MCPサーバーとは

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3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

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を順に押さえると、AIが社内データや業務システムを扱う際にMCPサーバーが何を担う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)?

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「企業で使う際のリスクと確認事項」の章で解説します。

MCPが必要とされる背景

MCPが短期間で多くのAIサービスに広がった背景には、従来の連携方法が抱えていた課題と、AI業界全体の動きがあります。AIと接続先を1対1でつなぐ方法では、つなぐ対象が増えるほど開発と保守の負担が重くなり、共通の規格で置き換える必要が生じました。

MCPが必要とされた理由を、個別連携による開発負担の増大、主要なAI事業者による相次ぐ対応、中立的な団体のもとでの標準化という3つの流れから解説します。

個別連携では開発が追いつかない

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。

参照元：Anthropic｜Introducing the Model Context Protocol

主要なAIサービスが相次いで対応した

Anthropic以外の主要なAI事業者も、MCPに対応した製品やサービスを相次いで展開しました。

ChatGPTを運営するOpenAIは開発者向けAPIで、インターネット上のMCPサーバーへの接続に加え、非公開環境のMCPサーバーを外部に公開せずつなぐ機能も用意しています。

Googleは2026年4月、クラウドのGoogle Cloud向けに50以上のマネージドMCPサーバー（Googleが運用するMCPサーバー）を正式版またはプレビュー版で提供すると発表しました（2026年9月28日確認）。

参照元：OpenAI Developers｜MCP servers

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

中立的な団体のもとで標準化が進んだ

2025年12月、MCPは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へ寄贈されました。

仕様は日付入りの版で改訂され、2026年9月末時点の最新版は2026-07-28版です。最新版では、大規模な利用に備えてサーバーがやり取りの状態を保持しない通信方式に改めたほか、認証情報の使い回しを防ぐなど認可も強化されました。

2026年6月には、従業員のIDを管理する社内の認証基盤（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できる企業向けの拡張機能も安定版として公開されています。

特定の企業に依存しない団体のもとで改訂が続くため、企業は長期的に採用しやすくなります。

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

参照元：Model Context Protocol｜Key Changes

参照元：Model Context Protocol｜Enterprise-Managed Authorization

参照元：Model Context Protocol Blog｜Enterprise-Managed Authorization: Zero-touch OAuth for MCP

MCPサーバーの仕組み

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4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
• ●ローカル型とリモート型の違い

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

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

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。

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

MCPサーバーを使うと、AIから社内外のデータを参照・操作できます。主な業務の場面は次の4つです。

詳しい利用シーンと選び方は下記の関連記事で解説しています。ぜひご覧ください。

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

企業で使う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

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。

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 AIでAIと社内データを安全につなぐ

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。

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、自社で作れるのか、どこで探せるのか、業務で使っているSaaSは対応しているのか、費用はかかるのか、AIツールにどうつなぐのかといった疑問が出てきます。

以下では、検討の段階で生じやすいこれら5つの疑問に回答します。

MCPサーバーは自社で作れますか？

MCPサーバーは、MCPの公式サイトで提供されているSDK（開発を助けるプログラム部品の集まり）を使えば、自社で開発できます。SDKはPythonやTypeScriptのほか、JavaやGoなど複数の言語に対応しています。

自作する場合も、公開前に与える権限、データの流れ、想定される攻撃経路を確かめる必要があります。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。

公開されているMCPサーバーはどこで探せますか？

公開されているMCPサーバーは、MCPの公式レジストリ（MCP Registry）や、公式サイトに掲載された例示サーバーの一覧で探せます。MCP Registryは、公開されたMCPサーバーの情報を1か所に集めた公式の登録簿で、2026年9月28日時点ではプレビュー版（正式公開前の版）です。

登録されているサーバーには、サービスの提供元以外が作ったものも含まれます。レジストリはプログラムそのものの安全性までは審査していないため、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。

参照元：Model Context Protocol｜The MCP Registry

業務で使うSaaSにもMCPサーバーはありますか？

業務SaaSの提供元が、自社サービス向けの公式MCPサーバーを用意する例は増えています。業務アプリの構築サービスやクラウドの基盤サービスなど、分野を問わず対応が広がりました。先に紹介したDirectCloud MCPも、DirectCloudが提供元として運営する公式のMCPサーバーです。

対応の有無や使える操作はサービスごとに異なり、対応状況も変わりやすいため、自社で使っているSaaSが対応しているかは、提供元の公式情報で確かめてください。

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）

MCPサーバーの利用に費用はかかりますか？

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。

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9月28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

ClaudeやChatGPTでMCPサーバーを使うにはどうすればよいですか？

ClaudeやChatGPTなどのAIツールでは、設定画面でMCPサーバーの接続先URLをコネクタとして登録し、利用者が自分のアカウントで接続先のサービスに認証すると、AIからツールを呼び出せるようになります。

使える範囲は、AIツール側の契約プランや管理者の設定によって変わります。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。手順の詳細は関連記事で紹介しています。

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。

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。