Magulan Duraipandian、シニア AIソリューション・テクニカルエバンジェリスト - Salesforce
モデルコンテキストプロトコルとは？
モデルコンテキストプロトコル（MCP）は、AIモデルが効果的に機能するために必要とする、特定のコンテキストに接続することを目的として設計された、標準化されたコミュニケーションプロトコルです。 モデルが利用可能なリソースを発見し、機能を実行し、サードパーティアプリケーションや内部データベースからデータを取得するための一貫した方法を確立します。 新しいツールごとに独自のコネクターを構築する代わりに、開発者はMCPを利用して、コンプライアンス対応のあらゆるモデルが、準拠したデータソースすべてと連携できるプラグアンドセールスプレイ型のエコシステムを構築できます。
MCPで解決できる中核的な課題
MCPの登場以前は、AIモデルは本質的に自身の環境内に「閉ざされた」に状態にありました。 大規模言語モデル （LLM）は驚異的な推論能力を持っていますが、在庫レベルの現状やCRM上の最近の顧客対応情報など、リアルタイムのビジネスデータには直接アクセスできません。
モデルを外部のデータベースやアプリケーションに接続するには、これまではツールごとおよびモデルごとにカスタムの単発統合が必要でした。 テックスタックに新しいモデルやツールが追加されるたびに、必要な統合の数が指数関数的に増加する、「N x M」問題と呼ばれる、開発やメンテナンスにおける非常に大きな負担を生み出しました。 この断片化により、データ統合の取り組みに遅れが生じ、AIソリューションの拡張性が制限されていました。
MCPがユニバーサルコネクターとして機能する仕組み
MCPの仕組みを理解するために、AIシステムを傑出した芸術家に例えてみましょう。 この芸術家には名作を生み出すスキルが備わっていますが、ブラシや絵の具、キャンバスなどの必要な道具は、すべて異なる施錠されたアトリエに分散しています。
MCPは、標準化されたマスターキーシステムとして機能します。 MCPにより、芸術家はアトリエがどこにあっても、あらゆるツールや素材に簡単にアクセスして、使用することができます。 すべてのアトリエが同じ施錠規格を使用しているため、芸術家は重い鍵の束を持ち歩く必要がありません。 このユニバーサルアクセスにより、芸術家はようやく必要な適切な画材を手にすることができ、より複雑で繊細な芸術作品の創作が可能になります。
MCPのアーキテクチャと主要コンポーネント
モデルコンテキストプロトコルは、AIモデルの推論と実際のタスク実行やデータ取得を明確に分離するクライアントサーバー・アーキテクチャ上に構築されています。 この構造により、拡張可能かつ安全なAPI管理 が実現します。
クライアント・ホスト・サーバーモデル
MCPフレームワークは、3つの主要なコンポーネントで構成されています。
- ホスト： ユーザーが直接操作する主要なAIアプリケーションです。たとえば、チャットボットインターフェース、統合開発環境（IDE）、またはSalesforce Agentforceのようなプラットフォームなどが該当します。 ホストのロールは、ワークフロー全体を調整し、ユーザーのMCP対応AIシステムへのエントリーポイントとして機能することにあります。
- クライアント： このコンポーネントは、ホストアプリケーション内に存在し、プロトコルにおける主要な通信処理を担います。 その役割として、特定の外部サーバーへの専用接続を維持し、AIモデルのニーズ（「顧客データが必要です」など）をサーバーが理解可能な構造化されたプロトコルリクエストに変換することが含まれます。
- サーバー： AIに特定の外部リソースやデータ、ツールを公開するために設計された軽量アプリケーションです。 サーバーは、AIのネイティブ環境外のシステムへの安全なインターフェースとして機能し、Googleドライブのフォルダ、Slackのワークスペース、または専用の内部API などへのアクセスを提供します。
リソース、ツール、およびプロンプト
このアーキテクチャ内で、サーバーはAIの機能とコンテキストを定義する3つの主要な基本要素を提供します。
AIの機能とコンテキスト
| 基本要素 | 説明 | ビジネスにおける例 |
|---|---|---|
| リソース | AIが参照できるコンテキスト情報の読み取り専用データ。 | リポジトリに保存されたデータベーススキーマまたは特定の顧客PDF。 |
| ツール | AIがアクションを実行できるようにする実行可能な関数やAPI。 | Salesforceで新しいリードを作成したり、メールを送信する機能。 |
| プロンプト | AIの挙動をガイドする事前定義されたテンプレートやワークフロー。 | AIに要約形式を正確に指示する「会議要約」テンプレート。 |
モデルコンテキストプロトコルを採用するメリット
MCPのようなオープンプロトコルを採用することは、AIの能力の拡張を目指す組織にさまざまな戦略的メリットをもたらします。
- AIパフォーマンスの向上： モデルがリアルタイムの外部データにアクセスすることにより、より正確でコンテキストを考慮した応答を生成することができます。 これにより、AIが自身のトレーニングデータのみでなく、検証済みの事実にもとづいて回答をグラウンディングできるため、「ハルシネーション」を大幅に減少できます。
- 相互運用性の強化： MCPは標準規格であるため、協調的なエコシステムを促進します。 企業が単一ベンダーのエコシステムに縛られることは、もうありません。 あるモデル用に構築されたツールは、両方がMCP仕様に準拠している限り、別のモデルでも使用できます。
- 開発効率の向上： 開発者は、単一の標準化されたプロトコルにもとづいて構築を行うことが可能です。 これにより、異なるAIアシスタントごとに同じAPI統合ロジックを書き直す必要がなくなり、重複作業が削減されます。
- 堅牢なセキュリティとガバナンス： MCPはセキュリティを最優先にデザインされています。 これにはユーザーの同意を得るための仕組みが含まれており、AIモデルが明示的な許可なしにリソースへアクセスしたり、ツールを実行したりすることを防ぎます。 これにより、データプライバシーおよび制御されたアクセスのための明確な監査証跡を確保できます。
AIの未来とMCPの果たす役割
モデルコンテキストプロトコルは、次世代AIのための基礎技術であり、高性能なAIエージェントの開発において特に重要です。 これは、AIが受動的なツールから、能動的で自律的なアシスタントへと移行することを示しています。
MCPを使用することで、AIコパイロットは単なるテキストの提案から、実社会における多段階で複雑なアクションの実行へと進化します。 たとえば、SalesforceのAIエージェントはMCPを使用して、マーケティングツールからデータを取得してCRM内の営業数値と照合して分析し、そこから自動的にフォローアップキャンペーンのドラフトを作成して、送信スケジュールを設定することができます。 自然言語処理が実用的なシステムと連携するために必要な「インフラ」を提供することで、MCPはエージェント型エンタープライズのビジョンを実現させます。
テクニカルアーキテクチャ（データと推論）
よくある質問（FAQ）
MCPの主な目的は、AIモデルが外部データやツールに安全に接続できる、普遍的なオープンスタンダードを提供することです。 カスタム統合の必要がなくなり、AIが正確で実用的な応答を提供するために必要なコンテキストに、容易にアクセスできるようになります。
従来の統合は多くの場合で「単発」のソリューションであり、開発者が1つのモデルを1つのAPIに接続するための特定のコードを書く必要があります。 MCPは、プロトコルに対応している限り、あらゆるモデルやツールで通信できる、USB-Cポートのような標準化されたフレームワークを提供します。
モデルコンテキストプロトコルは、当初Anthropic社によって公開されました。 しかし、これは相互運用性とイノベーションを促進するために、AI業界全体で使用されることを目的としてデザインされたオープンスタンダードです。
はい。 MCPフレームワーク内の基本要素である「ツール」を使用することで、AIコパイロットは外部システムで機能を実行できます。たとえば、Slackでメッセージを送信したり、データベース内のレコードを更新したり、他のクラウドアプリケーションでワークフローを動的に実施したりできます。
一般的な例としては、ローカルドキュメントを読み取るためのファイルシステムアクセス、ライブデータをクエリするためのデータベースコネクター、AIがインターネットから最新情報を取得できるウェブ取得ツールなどがあります。 ビジネスにおいては、顧客データのためにSalesforceに接続したり、チームコミュニケーションのためにSlackに接続したりすることなどが例として挙げられます。
MCPは、厳格な「許可と同意」のモデルを実装することでセキュリティを向上させます。 AIがリソースにアクセスしたり、MCP サーバーを介してツールを呼び出したりする前に、通常、クライアントはユーザーにその操作の承認を求めます。 これにより、モデルが人間の監督下でのみ機密データとやり取りするよう徹底できます。