MCPとは。AIを社内のデータ・ツールに安全につなぐ仕組みを解説

「ChatGPTやClaudeは便利に使っているが、結局そのつど資料をコピーして貼り付けている」という方も多いでしょう。

しかし、AI本体の性能がどれだけ上がっても、社内のデータやツールから切り離されたままでは、その都度人が資料を探し、貼り付け、結果をまた別のシステムに転記する作業が生産性の上限を決めてしまいます。この「AIと社内システムをどうつなぐか」という課題をめぐって、2024年末に登場し、2026年には公開サーバーが1万件を超えた標準規格がMCP（Model Context Protocol）です。

そこで本記事では、

・MCPとは何か、なぜ今必要とされているのか

・仕組みを非エンジニアでも理解できるレベルで整理

・自社の業務でどう活かせるかの具体例

・導入時に注意すべきセキュリティリスクと対策

についてわかりやすく解説します。DX推進・情シス・現場リーダーの方は、ぜひ最後までご覧ください。

「自社のAIを社内システムに安全につなぎたい」という方はリベルクラフトへご相談ください。

⇨リベルクラフトへの無料相談はこちら

MCPとは。AIと社内システムをつなぐ標準規格

MCP（Model Context Protocol）とは、AIと外部のデータ・ツールをつなぐための共通の規格です。Anthropicが2024年11月に公開したオープンな標準で、公式はこれをUSB-Cにたとえて説明しています（出典：Anthropic公式発表）。

かつて機器ごとに充電端子がバラバラだったものがUSB-Cで統一されたように、MCPはAIとツールの差込口を1つの形に揃えます。一度あるツール向けにMCPの差込口（MCPサーバー）を用意すれば、ChatGPTでもClaudeでも、同じ差込口を使い回せるようになります。

なぜ今MCPが必要とされているのか（N×M問題）

MCPが生まれた背景には、AIとツールの接続数が掛け算で膨らんでしまうという課題があります。社内にはChatGPT系・Claude系・Copilot系など複数のAIがあり、つなぎたい先もSlack・Google Drive・社内データベース・CRMなど多数あります。

これを1つずつ個別に接続すると、AIの数（M）×ツールの数（N）だけ接続を作る必要があり、同じSlackに対してもAIごとに別々の連携を開発・保守することになります。組み合わせが掛け算で増えるため、開発も運用も追いつきません。この「N×M問題」こそが、AIとツールのつなぎ方が標準化されていなかったことによる開発コストの膨張の正体です。

MCP＝「AIのUSB-C」という比喩の意味

MCPは、この掛け算の問題を「共通規格を1つ決める」ことで解決します。AI側もツール側も同じMCPという作法に合わせるだけでよくなるため、接続の数はAIの数×ツールの数から、AIの数＋ツールの数へと減ります。

さらに、MCPはAnthropicが公開しましたが、特定企業専用の技術ではありません。仕様・実装ともにオープンソースとして公開されており、2025年にはLinux Foundation傘下のAgentic AI Foundation（AAIF）が中立的なガバナンスを担う体制になりました。特定のAIベンダーに依存する仕組みではないため、「あるAIに合わせて作った接続資産が無駄になる」というロックインが起きにくい設計です。

MCPの仕組み。3つの登場人物と3つの機能で理解する

MCPが何かを説明したところで、次にそれがどう動いているのかを見ていきます。技術的な通信の詳細は開発側の領域ですが、業務担当者としては「3つの登場人物」と「3つの機能」を押さえておけば十分です。

ホスト・クライアント・サーバーという3層構造

MCPは、以下の3者の関係で動いています。

• ホスト：AIアプリ本体（ChatGPT・Claude・VS Codeなど、人が話しかける窓口）
• クライアント：ホストの中にいる「つなぎ役」。どの接続先に話を通すかを仲介する
• サーバー：接続先のシステム側に置かれる窓口。Slackやデータベースの代理として、AIからの依頼を受けて実際の操作をする

人が「先月の◯◯社の見積もりを出して」とAIに頼むと、つなぎ役（クライアント）が該当するMCPサーバーに依頼を渡し、結果が返ってくる、という流れです。通信の細かい規格を理解する必要はなく、業務担当者はこの3者の役割分担だけ分かれば十分です。

Resources・Tools・Promptsという3つの機能

MCPサーバーがAIに提供する機能は、以下の3種類に整理できます。

• Resources（読む）：AIが読み取る業務データ・ファイル（社内文書・レコードの中身）
• Tools（する）：AIが呼び出して実行する操作（レコードの検索・更新、メッセージ送信、API呼び出し）
• Prompts（型）：よく使う指示をテンプレート化したもの（決まった手順をAIに一貫してやらせる）

ポイントは、AIが社内データを「読む」だけでなく、Toolsを通じて実際に「操作する」ところまで踏み込める点です。この便利さが、後述するセキュリティ上の注意点にもつながってきます。

ローカル型とリモート型の違い

MCPサーバーには、置き場所によって2つの型があります。ローカル型は自分のPCの中のファイルや、社内ネットワーク内のデータベース・オンプレシステムにつなぐ窓口です。リモート型は、Slack・Google Workspace・CRMなど、インターネット上のSaaSにつなぐ窓口を指します。

同じMCPという作法で、社内に閉じたデータもクラウドのサービスも扱えます。社内の機密データはローカル型、外部SaaSはリモート型と、つなぎ先の置き場所で使い分ける発想を持つと整理しやすくなります。

MCPを導入する3つのメリット

仕組みが分かったところで、それが業務に何をもたらすかを整理します。MCPを導入するメリットは、大きく3つに分けられます。

• 散らばった情報の横断集約：CRM・Slack・ドライブ・メールに散らばった情報を、AIが横断して1つのサマリにまとめられる
• 接続の使い回し：一度作ったMCPサーバー（窓口）を、社内の複数のAIから共通して使える。AIを乗り換えても、同じ窓口を再利用できる
• 操作までの自動化：情報を集めるだけでなく、Toolsを通じて次の作業（登録・送信・更新）まで一続きで任せられる

特に2つ目の使い回しは、情シスにとって管理面のメリットが大きい要素です。接続先ごとのセキュリティ確認と権限設定を一度行えば、複数のAIに対して同じ効果が及びます。AIごとに個別のコネクタを重複して作り、二重三重に管理する状態から脱せられます。

MCPで業務はどう変わるか。具体的な活用シーン

メリットを抽象論で終わらせず、実際の1日・部門でどう効くのかを具体的に見ていきます。自社で何につなぐと効くかを考える材料として、代表的な接続先はチャット系（Slackなど）・ドキュメント系（Google Driveなど）・社内データベース・CRM（HubSpot・Salesforceなど）の4つです。共通点は「自社の情報が散らばって眠っている場所」で、そこにAIをつなぐほど効果が出ます。

1日の情報収集が、アプリの行き来から一言に変わる

ある担当者の朝を例に見てみます。ビフォーは、出社後にメールを開いて重要連絡を確認し、カレンダーで予定を見て、会議資料をファイル検索で探し、社内チャットで担当者に進捗を聞き、頭の中でタスクを並べ直す、という流れです。情報のありかが分かれているため、その都度アプリを切り替える手間（コンテキストスイッチ）に時間と集中力を取られます。

アフターは、AIに「今日の状況を教えて」と一言頼むだけです。AIがメール・カレンダー・ドライブ・チャットをMCP経由で横断し、重要連絡の抽出・予定の要約・必要資料の準備・進捗の収集・優先順位の提案までを一度に返します。人は集めた結果を見て判断するところから始められます。MCPの嬉しさは派手な新機能ではなく、この「アプリの行き来をAIが肩代わりする」地味な積み重ねにあります。

部門別の使いどころ（営業・経理・問い合わせ対応）

接続先を部門の業務に引き寄せると、次のようなシナリオが考えられます。

• 営業：CRM（Salesforce・HubSpotなど）につなぎ、「◯◯社の直近3か月の商談履歴をもとに、次回提案の骨子を作って」と頼むと、AIが顧客情報・商談履歴を参照して提案書のドラフトを数分で用意します
• 経理：ドライブと表計算につなぎ、受領した請求書PDFの内容をAIが読み取って経費台帳に転記します。月200件の処理なら、1件あたり手作業12分として月40時間の削減になるという試算もあります
• 問い合わせ対応：社内のFAQ・マニュアル（Notionなど）につなぎ、AIが検索して一次回答を下書きし、人が確認して送信します

いずれの数値も想定シナリオであり、実際の削減量は自社の業務量によって変わりますが、共通するのは「人が毎回手で運んでいる定型作業」が最初の候補になるという点です。

社内ナレッジ検索（RAG）とMCPの関係

自社AIの王道である「社内文書に答えるAI」、いわゆるRAG（Retrieval-Augmented Generation）とMCPの関係も整理しておきます。RAGは社内の規程・マニュアル・技術資料を検索して回答に使う仕組みですが、これをMCPの接続先（検索する窓口）として用意すると、特定のアプリ専用ではなく、社内のどのAIからも同じ社内ナレッジを呼び出せる「共通の窓口」になります。

RAGで作った社内ナレッジを、MCP経由で全社のAIに開放するイメージです。RAG構築とMCP接続はセットで考えると、投資が一箇所で止まらず全社に効きます。社内データをRAGで活用する具体的な手順は、以下の記事でも解説しています。

参照記事：ChatGPT×RAGで社内データを活用する5つの手順。精度を向上させる施策も紹介

ここまでMCPの業務活用を解説しましたが、「自社のどこにつなぐと効果があるか判断しづらい」という方は、リベルクラフトへご相談ください。

リベルクラフトでは、社内ナレッジ基盤（RAG）の構築支援に加え、MCPによる社内システム連携の設計・PoC支援が可能です。接続を作るだけでなく権限設計まで伴走し、安全な接続から着実に業務へ組み込めます。

以下のリンクからまずは詳細をチェックしてみてください。

⇨リベルクラフトへの無料相談はこちら

MCPはどこまで普及しているか

自社に当てはめられそうだと分かったところで、実際どこまで広がっているのか、現在地を確認します。

主要4ベンダーが出そろい、業界標準として定着しつつある

MCPが一過性でないことは、採用状況からも見て取れます。提唱したAnthropic（Claude）に加え、OpenAI（ChatGPTのアプリ連携やAPI）、Google（クラウドとWorkspace向けの公式窓口）、Microsoft（Copilot StudioやVS Code）と、主要ベンダーが相次いで対応しました。どのAIを社内標準に選んでも、MCPという同じ接続作法に乗れる状況になっています。

公開MCPサーバーは1万件超、国内SaaSも約35%が対応

接続先の選択肢の広がりも数値で見ておきます。公開されているMCPサーバーは2026年3月時点で1万件以上、公式レジストリへの登録も約9,650件に達しています。開発キットの月間ダウンロードは9,700万回を超え、市場規模もMCPサーバー市場は2026年に104億ドル規模・年率約25%成長と予測されています（出典：MCPビジネスガイド2026、CData調査）。

日本国内でも対応が進んでいます。2026年4月時点で、日本のSaaS100社のうち約35%が何らかの形でMCP経由の連携に対応しており、freee・Sansan・マネーフォワード・kintoneなど、業務で広く使われる国内サービスが公式の窓口を公開し始めています（出典：TrustLogin「SaaS利用動向調査」2026年4月）。全体としてはまだ黎明期ですが、だからこそ今が、現場が野放しに使い始める前に社内ルールを整える好機だといえます。

導入企業ほどAIの活用範囲が広がるという調査結果

つなぐことの効果も調査数値で確認できます。ソフトウェア企業の41%がすでにMCPを本番環境で運用しており（Stacklok調査）、MCPを導入した企業は未導入の企業に比べて、AIエージェントを業務に使える範囲が平均2.3倍に広がっています。さらにGartnerは、2026年末までにAPIゲートウェイ製品の75%がMCP対応を含むと予測しており、つなぐ前提の環境整備が業界全体で進むと見られています。

つなぎ方を標準化する効果は、導入スピードにも表れます。複数の企業実装を集計した報告では、個別にカスタム統合を作る場合に比べ、AIエージェントを本番に投入するまでが40〜60%ほど速くなるとされています（実現幅は構成によって変わります。出典：Synvestable、Agent Market Cap）。特に、接続先の窓口を会社の入口（APIゲートウェイ）に集約してMCPで通す形にすると、情シスが一度セキュリティ審査して承認すれば、その後の新しいAI導入では同じ窓口を使えるため、案件ごとの個別審査を省けます。

MCP導入で注意すべきセキュリティリスクと対策

普及が進むほど、便利さの裏にあるリスクも押さえておく必要があります。MCPの便利さは「AIが社内データを読み、操作までできる」点にありますが、それは裏返すと「AIに社内システムへの権限を渡している」ということでもあります。業界標準のリスク整理であるOWASPのMCP向けTop10でも、筆頭に挙がるのが次の2つです。

プロンプトインジェクション（外部から仕込まれた指示にAIが乗る）

AIが外部の文章を読み込むとき、その文章の中に悪意ある命令がこっそり仕込まれていると、AIがそれを正規の指示と区別できず実行してしまうことがあります。これをプロンプトインジェクションと呼びます。

実際に2025年、開発で広く使われるGitHubの連携において、Issue（課題）の本文に仕込まれた命令をAIが実行しうる脆弱性が研究者により公表されました（出典：NRIセキュア）。利用者は普通にAIへ作業を頼んだだけなのに、読み込んだデータ経由で乗っ取られる点が、この種のリスクの怖さです。

野良サーバー・ツールポイズニング（接続先の窓口を偽装される）

MCPの窓口（サーバー）は、その説明文をAIが信頼して使う仕組みになっています。そのため、説明文には安全そうな使い方を書きつつ、裏で危険な操作やデータ持ち出しをするよう仕込んだ偽の窓口を作ることも技術的には可能です。これをツールポイズニングと呼びます。

実害も報告されており、悪意あるMCPの部品が約2週間気づかれずに社内メールのデータを流出させた事例があります（出典：SentinelOne）。公開窓口の急増に伴い、外部に晒されたサーバーが侵入の入口になる調査結果も出ています（外部公開サーバー1,467件・最悪のリモートコード実行はCVSS9.8。出典：トレンドマイクロ）。

3つの基本対策と、情シスが握るべき許可リスト・権限設計

こうしたリスクへの現実的な抑え方は、次の3つに整理できます。

• 信頼できる窓口に絞る：出所不明の野良サーバーにはつながず、公式・提供元が明確な窓口だけを許可する（主要AIベンダーも公式サーバーに限るよう推奨しています）
• 権限を最小にする：AIに渡す権限は用途ごとに分け、必要な範囲だけにする（読み取り専用と更新可能を分け、更新や外部送信は最小限にする）
• 人が確認する：影響の大きい操作（基幹データの更新・外部への送信）は自動実行せず、人が承認してから実行する

組織としては、この3つを個人任せにせず、情シスが「許可リスト」と「権限設計」として一元管理することが重要です。社内で使ってよいMCP窓口を一覧で定め、それ以外は原則つながせないようにし、どの窓口に・誰が・どこまでの権限でつなげるかを役割ごとに決めます。現場が各自で勝手に野良の窓口をつなぐ状態を放置すると、上記のリスクがそのまま実害につながりかねません。

AIのセキュリティ全般については、以下の記事でも整理していますので、あわせてご覧ください。

参照記事：AIセキュリティとは。生成AI利用の5つのリスクと国内完結クラウドでの守り方

自社でMCPを導入する最初の一歩

リスクへの抑え方が分かったところで、実際どう始めればよいかを整理します。いきなり全社・全システムをつなごうとせず、次の2ステップで進めるのが現実的です。

1. 「読む」用途・公式窓口・人の確認から始める：最初につなぐべきは、効果が見えやすく、失敗しても致命傷にならない接続先です。まずは社内文書の検索・要約、過去のやり取りの集約といった「読む」中心の用途から始め、いきなり基幹データの更新や外部への送信といった「操作する」用途には踏み込みません。窓口は公式・提供元が明確なものに限り、影響の大きい操作は人が確認してから実行する型にします。
2. 小さな成功をPoCで示し、部署ごとに広げる：1つの安全な接続で効果を確認できたら、その結果を社内に示し、許可リスト・権限設計を整えたうえで、部署ごとに数週間おきに順次広げていきます。いきなり大きく展開しようとすると、権限設計が追いつかずPoCで止まってしまいがちです。

こうした全社展開の進め方については、以下の記事でも詳しく解説しています。

参照記事：生成AI導入が「担当者一人」で止まる理由。全社に広げる3つの問い

まとめ

• MCP（Model Context Protocol）は、AIと社内のデータ・ツールをつなぐ標準規格で、接続の数を「AIの数×ツールの数」の掛け算から「AIの数＋ツールの数」の足し算に変える
• 仕組みは「ホスト・クライアント・サーバー」の3層構造、「Resources・Tools・Prompts」の3つの機能で理解すれば業務担当者としては十分
• メリットは、散らばった情報の横断集約・接続の使い回し・操作までの自動化の3つ
• 主要4ベンダーが対応し、公開サーバーは1万件超、国内SaaSも約35%が対応するなど普及が進んでいる
• 便利さの裏には、プロンプトインジェクションや野良サーバーといった固有のリスクがある。信頼できる窓口・最小権限・人の確認の3つが基本対策
• 最初の一歩は「読む」用途・公式窓口から。小さな成功を示しながら部署ごとに広げるのが現実的

MCPが唯一の方法というわけではありませんが、自社のAIを社内システムとシームレスにつなぐ方法論として、今後さらに広がっていくことが見込まれます。

ウェビナー資料（ホワイトペーパー）のダウンロード

本記事の内容は、2026年8月開催のウェビナー「MCPとは何か：AIを社内のデータ・ツールにつなぐ仕組みを業務目線で理解する」でも解説しました。当日のスライド資料はホワイトペーパーとして無料公開しています。

⇨ウェビナー資料のダウンロードはこちら

MCP・社内システム連携の相談は「リベルクラフト」

ここまで、MCPの仕組みからメリット、活用シーン、セキュリティリスクと対策、導入の進め方まで解説してきました。

MCPは仕組み自体はシンプルですが、実際に成果を出すには「自社のどこにつなぐと効くか」の見極めと、権限設計・許可リストといったガバナンス面の設計が伴います。

• 自社のAIをどのシステムにつなぐと効果があるか分からない
• 社内ナレッジ（RAG）を構築したが、特定のアプリの中だけで止まっている
• 現場が各自でAIとツールをつなぎ始めていて、許可リストや権限設計のルールを整えたい

という方は、リベルクラフトへお気軽にご相談ください。

リベルクラフトでは、AI活用コンサルティングから、社内ナレッジ基盤（RAG）の開発受託、MCPを使った社内システム連携の設計・PoC支援まで、要件定義から本番運用までを一貫して支援しています。接続を作って終わりにせず、権限設計や運用ルールの整備まで含めて伴走する点が特長です。

自社のAIを社内システムに安全につなぎたいとお考えの企業は、まずは以下のリンクからお気軽にご相談ください。

⇨リベルクラフトへの無料相談はこちら