【2026年最新】MCP入門ガイド｜9700万DLのAI接続規格を解説

結論: MCP（Model Context Protocol）は、AIアシスタントが外部ツール・データに接続するための「共通言語」です。2026年3月に9700万ダウンロードを達成し、Claude Code・Cursor・VS CodeなどのAI開発ツールを動かす”インフラ”になりました。

この記事の要点:

• MCPは2024年11月のリリースから16ヶ月で9700万DL（約4,750%成長）に達したAIのインフラ技術
• 5800以上のMCPサーバーが公開されており、コードなしで使えるものも多数ある
• Python 10行程度で自分専用のMCPサーバーを作れる（本記事でサンプルコード公開）

対象読者: AIツールを業務活用したいビジネスパーソン・エンジニア入門者
読了後にできること: MCPの概念を理解し、対応ツールをインストールして今日から試せる

「MCPって最近よく聞くけど、結局何なの？」

AIツールを使い始めた社員からよく届く質問です。

先日、研修先の企業でこんな場面に遭遇しました。「Claude CodeにGitHubのリポジトリを直接読み込ませたら、コードのバグを自動で特定して修正案まで出してくれた！」と興奮気味に話してくれたエンジニアがいたんです。その裏側で動いていたのが、MCPでした。

MCPは「AI界のUSB規格」とも呼ばれています。USBが登場する前は、プリンターもマウスも全部専用端子が必要でした。MCPもそれと同じで、「AIと外部ツールをつなぐ共通規格」です。これが登場したことで、AIが数百のツールと連携できるようになりました。

この記事では、MCPの仕組みから対応ツール、自分でサーバーを作る方法まで、コピペで使えるコード例つきで解説します。

MCPとは何か？5分で分かる超わかりやすい解説

MCPを理解するために、まず「MCPがなかった時代」を想像してください。

ChatGPTにGoogleカレンダーを読み込ませたい → 専用の統合機能が必要
ClaudeにSlackを操作させたい → 別途API連携の開発が必要
CursorにAWS S3のファイルを読み込ませたい → カスタムツールの実装が必要

AIツールが増えるたびに、連携先が増えるたびに、別々の実装が必要でした。これが「M×Nの接続問題」です（AIツールがM種類、連携先ツールがN種類あれば、M×N通りの接続実装が必要になる）。

MCPはこれを解決しました。MCP対応AIツール（クライアント）とMCP対応データソース（サーバー）があれば、どんな組み合わせでも1つの規格で接続できます。

【MCPなし】
Claude ←→ GitHubアダプター
Claude ←→ Slackアダプター
Claude ←→ Notionアダプター
Cursor ←→ GitHubアダプター（別実装）
Cursor ←→ Slackアダプター（別実装）

【MCPあり】
Claude  ─┐
Cursor  ─┼─── MCP規格 ─── GitHub MCPサーバー
VS Code ─┘              ─── Slack MCPサーバー
                         ─── Notion MCPサーバー

AIエージェントとツール連携の全体像については、AIエージェント導入完全ガイドでさらに詳しく解説しています。

なぜ9700万DLに達したのか？爆発的成長の3つの理由

2024年11月にAnthropicがオープンソースで公開してから、わずか16ヶ月で9700万ダウンロード。これはnpmパッケージやREST APIの普及曲線と同じ軌跡を描いています。なぜここまで爆発的に広まったのか？

理由1：Anthropicではなく「業界全体」の規格になった

2025年12月、AnthropicはMCPをLinux Foundation傘下の「Agentic AI Foundation」に寄贈しました。共同創設者にはBlock（旧Square）とOpenAIが名を連ね、Google・Microsoft・AWS・Cloudflareもバックアップ。

つまりMCPは今や「AnthropicのMCP」ではなく「業界標準規格」です。この中立性が爆発的普及の最大の要因です。

理由2：エージェントAI専用設計

従来のAPIは「人間向けのリクエスト-レスポンス」を前提に設計されています。MCPは最初から「AIエージェントが自律的に動く」用途で設計されており、以下の機能を標準で持っています：

• ストリーミング対応（長時間タスクの進行状況を途中でAIに伝える）
• ライフサイクル管理（セッション開始・維持・終了の管理）
• ケイパビリティ検出（AIが「何ができるか」を自動で把握する）

理由3：コードなしで使えるエコシステムが整備された

Claude Desktop（デスクトップアプリ）のExtensionsディレクトリでは、MCP サーバーをワンクリックでインストールできます。ターミナルもコードも不要です。この「ノーコード体験」が非エンジニア層への普及を加速させました。

主要対応ツール：何ができるようになるか

2026年3月時点で5800以上のMCPサーバーが公開されています。代表的なものを見てみましょう。

AIクライアント（MCP対応済み）

人気MCPサーバー（接続できる先）

Claude DesktopでMCPを使ってみる（コードなし）

まずはコードなしで試す方法を紹介します。Claude Desktopを使っている方ならすぐ試せます。

手順1：Claude DesktopにMCPサーバーを追加する

設定ファイル（`~/.claude/claude_desktop_config.json`）を編集します。

{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-filesystem",
        "/Users/あなたのユーザー名/Documents"
      ]
    }
  }
}

Claude Desktopを再起動すると、Documentsフォルダ内のファイルをClaudeが直接読み書きできるようになります。

手順2：Claude Desktopで試す

# こんな指示が出せるようになる
「Documentsフォルダにある会議メモをすべて読んで、
今週の重要な決定事項を箇条書きでまとめてください」

「来週の月次報告書のドラフトを作成して、
Documents/reports/2026-04.mdとして保存してください」

# 不足している情報があれば、最初に質問してから作業を開始してください。

主要MCPサーバーの種類と使い方

1. GitHub MCPサーバー（エンジニア必須）

研修先のスタートアップ（従業員30名、2026年2月）でGitHub MCPを導入した際の活用例：

# インストール（Node.js必要）
npm install -g @modelcontextprotocol/server-github

# 設定（claude_desktop_config.jsonに追加）
{
  "github": {
    "command": "mcp-server-github",
    "env": {
      "GITHUB_PERSONAL_ACCESS_TOKEN": "ghp_xxxx"
    }
  }
}

# 使用例プロンプト
「uravation/myappのPR #123を確認して、
セキュリティ上の問題があれば指摘してください。
問題があればコメントを自動で追加してください」

# 仮定した点は必ず"仮定"と明記してください。

このエンジニアチームでは、PR レビューの初期チェック時間が平均45分から10分に短縮されました（測定期間：2026年1-2月、対象：エンジニア6名、方法：Jiraの作業時間ログ）。

2. データベースMCPサーバー

# SQLite MCP の例
pip install mcp-server-sqlite

# 設定
{
  "sqlite": {
    "command": "python",
    "args": ["-m", "mcp_server_sqlite", "--db-path", "/path/to/database.db"]
  }
}

# 使用例
「売上データベースを確認して、
先月の上位10商品とその売上金額を教えてください。
また、前月比で売上が下がっている商品を特定してください」

# 数字と固有名詞は、根拠（出典/計算式）を添えてください。

3. Slack MCPサーバー

# Slack MCPの設定例
{
  "slack": {
    "command": "npx",
    "args": ["-y", "@modelcontextprotocol/server-slack"],
    "env": {
      "SLACK_BOT_TOKEN": "xoxb-xxxx",
      "SLACK_TEAM_ID": "T0000"
    }
  }
}

# 使用例
「#general チャンネルの今週のメッセージを読んで、
未解決の質問・課題をリストアップしてください」

自分でMCPサーバーを作る方法（Python例）

「既存のMCPサーバーに欲しいものがない」「社内システムに接続したい」という場合は、自分で作れます。Pythonなら10行程度のコードで基本的なサーバーを作れます。

最小構成のMCPサーバー（Python）

# requirements: pip install "mcp[cli]"

from mcp.server.fastmcp import FastMCP

# サーバーを初期化
mcp = FastMCP(name="My Business Tools")

@mcp.tool()
def get_customer_info(customer_id: str) -> str:
    """顧客IDから顧客情報を取得します"""
    # 実際のDBや外部APIに接続する処理
    # ここではサンプルとして固定値を返す
    return f"顧客ID: {customer_id}, 名前: サンプル株式会社, ステータス: アクティブ"

@mcp.tool()
def create_report(report_type: str, period: str) -> str:
    """指定した種類・期間のレポートを生成します"""
    # 実際のレポート生成ロジック
    return f"{period}の{report_type}レポートを生成しました"

if __name__ == "__main__":
    mcp.run(transport="stdio")

# 不足している情報があれば、最初に質問してから作業を開始してください。

MCPサーバーの3つの基本概念

社内システム連携の実例（もう少し複雑なケース）

from mcp.server.fastmcp import FastMCP
import requests

mcp = FastMCP(name="Company CRM Tools")

@mcp.resource("config://database")
def get_db_config() -> str:
    """データベース設定情報（読み取り専用）"""
    return "DB接続情報: host=localhost, db=sales_db（実際の認証情報は環境変数で管理）"

@mcp.tool()
def search_leads(keyword: str, limit: int = 10) -> list:
    """
    リードデータを検索します

    Args:
        keyword: 検索キーワード（会社名・担当者名など）
        limit: 返す件数（最大50）
    """
    # 実際の実装では自社CRM APIを呼ぶ
    # ここではサンプルデータを返す
    return [
        {"id": "L001", "company": f"{keyword}関連会社A", "status": "未連絡"},
        {"id": "L002", "company": f"{keyword}関連会社B", "status": "商談中"},
    ]

@mcp.tool()
def update_lead_status(lead_id: str, new_status: str, note: str = "") -> str:
    """リードのステータスを更新します"""
    # 実際の実装ではDB更新処理
    return f"リードID {lead_id} のステータスを '{new_status}' に更新しました。メモ: {note}"

if __name__ == "__main__":
    mcp.run(transport="stdio")

# 数字と固有名詞は、根拠（出典/計算式）を添えてください。

Claude Desktopへの登録

# claude_desktop_config.json に追加
{
  "mcpServers": {
    "company-crm": {
      "command": "python",
      "args": ["/path/to/your/mcp_server.py"]
    }
  }
}

これだけで、Claude Desktopから「リード検索して」「ステータス更新して」と自然言語で指示できるようになります。

Claude Code × MCPの活用例

Claude Code（CLIツール）でのMCP活用は特に強力です。研修先の開発チームで実際に使っているプロンプトを紹介します。

# Claude Code + GitHub MCP + Filesystem MCP を組み合わせた例

# リポジトリのコードレビュー自動化
claude "GitHub MCPを使って、最新のPR一覧を確認して、
レビュー未着手のものを優先度順にリストアップしてください。
各PRのコード変更もチェックして、セキュリティ上の問題があれば
コメントを自動で追加してください"

# バグ修正の自動化フロー
claude "Issue #456の内容を読んで、
関連するコードファイルを特定し、
修正案を作成してからPull Requestを出してください。
既存のテストがある場合は実行して、通ることを確認してください"

# 不足している情報があれば、最初に質問してから作業を開始してください。

【要注意】MCP活用でよくある失敗パターン

失敗1：セキュリティを後回しにする

❌ 「とりあえず動けばいい、セキュリティは後で」
⭕ 「MCP サーバーへのアクセス権限は最小限に。本番DBへの書き込み権限は慎重に付与」

MCPサーバーに本番データベースへの書き込み権限を与えると、AIが誤ってデータを削除・変更するリスクがあります。開発・検証環境では読み取り専用から始めるのが鉄則です。

失敗2：信頼できないMCPサーバーをインストールする

❌ 「便利そうだからとりあえずインストール」
⭕ 「公式または信頼できる組織が公開したサーバーのみ使う」

MCPサーバーはローカルシステムやAPIにアクセスできるため、悪意あるサーバーをインストールすると情報漏洩のリスクがあります。npmやGitHubで公開されているサーバーは作者・スター数・コードを必ず確認してください。

失敗3：MCPを「魔法の自動化ツール」と誤解する

❌ 「MCPを入れればAIが全部やってくれる」
⭕ 「MCPは接続の仕組み。AIが何をどうやるかはプロンプト設計次第」

MCPはAIとツールをつなぐ「パイプ」です。何を流すかはAIへの指示（プロンプト）次第です。適切な指示なしにMCPを使うと、意図しない操作がされる可能性があります。

失敗4：全ツールを一度にMCP対応させようとする

❌ 「既存システムを全部MCPに対応させる大規模プロジェクト」
⭕ 「最も効果が高い1-2ツールから始めて、段階的に拡大」

最初の成功体験が重要です。GitHubやSlackなど既にMCPサーバーが公開されているツールから始めて、チームで価値を実感してから次のステップへ。

MCPのこれから：2026年の注目ポイント

Agentic AI Foundationの下でMCPは急速に進化しています。注目すべき動向：

• 認証標準化：OAuth2.0との統合が進み、エンタープライズ向けの認証が容易に
• リモートMCPサーバー：ローカルインストール不要のクラウド型サーバーが増加
• マルチエージェント対応：複数のAIエージェントがMCP経由でコラボレーション
• 日本語ドキュメント整備：日本企業での採用障壁が下がりつつある

実践的な業務活用方法はMCP実践ガイド｜AI×業務ツール連携で詳しく解説しています。

参考・出典

• Anthropic’s Model Context Protocol Hits 97 Million Installs on March 25 — AI Unfiltered（参照日: 2026-03-27）
• Model Context Protocol Python SDK — GitHub（参照日: 2026-03-27）
• MCP Hits 97M Downloads: Model Context Protocol Guide — Digital Applied（参照日: 2026-03-27）
• Model Context Protocol – Wikipedia — Wikipedia（参照日: 2026-03-27）
• How to Create an MCP Server in Python – FastMCP — FastMCP Documentation（参照日: 2026-03-27）

まとめ：今日から始める3つのアクション

1. 今日やること: Claude DesktopにFilesystem MCPを追加して、「Documentsフォルダを読んで要約して」と試す（所要時間：約10分）
2. 今週中: 最もよく使うツール（GitHub・Slack・Notionなど）のMCPサーバーを検索して、1つインストールして業務に使ってみる
3. 今月中: 社内固有のシステム・データベースのMCPサーバーをPythonで自作することを検討。まずは「読み取り専用」機能から

MCPを活用したAIエージェントの業務導入についてのご相談は、お問い合わせフォームからお気軽にどうぞ。

著者: 佐藤傑（さとう・すぐる）
株式会社Uravation代表取締役。早稲田大学法学部在学中に生成AIの可能性に魅了され、X（旧Twitter）で活用法を発信（@SuguruKun_ai、フォロワー約10万人）。100社以上の企業向けAI研修・導入支援を展開。著書『AIエージェント仕事術』（SBクリエイティブ）。SoftBank IT連載7回執筆（NewsPicks最大1,125ピックス）。

あわせて読みたい

• MCP実装ガイド（AIツールラボ）