MCPの要約

MCPは、AIモデルがGoogle DriveやSlack、および tl;dvといったツールからデータを読み取ることができます。Anthropic は2024年11月にこれを公開し、2025年12月にはLinux Foundation傘下のAgentic AI Foundationに寄贈しました。

MCPは、アクセスの要求および許可の方法を標準化していますが、データがサーバーに届いた後にサーバーがそのデータをどのように扱うかについては規定していません。

2026年7月28日付の現行仕様では、プロトコルがステートレス化され、OAuth認証のセキュリティが強化されました。AWS、Google Cloud、Microsoft、Cloudflare、Figma、Netlify、Supabase、Xeroはいずれも、この仕様への対応を完了しています。

tl;dv Proプランでは、読み取り専用のMCPサーバーを運用しており、これらはClaudeおよびChatGPTコネクタのディレクトリに一覧表示されています。

目次

AIにおけるMCPとは？

モデルコンテキストプロトコル（MCP）は、AIモデルをアプリやツールと連携させるための仕組みです。AI用のユニバーサルアダプターのようなものだと考えてください。USBがハードウェアを接続するための標準的な方法であるのと同様に、MCPは現在、ソフトウェアとLLMを接続するための標準化された方法となっています。

かつては、多くのモデルがそれぞれの「小さな世界」に閉じ込められていました。Google Drive、カレンダー、Zoom などのアプリから得られるリアルタイムの情報と、容易に連携することができませんでした。そこで登場したのが、Model Context Protocol（MCP）です。 Anthropicによって開発されたMCPは、AIと外部ツールを連携させる仕組みであり、複数のツールやアプリを直列に接続するよりも、AIの活用性を高め、アクセスを容易にします。

これを理解する一つの方法は、AIが新しいツールに接続するたびに、そのツール独自の言語で動作しなければならないと想像することです。これにより、Model Context Protocol（MCP）は、異なるツールを「翻訳」するための新たな標準となります。つまり、AIはもはやツールごとに専用のコネクタを必要としません。必要なツールから必要な情報にアクセスするために、単にMCPを仲介層として利用するだけです。

メールの要約、Google ドライブからの関連文書の抽出、会議の分析結果の自動化など、MCP なら AI を既存のワークフローにシームレスに組み込むことができます。

MCPにより、AIモデルは外部ソースからのリアルタイム情報にアクセスできるようになりました。

MCPは、AIと日常的に使用するツールの統合を簡素化するため、企業向けAIソリューションで採用されるケースがますます増えています。例えば、AIがCRMシステムからデータを取得して分析し、そのデータを活用して、ユーザーごとに最適化されたおすすめ情報やアラートを送信することが可能です。

なぜAnthropic MCPを作ったのか？

モデル・コンテキスト・プロトコル（Model Context Protocol）は、Claudeを開発したAI研究企業であるAnthropic によって、2024年11月に開発されました。その目的は、AIが実世界のデータを扱う際に、より賢く、より有用で、より安全になるようにすることです。その後 、2025年12月をもって、そのガバナンスはLinux Foundationに移管されました。  

なぜMCPは企業で人気があるのでしょうか？

企業にとって、MCPはAIモデルを実世界のアプリケーションでより実用的なものにします。企業は、CRMシステムやクラウドストレージ、カレンダーアプリといった既存のツールに、その都度独自の対応策を講じることなく連携できるAIを求めています。MCPは、そうした連携を可能にします。

企業ではすでに、レポートの自動化、顧客データの分析、チームのワークフローの整理といった業務にMCPが導入されています。複雑でコストのかかるシステム連携を構築する代わりに、MCPを活用することで、さまざまなソースからのデータを統合し、社内の他のコンテキスト情報と結びつけることが可能になりました。

モデルコンテキストプロトコル（通称MCP）は、AIモデルがユーザーがすでに使用しているツールからデータを読み取れるようにするオープンスタンダードです。

Anthropic 2024年11月にリリースされました。それから約2年が経過し、現在ではAWS、Google Cloud、Microsoftの各環境で本番運用されており、最新の仕様は2026年7月に公開されました。本ガイドは、その仕様を反映させるため、2026年8月に更新されました。

以下では、MCPとは何か、その仕組み、得意分野、そしてプロトコルの範囲とベンダーの責任の境界について解説します。

また、tl;dvが独自に運用するMCPサーバーにも対応しています。このサーバーは稼働中であり、ClaudeおよびChatGPTのコネクタディレクトリの両方に掲載されています。ユーザーの許可を得れば、AIアプリはユーザーが録画ファイルを一切開くことなく、会議ライブラリを検索し、文字起こしデータを取得し、メモを読み上げることができます。

MCPについて専門家の説明を聞きたい方は、どうぞご遠慮なく：

モデルコンテキストプロトコルの主な利点は何ですか？

MCPには、標準化された通信、セキュリティと認証、リアルタイム処理、マルチプラットフォーム対応、そして最後にカスタマイズという5つの利点があります。

1.標準化されたコミュニケーション

まず、MCPがAIモデルと外部ツールやプラットフォームとの連携をどのように標準化しているかについてです。

  • MCPがなければ、AIモデルでは接続ひとつひとつに対してカスタムコーディングが必要になってしまうでしょう。
  • MCPによって、異なるAPI、データベース、プラットフォーム間で機能する世界共通言語が構築される。

つまり、AIモデルは、Google Drive、Zoom 、Salesforce 、あるいはそれ以外のツールであっても、普段よく使っているツールに簡単に接続し、そこからデータを取得することができるということです。

2. セキュリティと認証

MCPは、OAuthを基盤とした認証フレームワークを用いて、AIクライアントがアクセスを要求する方法と、サーバーがそれを確認する方法を規定しています。つまり、権限はユーザーが承認した範囲に限定され、取り消すことも可能です。

3.リアルタイム処理

MCPはリアルタイム処理が可能です。つまり、ツール（例えば、スケジュール管理用のGoogleカレンダーなど）からのデータが必要な場合、AIモデルは古い情報を待つ必要がありません。

4.マルチプラットフォームの互換性

MCPの最大の特徴は、複数のプラットフォームを横断して機能する点にあります。Google Workspace、Slack、Zoom 、さらにはMicrosoft Teams のようなサービスを利用している場合でも、Model Context Protocolを使えば、これらすべての異なるサービスから情報を取得し、一か所に集約することができます。

5. カスタマイズ

MCPは、さまざまなユースケースに合わせてカスタマイズや適応ができるように設計されています。このカスタマイズ機能は、マーケティングチーム向けの自動化ワークフローを構築する場合や、自社ビジネス向けのパーソナライズされたAIアシスタントを作成する場合に最適です。

そのため、小規模な用途から、多くの異なるシステムにまたがる複雑なワークフローをAIで処理する必要がある大規模なエンタープライズレベルのソリューションまで、幅広い用途に最適です。要するに、MCPは完全にカスタマイズ可能なレイヤーであり、AIと必要なツールをリアルタイムで連携させることができます。その機能を実際に活用するために、エージェント型ワークフローが役立ちます。

MCPの仕組み

MCPは、2つのソフトウェアが相互に通信するための共通フォーマットを設けることで機能します。1つ目はAIアプリ内のクライアント、2つ目はデータを保持するツールの前に配置されたサーバーです。

リクエスト／レスポンス・フローとは何か？

リクエスト／レスポンスのフローは、モデルコンテキストプロトコルの核心です。実際の動作は以下の通りです：

  1. そのモデルは何かを求めている
  2. クライアントはサーバーにリクエストを送信します
  3. サーバーが応答を送信します
  4. クライアントはデータをモデルに返します

1. モデルがリクエストを行う

例えば、カレンダーを編集していて、AIにスケジュールを確認してもらいたいとします。AIは、「ねえ、今日の予定を確認してもらえない？」といった感じのちょっとしたメッセージのようなリクエストを送ります。

MCPがなければ、そのリクエストは使用しているツールにとっては何の意味も持ちません。そのリクエストを、ツールが認識できる言語に変換する必要があります。

2. クライアントがサーバーにリクエストを送信する

このAIアプリのMCPクライアントは、リクエストを標準フォーマットで作成し、ツールのMCPサーバーに送信します。双方が同じフォーマットを理解しているため、その特定のアプリ用にカスタムコードを記述することなく、サーバーがリクエストを読み取ることができます。

3. サーバーが応答を送信する

カレンダーツール（あるいは使用しているアプリ）はデータを照合し、該当する予定（たとえば午後2時の会議など）を見つけ出し、その情報をクライアントに返します。これが「応答段階」であり、カレンダーツールが要求されたデータを返す段階です。

4. クライアントがモデルに応答を返す

クライアントが応答を受け取ると、その情報をAIアプリに返送し、AIアプリはそれをモデルに渡します。この時点で、モデルは必要なデータ（その日のスケジュール）を入手しており、プログラム通りに処理を行うことができます。この場合、モデルはちょっとしたリマインダーを表示したり、午後2時の会議に向けた準備を提案したりするかもしれません。

これは裏側で動作し、AIと外部ツールが互いに同じ言語でやり取りできるようにします。

実例：AIが会議のインサイトを要約

アイデアやアクションアイテムが盛りだくさんだった「Zoom 」の会議が終わったばかりです。忙しくて頭がパンクしそうな中、今度は会議のメモを整理しなければなりません。そこで登場するのが、会議用AIエージェントとMCPです。

  1. AIがZoom の会議データを要求
    AIは、会議の録画および文字起こしを要求します。この要求は、Zoom 側を処理する会議ツールのMCPサーバーに送信されます。
  2. AIがデータを取得して分析を行う
    AIが会議データを取得すると、その分析を開始できます。そこには、アクション項目のリストやいくつかの質問、チームメンバーから共有された洞察などが含まれているかもしれません。AIはこれらすべてを要約し、重要なポイントを強調して、理解しやすい形式で整理してくれます。
  3. AIが要約と今後の手順を提示
    会議の議事録を何ページも読み通す必要はなく、AIが要約されたレポートと今後の手順に関する提案を素早く提供してくれます。場合によっては、「これらのアクションアイテムに基づいて、フォローアップの会議をスケジュールしましょうか？」と尋ねてくることもあり、あっという間に会議の内容が、実行可能で整理されたリストへと変わります。

この例では、MCPがAIアプリと会議ツールの間で相互理解を可能にする共通のフォーマットとして機能しました。情報の取得はその接続を通じて行われ、要約はモデル自身が行ったものです。

MCPはセキュリティをどのように扱っているのでしょうか？

MCPは、AIアプリがツールへのアクセスを要求する方法と、そのアクセスが許可される方法を標準化しています。サーバーがデータを受信した後のデータの取り扱いについては、プロトコルではなく、サーバーを運用する者が決定します。

MCPによる認証の処理方法

MCPの認証フレームワークはOAuthを基盤としています。AIアプリが定義済みの権限セットを要求し、ユーザーがこれを承認すると、サーバーはユーザーが許可した範囲に限定されたトークンを発行します。パスワードがAIアプリに渡されることは一切なく、後でパスワードを変更することなくアクセス権を取り消すことができます。

MCPの開始以来最大規模の改訂となった2026年7月28日の仕様では、この点がさらに強化されました。現在、認証サーバーは「issuer」パラメータを返すようになっており、クライアントはコードを引き換える前にこのパラメータの有効性を検証する必要があります。また、クライアントの認証情報は、それを発行した発行者に紐付けられているため、異なる認証サーバー間で再利用することはできません。

MCPの役割とベンダーの役割の境界線

MCPはリクエストそのものを管理します。サーバーを運用する組織がデータを管理します。

サーバーがリクエストを受信した後、データがどのくらいの期間保持されるか、モデルの学習に使用されるか、あるいはベンダー内の誰がそのデータにアクセスできるかについては、プロトコルが関与することはありません。これらは、貴社が使用する他のあらゆるツールと同様に、サーバーを運用する者が決定する事項です。

例：AIアプリをGoogleドライブに連携させる

Say you need your AI app to source some documents stored in your Google Drive before a big client meeting. The app requests a specific set of permissions for the Drive, and you approve them using your Google account. Each request the app makes after that permission is granted has a token limited to what is approved, and Google’s own systems choose what that token can reach.

MCP’s part ends there. What the app does with the documents once it has them, whether it keeps a copy, how long it holds it, comes down to whoever built the app. 

For a deeper dive, check out my article on Google Drive MCP.

サーバーの選択

すでに契約を結んでいるベンダーが運営するファーストパーティのサーバーを優先してください。サーバーの運営主体と、その運営主体が公表しているデータポリシーを確認してください。パブリックレジストリのサーバーについては、運営主体を特定するのが難しい場合が多いため、より慎重に検討する必要があります。

大規模な組織向けには、2026年6月に「Enterprise-Managed Authorization」拡張機能が安定版となりました。この機能により、管理者は各ユーザーがサーバーを1台ずつ承認するのではなく、IDプロバイダーを通じてMCPへのアクセス権を一元的に付与できるようになり、Anthropic 、Microsoft、Oktaなどがこれを採用しています。

MCPは営業チームにどのようなメリットをもたらすのでしょうか？

MCPを利用すれば、AIモデルは、ユーザーがプロンプトにアップロードしたり貼り付けたりした内容に基づいて処理を行うのではなく、質問したその瞬間に、CRMの記録、メールのやり取り、会議の議事録などをリアルタイムで取得することができます。

その結果、大まかな状況に基づいて対応するのではなく、パイプライン内の特定の案件や顧客についてAIに質問することができるようになります。

これはすでに実規模で稼働しています。2026年7月の仕様公開において、Honeycombは、月間の対話型クエリの20％近くが、人間ではなくエージェントから発信されていると報告しました。

営業ワークフローのどの段階で登場するのか

担当者がまもなく顧客との電話会議に参加しようとしています。CRMやコールライブラリなどから4つのタブを開く代わりに、このモデルを使えば、必要な情報をすべて一か所で取得できます。メールのやり取り、CRM上の案件の現在のステータス、前回の通話時のメモなどです。

このアクセス権限は、通話後のフォローアップ業務を行う管理者にも役立ちます。AIノートテイカーによる会議のメモは、HubSpotまたはSalesforce に記録されます。通話で実際に話し合われた内容に基づいて、フォローアップメールの下書きが作成されます。また、商談のステージを更新することも可能です。停滞している商談については、連絡が途絶える前に何が起きていたかを簡単に要約して、フラグを立てることができます。

Salesforce によると、営業チームは事務作業のために最大72%の時間を浪費している可能性があるため、こうした状況においてAIを実用的に活用することで、その失われた時間を取り戻すことができます。これが、営業向けAIエージェントの開発の根底にある考え方です。

実際にMCPを使っているのは誰？

MCPはすでに実験段階を過ぎています。AWS、Google Cloud、Microsoft、Cloudflare、Figma、Netlify、Supabase、Xeroはいずれも、2026年7月に現行仕様のサポートを提供開始しました。

MCP接続を構築する開発者は、各プログラミング言語ごとに用意された既製のツールキットを利用しています。これらのツールキットは、毎月5億回近くダウンロードされており、そのうち2つは累計ダウンロード数が10億回を突破しています。

実際のところ、それはどのようなものか

技術的な側面を除けば、この点について非常に良い例が2つあります。 

カスタマーサポート

MCPを介して接続されたAIサポートエージェントは、Shopifyで注文状況を確認したり、Zendeskから顧客のチケットを取得したりすることができます。その後、返信内容はあらかじめ決められたテンプレートではなく、そのアカウントの実際の履歴に基づいて作成されます。

プロジェクト管理

プロジェクト管理用のAIエージェントは、複数のツールを同時に横断して動作します。このモデルは、1回のリクエストだけで、Googleカレンダーからその週の会議情報を読み取り、Notionで関連文書を確認し、Slackに要約を投稿します。

MCPをミーティングに応用するには？

実際の会議の議事録を検索・取り込む機能は、モデルに連携できる機能の中でも特に有用なものの一つです。これらは会話、決定事項、異議、行動などを逐語的に記録したもので、手入力されたCRMのメモや文書では見落とされがちな情報も含まれていることがあります。

ここで重要なのは、どのAI会議アシスタントを使用しているかという点です。なぜなら、すべてのAI会議アシスタントがサーバーを稼働させているわけではないからです。

AIが会議データでできること

AIモデルは、トランスクリプトライブラリにクエリを実行することで、発言内容の完全な記録を取得することができます。これにより、以下のことが可能になります：

  • 録画を見なくても、自分が参加しなかった電話会議の内容を要約してください。
  • 複数の会議にまたがるアクション項目を一覧表示し、進捗状況の全体像を把握できるようにします。
  • その決定がいつ下されたのか、またその背景にはどのような状況があったのかを確認してください。

主要な3つのプラットフォームにおけるその仕組みは以下の通りです。

Zoom用MCP

クライアントとの電話や社外との打ち合わせは、主にZoom で行われます。これらの通話履歴をモデルに紐づけておけば、過去の3件の通話を開くことなく、そのうちのどの通話でクライアントがどのような異議を唱えたかを確認することができます。その設定方法については、当社の『Zoom MCPガイド』で解説しています。

Google MeetためのMCP

MeetはWorkspace内に組み込まれているため、会議に関連するドキュメントは会議自体と隣り合わせに表示されます。この両方にアクセスできる仕組みにより、通話で合意された内容を、その会議から作成されたドキュメントと関連付けることができます。詳細については、Google Meet のMCPガイドをご覧ください。

MCP for MS Teams

Teamsは通常、社内会議が行われる場であるため、多くの企業において、これら3つのうち最大のライブラリとなっています。Teams全体を横断して検索を行うことで、個々の会議ごとに確認するのではなく、繰り返し取り上げられるトピックや決定事項を把握することができます。当社の『Microsoft Teams MCPガイド』では、さらに詳しく解説しています。

tl;dvのMCPサーバー

tl;dv 2025年から独自のMCPサーバーを運用している また、MCP自体と同様に、この間に大きな変化を遂げています。現在は「Pro」プラン以上で利用可能となっており、「Claude」および「ChatGPT」のコネクタディレクトリの両方から接続できます。接続にはOAuthが使用されるため、範囲を限定した権限を承認するだけで済み、パスワードを変更することなくいつでもその権限を取り消すことができます。トークンの有効期間は5分間です。
発売時 2026年8月現在
設定画面で生成されたAPIキーを、設定ファイルに貼り付けた OAuth：ユーザーが承認し、取り消すこともできる範囲限定の権限
Node.js または Docker を使用してローカルにインストール tl;dv がホストしており、インストールは不要です
設定ファイルを手動で編集した後、クライアントを再起動してください 「Claude」または「ChatGPT」コネクタディレクトリから接続する
4つのツール 会議ライブラリ全体の検索を含む5つのツール
読み取り専用です。サーバーでは、会議の作成、編集、削除、共有を行うことはできません。 tl;dvのMCPには、以下の5つのツールが用意されています：
  • 会議の検索：期間、キーワード、社内／社外、参加状況、ページ番号で絞り込みが可能です。
  • 会議のメタデータを取得する：タイトル、日時、所要時間、ステータス、主催者、参加者、および会議のURLを取得します。
  • 会議の議事録を取得：Markdown形式の完全な議事録を取得します。
  • 会議の議事録を取得：AIが生成した議事録、手書きのメモ、タイムスタンプ、およびAI処理のステータスを取得します。
  • ユーザープロファイルの取得： tl;dv のプロファイル、役割、登録日、チームの人数を取得します。
サーバーがアクセスできる範囲は、ライブラリに何が含まれているかによって異なります。tl;dv は、会議にボットが参加している場合や、デスクトップアプリを使用してボットなしで会議を行っている場合でも録画を行い、自動アップロード機能を通じて他の場所で作成された録画を取り込むことができるため、より多くの会議記録が1つの検索可能な場所に集約されます。ライブラリの範囲が広ければ広いほど、その全体を対象とした検索はより有用なものとなります。 MCPサーバーは、 Proプラン、そして、お使いの tl;dv アカウント 一度乗ってしまえば。

MCPの今後の展望

2026年、MCPに対する期待は、以前の現状をはるかに超えるものとなっています。現在ではモデルがMCPに大きく依存しており、セキュリティも強化され、セットアップにそれほど高度な技術力は必要なくなりました。以前は設定ファイルを編集する必要がありましたが、今ではコネクタのディレクトリから選択するだけで動作するようになりました。

2026年7月の改訂に伴い、承認ルールが厳格化され、2026年6月には「エンタープライズ管理型承認」が安定化しました。これにより、管理者はサーバーを1台ずつ承認するのではなく、IDプロバイダーを通じてアクセス権を付与できるようになりました。

ここからの変更点はそれほど劇的なものではありません。2026年7月28日の改訂により、プロトコルはステートレス化され、正式な拡張フレームワークが追加され、12か月の非推奨ポリシーが導入されました。

このフレームワークには、2つの公式拡張機能が用意されています。「MCP Apps」では、サーバーがプレーンテキストではなく、サンドボックス化されたウィンドウ内でレンダリングされた対話型インターフェースを返すことができ、すべての操作は通常のツール呼び出しと同じ承認経路を経由します。「Tasks」は時間がかかる処理を処理するため、サーバーは接続を開いたままにする代わりに、ジョブリファレンスを返すことができます。

これらを総合すると、MCPは、人々がこれまでに築き上げてきたものを損なうことなく成長できるようになったということになる。これこそが、インフラがもはや「興味深い」ものではなくなったときに現れる姿なのである。

モデルコンテキストプロトコル（MCP）に関するFAQ

MCPは、AIモデルがGoogle Drive、Slack、会議の録画など、ユーザーがすでに利用しているツールやデータに接続できるようにするオープンスタンダードです。Anthropic が2024年11月にこれを公開し、その後、ガバナンスはLinux Foundationに移管されました。これにより、あらゆるAIアプリが外部データにアクセスするための共通の手段が提供されます。

それらは競合するのではなく、協力し合います。AIエージェントとは、ユーザーに代わってタスクを実行するシステムのことです。MCPとは、そのエージェントが作業に必要なデータにアクセスするための仕組みです。有用なエージェントの多くは、MCPのような仕組みを活用して、自身の学習データ以外の情報も把握しています。

サーバーによって異なります。MCPは、データを取得するツールとアクションを実行するツールの両方をサポートしているため、サーバーで何ができるかは、そのサーバーを構築した人次第です。接続する前に、そのサーバーがどのツールを公開しているかを確認してください。読み取り専用サーバーでは、情報の取得はできますが、作成、編集、共有、削除は一切できません。

MCPは、OAuthを利用してアクセス要求や許可の方法を標準化しているため、権限の範囲が明確に定められ、取り消しも可能です。サーバーがデータを受信した後の扱いは、そのサーバーを運用する企業によって決定されます。安全性に関する問題は、プロトコルそのものよりも、どのサーバーに接続するかという点に大きく左右されます。

まずは、誰が運営しているかを確認しましょう。すでに契約を結んでいるベンダーが提供するファーストパーティのサーバーには、データポリシーが定められており、責任の所在も明確です。そのサーバーが要求する権限や、データ保持ポリシーの内容を確認してください。パブリックレジストリのサーバーについては、運営者を特定するのが難しい場合があるため、より慎重に検討する必要があります。

MCPを通じて取得されたデータは、AIアプリコンテキストに取り込まれ、モデルがそれを利用できるようになります。つまり、利用しているAIのプライバシーポリシーが適用されます。MCPサーバー、AIアプリ、モデルプロバイダーはそれぞれ別個の主体であるため、各々の利用規約をよく確認しておくことをお勧めします。

はい、お使いの会議ツールがMCPサーバーを実行している場合です。tl;dvの機能はProプランで利用可能で、ClaudeおよびChatGPTのコネクタディレクトリから接続できます。検索、メタデータ、メモ、トランスクリプトが利用可能なので、過去の通話記録を1つずつ開く必要がなく、それらを横断して質問を行うことができます。