MCPとは何か｜AIと業務システムをつなぐ接続規格を、どの業務から試すか

AI推進を任され、自分でも情報を集めはじめると、どこを見ても「MCP」という三文字に出くわす。そんな方は多いのではないでしょうか。

解説記事を読むと「AIと外部システムをつなぐ規格らしい」までは理解できます。ところが、自社で何にどう使うのか、最初の一歩は何かとなると、持ち帰れる記事は多くありません。
仕組みはわかったのに手が動かせない——いまこの段階で足踏みしている担当者が、増えていると感じます。

この記事では、MCPの仕組みと背景を平易に押さえたうえで、営業・カスタマーサポート・経理・人事の業務ごとに「現場で何ができるのか」を具体的な使い方まで記載し、「自社のどの業務から試すか」を選べる状態なるようサポートします。

なお具体例は、AIチャットツールのClaudeに統一して説明します（MCPは他のAIでも使える共通規格です）。

MCPとは何か——AIと自社システムをつなぐ「標準仕様」

MCP（Model Context Protocol）とは何かを、まず一言でいうと、AIと、自社のデータや業務システムをつなぐときの「共通の約束ごと」です。

提唱したAnthropic社の公式ドキュメントは、次のように定義しています。

"MCP (Model Context Protocol) is an open-source standard for connecting AI applications to external systems."

日本語にすると「AIアプリケーションを外部システムに接続するための、オープンソースの標準規格」となります（出典: What is the Model Context Protocol — modelcontextprotocol.io）。

同じ公式ドキュメントは、これを「AIアプリケーションにとってのUSB-Cポートのようなもの」とも表現しています。
パソコンと周辺機器を、メーカーが違っても同じ形のケーブルでつなげるように、MCPはAIとさまざまなツールを同じやり方でつなぐ。そんなイメージで構いません。

なぜこうした「共通の約束ごと」が必要になったのか。
背景には、AIと外部システムをつなぐ作業がもともと非常に面倒だった、という事情があります。

Claudeのような生成AIは、学習した知識と、その場で渡された文章だけをもとに答えています。自社のカレンダーにも、顧客管理システムにも、社内のファイル置き場にもつながっていません。 だから「来週の空き時間から打ち合わせ候補を出して」と頼んでも、予定を知らないAIは答えられない。
ここで、AIに社内の情報や業務ツールへ安全にアクセスさせる手立てが必要になったのです。

MCPが登場する前は、この「つなぎ込み」をつなぐ相手ごとに個別開発する必要がありました。
Anthropic社自身も、「新しいデータソースごとに、それぞれ専用の実装が必要になり、本当の意味でつながったシステムを広げていくのが難しかった」と説明しています（出典: Introducing the Model Context Protocol — Anthropic）。

MCPという共通規格があれば、あるツール用の接続口を誰かが一度作ると、規格に対応したどのAIからも使い回せるようになります。
つなぎ込みを毎回ゼロから作るのではなく、一度作って共有する世界に変わった、ということです。

MCPの仕組み

もう少しだけ中身に踏み込みます。
MCPの世界は、おおまかに「3つの登場人物」と「サーバーが差し出す3つのもの」で説明できます。

3つの登場人物——ホスト・クライアント・サーバー

まず、AIを動かしているアプリ本体をホストと呼びます。
Claudeのデスクトップアプリや、AIを組み込んだ業務システムがこれにあたります。いわば、外部とのやり取りを束ねる司令塔です。

次に、つなぎたいシステムの側に置く接続口をMCPサーバーと呼びます。
カレンダー用、会計ソフト用、顧客管理システム用といった具合に、つなぐ相手ごとに用意される窓口だと考えてください。多くは、サービスを提供している会社自身（Googleやfreeeなど）が公式に用意しています。

そして、ホストと一つひとつのサーバーをつなぐ専用回線がクライアントです。
司令塔であるホストは、つなぎたいサーバーの数だけクライアントを持ち、それぞれと一対一の回線を保ちます（出典: Architecture overview — modelcontextprotocol.io）。

たとえば「来週の空き時間を教えて」と利用者がClaudeに頼むと、ホストはカレンダー用のMCPサーバーに「この人の空き時間を教えて」と問い合わせます。
サーバーがカレンダーから予定を取ってきて返すと、Claudeはそれを読みやすい文章に整えて利用者に返す。
利用者からはAIと会話しているだけに見えますが、裏側ではこの受け渡しが起きています。

サーバーが差し出す3つのもの——できること・見せられる情報・お決まりの頼み方

MCPサーバーがAIに提供できるものは、公式にはTools・Resources・Promptsという3種類に整理されています。それぞれ、業務の言葉に置き換えると次のようになります。

Tools(ツール) は、AIが実際に呼び出して動かせることです。
レコードを更新する、メールを送る、データベースに問い合わせる、といった具体的な操作にあたります。AIが「手を動かせる」のはこのおかげです。

Resources(リソース) は、AIが見せてもらえる情報です。
ファイルの中身、データベースのレコード、システムの応答などの参照データを指します。

Prompts(プロンプト) は、その業務でのお決まりの頼み方を型として用意したものです。
よく使う指示の手順をテンプレート化しておき、誰が使っても同じ品質で頼めるようにする仕組みです（出典: Architecture overview — modelcontextprotocol.io）。

「サーバーという窓口が、できること・見せられる情報・お決まりの頼み方の3つをAIに差し出している」と理解できれば十分です。

なぜ今これほど注目されるのか——「個人利用」から「組織利用」への分岐点

MCPがここまで注目されているのは、AIの世界で名だたるプレイヤーがこの共通ルールに次々と相乗りしたからです。

公開からの動きは速いものでした。
Claudeだけでなく、ChatGPTもMCPに対応し（出典: modelcontextprotocol.io）、Googleも2025年12月に自社サービスをMCPに対応させたフルマネージドのサーバーを発表しています（出典: Announcing official MCP support for Google services — Google Cloud）。

同じ2025年12月には、AnthropicがMCPをLinux Foundation傘下の中立的な基金（Agentic AI Foundation）へ寄贈し、Anthropic・Block・OpenAIが共同で設立、Google・Microsoft・AWS・Cloudflareなども支援に名を連ねました。 この時点で、公開されているMCPサーバーは1万を超え、開発キットの月間ダウンロードは9,700万回以上に達したと公表されています（出典: Donating the Model Context Protocol — Anthropic）。
特定企業の囲い込みではなく、業界全体の共通基盤として中立化が進んだことになります。

この波は日本国内のサービスにも届いています。
会計ソフトのfreeeは2026年3月に公式のMCPサーバー「freee-mcp」を公開し、サイボウズも業務アプリ基盤kintoneの公式MCPサーバーを提供しています（出典: freeeプレスリリース、kintone MCPサーバー — cybozu developer network）。
海外の話だと身構える必要はなく、日々使っている国内SaaSがAIからの接続口を持ち始めている、という現在地です。

ではなぜ、この流れが企業にとって重要なのか。MCPは、AI活用のスケールを「個人」から「組織」へ引き上げる接続規格だということです。

多くの企業のAI活用は、社員がClaudeやChatGPTに質問して下書きをもらう、という「個人のチャット利用」の段階にとどまっています。 便利ではあるものの、AIが社内のデータや業務システムを知らないため、できることは個人の手元の作業に閉じてしまいます。

MCPでAIを業務システムにつなぐと、顧客管理システムを読んで提案を組み立てる、会計データを照合する、問い合わせ履歴を参照して回答する——のように、個人の補助ツールだったAIが、組織の業務フローの中で手を動かす存在に変わります。

MCPで各現場の何ができるようになるか

MCPを「自分ごと」にするには、抽象的な仕組みの話ではなく、自部門で具体的に何ができるのかが見えている必要があります。
営業・カスタマーサポート・経理・人事の4領域について、Claudeに何をつないで、どう頼むと、何が返ってくるかという具体のイメージまで踏み込みます。

営業——顧客管理システムにつないで、商談記録とフォローを一度に

営業でAIがつなぐ相手は、顧客管理システム(CRM)・メール・カレンダーです。 たとえば、顧客管理システムとメール、カレンダーをClaudeにつないだうえで、こう頼みます。

「A社との前回商談の要点を顧客管理システムから出して、私のカレンダーから次回アポの候補を3つ挙げて、フォローメールの下書きまで作って」

するとClaudeは、裏側で顧客管理用のMCPサーバーに過去の商談履歴を問い合わせ、カレンダー用のサーバーで空き枠を調べ、それらをまとめてフォローメールの下書きまで一度に組み立てて返してきます。

これまで「CRMを開いて履歴を読む、カレンダーで空きを探す、メールを書いて日程を書き写す」と人が行き来していた一連の作業が、ひとつの依頼で下書きまで進む、というイメージです。

つなぐ先としては、営業支援ツール側の対応も進んでいます。たとえばSalesforceは、AI機能「Agentforce」をMCPに対応させています（出典: AgentforceがMCPに対応 — セールスフォース・ジャパン）。
「自社は大掛かりな基盤を入れていない」という場合でも入口はあり、国内のスタートアップhomulaは、GmailやSlack、Salesforce、HubSpotなどを数ステップでAIにつなげるMCPプラットフォーム「Agens MCP Hub」を2025年10月に公開しています（出典: homulaプレスリリース — PR TIMES）。

自前で接続口を開発しなくても、設定でつないで小さく試す道が用意されている、ということです。

カスタマーサポート——問い合わせとFAQにつないで、回答の下ごしらえを任せる

カスタマーサポートでAIがつなぐ相手は、問い合わせ管理(チケット)システム・FAQやナレッジ・顧客管理システムです。 これらをClaudeにつないだうえで、こう頼みます。

「この問い合わせメールを内容で分類して、過去の似た対応とFAQから根拠を拾い、回答ドラフトを作って」

Claudeはチケット用のサーバーで過去の似た対応を探し、FAQを参照し、顧客の契約状況を確認したうえで、根拠つきの回答案を返してきます。
一次対応の下ごしらえをAIが担い、担当者は内容の確認と、判断が要る難しい案件への集中に回れます。

ベテランしか知らなかった過去事例や規程を、AIが毎回横断的に拾ってくるため、誰が一次対応しても抜け漏れが減っていきます。少人数のサポート体制ほど、この恩恵は大きいはずです。

経理——会計SaaSにつないで、突合と集計の手作業を減らす

経理でAIがつなぐ相手は、会計SaaS・経費精算・スプレッドシートです。
ここは国内SaaSの動きが具体的で、再現性が高い領域です。会計ソフトのfreeeは公式のMCPサーバー「freee-mcp」をOSSとして公開し、会計・人事労務・請求書・販売などの機能をAIから操作できるようにしています。
2026年4月時点で電子契約のfreeeサインまで対応し、約330本のAPIがAIから扱える形になったと公表されています（出典: freeeプレスリリース）。

これをClaudeにつなぐと、こう頼めるようになります。

「今月の未入金の請求書を一覧にして、金額の大きい順に並べて」

Claudeはfreee-mcp経由で会計データに問い合わせ、条件に合う請求書を一覧にして返してきます。
数字を一件ずつ画面で追っていた作業をAIに前処理させ、人は最終的な判断とチェックに集中する。 ただし経理は数字の正確さが命の領域ですから、AIの出力をそのまま確定させず、人が必ず確認する運用を前提に置くことが欠かせません。

人事——勤怠や社内規程につないで、申請対応と問い合わせを軽くする

人事でAIがつなぐ相手は、勤怠・申請システム・社内規程やマニュアルです。
業務アプリ基盤のkintoneは、サイボウズが公式のMCPサーバーを提供しており、レコードの作成・更新・参照やアプリ設定の操作に対応しています（出典: kintone MCPサーバー — cybozu developer network）。
人事系の申請や台帳をkintoneで管理している企業なら、Claudeにつないでこう頼める素地があります。

「この申請の状況を確認して。あわせて、育児休業の申請手順を社内規程から要約して」

Claudeはkintone用のサーバーで該当レコードを参照し、社内規程をつないでおけば、散らばった文書を横断して該当箇所を示し要点を返します。
担当者が同じ説明を何度も繰り返す状況が減り、制度設計や面談のような、人にしかできない仕事に時間を寄せられます。

4領域を一覧にすると、共通の構図が見えてきます。

どの領域も、共通しているのは「決まった手順で、毎日のように触っているデータをまたぐ作業」を任せられる、という点です。 次の章では、ここを判断軸として言語化します。

自社のどの業務から試すか——優先順位を引く判断軸

業務ごとの具体像が見えてきたところで、最後の問いに進みます。「では、自社はどこから手を付けるべきか」。
すべてを同時に始める必要はなく、むしろ一点に絞って小さく試すほうが現実的です。ここでは、候補の業務を比べるための 3つの判断軸を用意しました。

一つ目は データ連携の頻度です。
AIが外部システムにつながって効果を体感しやすいのは、まさに「何度も同じ場所を見に行く」作業です。月に一度しか触らないデータより、毎日参照する顧客情報や会計データのほうが、つないだときの見返りが大きくなります。

二つ目は 業務の定型度です。
手順がある程度決まっていて、人によって判断が大きく分かれない作業ほど、AIに任せやすく、品質も安定します。逆に、毎回ゼロから考える非定型の仕事は、最初の一歩には向きません。

三つ目は 効果測定のしやすさです。
試した結果を、対応時間・処理件数・差し戻しの回数といった数字で測れる業務を選ぶと、「効果があったのか」を経営層に説明しやすくなります。限られた予算で次の投資判断を仰ぐ立場なら、この測りやすさは最初の業務選びで特に重視したい軸です。

この3つを、候補の業務に当ててみるためのチェックリストにまとめます。多く当てはまる業務ほど、最初の一歩に向いています。

□ その業務で、毎日のように同じデータやツールを触っている
□ 手順がある程度決まっていて、判断が人によって大きく分かれない
□ 試した効果を、時間・件数・回数などの数字で測れる
□ 扱うデータの機微度が低く、外部接続を試しやすい

加えて最初の一歩としておすすめしたいのは、機微度の低い業務から始めることです。
公開資料の整理や社内FAQの検索のように、仮に不具合があっても影響が小さい範囲で1つか2つの連携を試し、運用の手応えと効果を確かめてから広げる。MCPの利点は、「試してみて、合わなければ外す」が設定の範囲で完結することにあります。
重い意思決定を一度で下すのではなく、まずは小さく試して測る進め方をするのがおすすめです。

試す前に押さえるリスク——「つなぐ」前提だからこそのガバナンス

MCPはAIを社内システムにつなぐ仕組みです。だからこそ、つなぐ前に知っておくべきリスクがあります。
便利さの裏側を正しく理解しておくことは、活用を止めるためではなく、安全に広げるための前提です。

2025年9月、メール配信サービスPostmarkの公式ツールを装った偽のMCPサーバー「postmark-mcp」が出回り、送信されるメールをすべて外部の宛先にひそかにBCCで送る仕掛けが仕込まれていた事件がありました。

Postmark社自身が注意喚起を出しており、実際に被害が確認された初の悪意あるMCPサーバーとされています（出典: Security Alert: Malicious 'postmark-mcp' Package — Postmark）。
MCPサーバーは公式が出すものもあれば、第三者が作って公開するものもあります。出どころの確かでない接続口を安易につなぐと、こうした「正規ツールを装った偽物」をつかまされる危険がある、ということです。

技術的にも、似た性質のリスクが指摘されています。
一つはツールポイズニングと呼ばれるもので、サーバーがAIに渡す「このツールはこう使う」という説明文の中に、人の目には見えにくい形で悪意のある指示を埋め込む手口です。AIはそれを正規の指示として読んでしまう恐れがあります（出典: MCP脅威モデリング — arXiv（査読前のプレプリント））。
接続部品そのものの欠陥が見つかった例もあり、広く使われていた接続用ツールmcp-remoteでは、信頼できないサーバーにつないだ際に不正なコマンドを実行されうる脆弱性（CVE-2025-6514）が報告され、修正版（バージョン0.1.16）の適用が呼びかけられました（出典: JFrog Security Research）。

いずれもすでに対策が示されているものですが、「つなぐ相手を選ぶ」ことの重要性を物語っています。

接続先の信頼性を格付けしたり、誰が何にアクセスできるかを制御したり、操作の記録を残したりする機能を備えたMCP基盤も登場しています。
先に触れたhomulaのAgens MCP Hubも、接続ツールの安全性の格付けやアクセス権の制御、監査ログといった企業向けの機能を打ち出しています（出典: homulaプレスリリース — PR TIMES）。

自前で守りを固めきれない規模であれば、こうした管理機能を持つサービスを土台に選ぶのも、現実的な一手です。
大切なのは、担当者個人の判断で社内データを勝手につなぐ「シャドーAI」を避け、組織のルールの上で試すことだと考えています。

まとめ——まずは、自社のひとつの業務でつないでみる

最後に、要点を持ち帰りやすい形に集約します。

MCP（Model Context Protocol）は、AIと自社のデータ・業務システムをつなぐときの「共通の約束ごと」、つまり接続規格です。
AI向けのUSB-Cのように、対応したツールであれば同じやり方でつなげます。その本質は、AI活用のスケールを個人のチャット利用から組織の業務へ引き上げる点にあります。

営業・カスタマーサポート・経理・人事のいずれでも、毎日のように同じデータを触る定型業務ほど、つないだときにできることが見えやすくなります。
だからこそ、データ連携の頻度・業務の定型度・効果測定のしやすさという3つの軸で候補を比べ、機微度の低い業務から1つか2つ、小さく試すのが現実的な第一歩です。
試す前には、つなぐ相手の信頼性と権限の最小化を、組織のルールとして決めておく。

そして何より、MCPは読んで終わりにするより、触ってみるほうが早く腹落ちします。
この記事のチェックリストを手元に、自部門の業務を2つか3つ書き出して当ててみてください。最も多く当てはまった業務が、自社が最初に試す場所です。
Claudeに身近なツールをひとつつないで、この章で挙げたような頼み方を自分の業務に合わせて実際に投げてみる。その小さな一歩が、AI活用を組織のスケールへ広げる入口になるはずです。