると、AIの処理量に応じた利用料がかかり、ツールを1回呼び出すごとの追加料金はありません（2026年10月14日確認）。接続先ごとに個別の連携を開発・保守する場合と比べ、一度作った接続を複数のAIで使い回せるため、長期的に費用を抑えやすくなります。

参照元：OpenAI Developers｜MCP servers

参照元：Claude Help Center｜Get started with custom connectors using remote MCP

MCPサーバー経由で渡した社内データはAIの学習に使われますか？

MCPサーバー経由でAIに渡した社内データの扱いは、MCPサーバー側ではなく、利用するAIツール側の規約と契約プランで決まります。

OpenAIはChatGPTの法人向けプランとAPIについて、Anthropicも法人向けのClaudeとAPIについて、送られたデータを初期設定ではモデルの学習に使わないと公表しています。一方、個人向けプランでは設定によって学習に使われる場合があるため、業務では法人向けプランを使う必要があります（2026年10月14日確認）。各社の方針は改定されることがあるため、導入前に利用するAIツールの最新の規約を確かめてください。

DirectCloud MCPでも、取得したデータの保存や学習への利用は、接続先のAIツール側の規約に従います。

参照元：OpenAI｜Business data privacy, security, and compliance

参照元：Anthropic Privacy Center｜How do you use personal data in model training?

社員が使うMCPサーバーを会社で制限できますか？

会社として、従業員が使えるMCPサーバーを制限できます。方法は大きく3つです。

1つ目は、AIツール側で管理者が許可したものだけを使えるようにする方法です。Claude DesktopではTeamとEnterpriseプランのオーナーが拡張機能の許可リストを設定でき、VS Codeには使えるMCPサーバーを組織単位で管理する設定があります。

2つ目は、接続先のサービス側で、管理者がMCPの利用を許可した利用者だけに限る方法です。

3つ目は、社内の認証基盤（IDプロバイダー）からMCPサーバーへのアクセスを一元管理する企業向けの拡張仕様で、2026年6月に安定版となりました（2026年10月14日確認）。

DirectCloud MCPは初期状態で無効になっており、管理者が許可した範囲だけを開放できます。

参照元：Claude Help Center｜Getting Started with Local MCP Servers on Claude Desktop

参照元：Visual Studio Code｜MCP configuration reference

参照元：Model Context Protocol｜Enterprise-Managed Authorization

まとめ

MCPサーバーは、生成AIを社内データや業務システムとつなぎ、業務で使える形へ近づけるための基盤です。AIと接続先の組み合わせごとに個別の連携を作る方法では、開発と保守の負担が膨らむ一方でした。共通規格のMCPに主要なAI事業者が対応し、中立的な団体のもとで標準化が進んだ今、接続の仕組みを一度整えれば、AIを切り替えても同じ接続を使い続けられ、社内の最新データを根拠にした回答も得られます。

MCPサーバーには、動作する場所によるローカル型とリモート型、提供元による公式・コミュニティ製・自作という種類があります。使い始めるときは、AIツールにURLを登録するか設定ファイルに追記して接続し、まずは読み取りの操作から確かめると安心です。

ただし、AIに社内データの参照や操作を任せる以上、権限・認証・記録の管理は欠かせません。読み取り専用の小さな範囲から始め、効果と安全性を確かめながら広げていけば、AIに任せられる業務を着実に増やせるでしょう。

DirectCloud AIのMCPサーバー機能であるDirectCloud MCPを使えば、ClaudeやCopilot、ChatGPTなどのAIツールから、DirectCloud上のファイルを安全に検索・取得できます。AIは利用者のアクセス権の範囲でのみ動作し、管理者が許可した範囲だけを段階的に開放できるうえ、すべての操作が記録されます。社内データとAIを安全につなぎたい企業のご担当者様は、ぜひ導入をご検討ください。