Model Context Protocol（MCP）とは何か、なぜ重要なのか

Model Context Protocol（MCP）は、AIモデルが外部ツール・データソース・サービスと接続する方法を定義するAnthropicが開発したオープン標準です。AIのための汎用APIレイヤーとして機能し、システムごと（Salesforce・Jira・SAP・内部データベースなど）にカスタム統合を構築する代わりに、MCPを通じて一度公開するだけで、MCP対応のAIクライアントであれば誰でも利用できます。

MCPは、AIアシスタントがビジネスシステムを発見し、呼び出し、安全にやり取りする方法を標準化し、ツールとデータへのリアルタイムかつ双方向のアクセスを可能にします。

従来、AIアシスタントをエンタープライズツールに接続するには、各システムに対してカスタムの単発統合が必要であり、開発・保守コストが高くなっていました。

MCPは以下を提供することでこれを変革します：

• 1つのプロトコル、無制限のツール：システム用のMCPサーバーを一度構築すれば、MCP対応のAIクライアントであれば誰でも利用できます。
• 標準化されたセキュリティ：認証・認可・レート制限・監査ログがプロトコルに組み込まれています。
• リアルタイムデータアクセス：AIは静的エクスポートではなくライブデータを操作します。
• 双方向操作：適切な権限があれば、AIはシステムへの読み書きの両方が可能です（例：チケット作成・レコード更新）。

MCPには3つの主要コンポーネントがあります：

1. MCPクライアント

外部機能を必要とするAIアプリケーション（例：Claude Desktop・カスタムチャットボット・エンタープライズコパイロット）。MCPプロトコルを理解し、サーバーが公開するツール・リソース・プロンプトを発見して呼び出すことができます。

1. MCPサーバー

特定のシステム（Salesforce・SAP・Jira・データベース・内部APIなど）をラップし、MCP経由で公開する軽量サービス。ツール・リソース・プロンプトを明確なスキーマで定義します。

1. トランスポートレイヤー

クライアントとサーバー間の通信チャネル：

• Stdio：ローカルサーバー向け（シンプル・低オーバーヘッド）
• HTTP + SSE：リモート・マルチユーザー・認証済み環境向け
• ストリーマブルHTTP：リクエスト/レスポンスとストリーミング更新の組み合わせ向け

ユーザーが“What’s the status of ticket JIRA-1234?”と質問した場合、AIクライアントは：

• Jira関連のツールを使用すべきと推論します。
• 適切なMCPサーバーツールを呼び出します。
• The server talks to Jira’s API.
• 結果が数秒以内にAIに返されます。

MCPサーバーは3種類の機能を公開します：

ツール（アクション）

ツールはAIが実行できる操作です。

• 例：search_salesforce、create_jira_ticket、query_database、send_slack_message。
• 各ツールにはschema（入力パラメータと出力フォーマット）があります。
• AIはユーザーのインテントに基づいて、ツールをいつ・どのように呼び出すかを判断します。

リソース（読み取り可能なデータ）

リソースはAIがオンデマンドで取得できるデータソースです。

• 例：ナレッジベース・製品カタログ・ポリシー文書。
• AIがリクエストできるURIとして公開されます。
• 大規模データセットのページネーションをサポートします。

プロンプト（ワークフローテンプレート）

プロンプトは複数のステップをオーケストレートできる事前設定されたインタラクションテンプレートです。

• 例：“Analyze this sales pipeline”、“Generate a sprint report”。
• 複数のツール呼び出しを構造化されたワークフローに組み合わせることができます。
• 複雑な多段階ビジネスプロセスに最適です。

MCPはエンタープライズグレードのセキュリティを念頭に設計されており、複数のレイヤーでコントロールが施されています：

• 認証：サーバーごとにOAuth 2.0・APIキー・カスタムメカニズムをサポートします。
• 認可：ツールとリソースごとのきめ細かい権限設定（例：Salesforceへの読み取り専用アクセス、削除操作の禁止）。
• 入力検証：すべてのツール入力は実行前にスキーマに対して検証されます。
• 監査ログ：すべてのツール呼び出しをユーザーID・タイムスタンプ・パラメータ・結果とともに記録できます。
• レート制限：呼び出し頻度を制御することでバックエンドシステムの過負荷を防ぎます。

MCPはクライアントとサーバー間で複数のトランスポートメカニズムをサポートしています：

• Stdio（標準入出力）
• 同一マシン上で動作するローカルサーバーに最適です。
• ネットワークオーバーヘッドなし、最もシンプルなセットアップ。
• HTTP + Server-Sent Events（SSE）
• リモートサーバーとマルチユーザー環境に最適です。
• 認証・ロードバランシング・エンタープライズネットワークとの相性が良好です。
• ストリーマブルHTTP
• 従来のリクエスト/レスポンスとストリーミングを組み合わせます。
• 長時間実行の操作やリアルタイムの進捗更新に有用です。

Salesforce MCPサーバーは、リアルタイムの営業インテリジェンスのためにAIをCRMに接続します。

ツール例：

• search_accounts：名前・業種・売上規模によるアカウント検索。
• get_opportunity_details：案件ステージ・金額・クローズ日・担当者の取得。
• update_opportunity_stage：案件のパイプラインステージ移動。
• search_contacts：会社・役割・インタラクション履歴によるコンタクト検索。
• create_task：営業担当者向けのフォローアップタスク作成。

典型的なユースケース：

• “Show me all open opportunities over Rs 50 lakh closing this quarter.”
• “What’s the history of our interactions with Infosys?”
• “Create a follow-up task for the TCS deal review.”

SAP MCPサーバーは、業務・財務インテリジェンスのためにAIをERPに接続します。

ツール例：

• check_inventory：全倉庫のリアルタイム在庫水準の取得。
• get_purchase_order_status：発注書の納品・支払い状況の追跡。
• query_financial_reports：損益計算書・貸借対照表・キャッシュフローデータの取得。
• check_production_orders：製造指図の状況と進捗の確認。

典型的なユースケース：

• “What’s our current stock of raw material X across all warehouses?”
• “Show me all overdue purchase orders from the last 30 days.”
• “What’s our gross margin trend for the last 4 quarters?”

Jira MCPサーバーは、エンジニアリングとデリバリーのインサイトのためにAIをプロジェクト管理システムに接続します。

ツール例：

• search_issues：プロジェクト・担当者・ステータス・ラベルによるチケット検索。
• get_sprint_status：スプリントの進捗・バーンダウン・ブロッカーの取得。
• create_issue：適切なフィールドと担当者を設定した新規チケットの作成。
• update_issue_status：チケットのワークフロー状態の移動。
• get_release_notes：リリース向けの完了作業の集計。

典型的なユースケース：

• “What are the blockers in the current sprint?”
• “Create a bug ticket for the login page crash on iOS.”
• “Generate release notes for version 2.5.”

ステップ1：高付加価値統合の特定

最も時間とコンテキストスイッチングを要するシステムから始めます：

• CRM（Salesforce・HubSpot）：営業チームの手作業データ入力と検索を削減します。
• Project management（Jira・Asana）：エンジニアリングチームのツール間の行き来を減らします。
• Communication（Slack・Teams）：スレッドの要約・アクションアイテム抽出・クエリのルーティング。
• Databases：分析用の制御されたSQLアクセスを提供します（多くの場合、読み取り専用）。
• Internal documentation（Confluence・Notion）：ドキュメントをAI活用型ナレッジベースに変換します。

ステップ2：MCPサーバーの設計

各対象システムについて：

• 定義：tools：AIが実行できるアクションは何ですか？
• 定義：resources：AIがオンデマンドで読み取れるデータは何ですか？
• 設定：permissions：誰がどのツールを使用できますか？読み取り専用か読み書き可能か？
• 計画：error handling：外部APIが停止または低速な場合、障害はどのように通知されるべきですか？
• 設計：rate limiting：ユーザーまたはツールごとに1分あたり何件の呼び出しが許可されますか？

ステップ3：構築とデプロイ

典型的なスタック：

• 言語：TypeScript（公式SDK）・Python（公式SDK）・またはJSON-RPCを話せる任意の言語。
• ホスティング：AWS・GCP・Azure上のDockerコンテナ、またはVPN配下のオンプレミス。
• 監視：レイテンシ・エラー率・使用量メトリクスのためにPrometheusまたは類似ツールを使用。
• テスト：サンドボックス環境（例：Salesforce Sandbox・Jiraテストプロジェクト）に対する統合テスト。

ステップ4：AIクライアントとの接続

MCPサーバーは以下から利用できます：

• Claude Desktop：claude_desktop_config.json経由でサーバーを登録します。
• カスタムAIアプリケーション：MCPクライアントSDK（TypeScriptまたはPython）を使用して接続します。
• エンタープライズコパイロット：単一のコパイロットがSalesforce・SAP・Jira・内部ツールを横断してオーケストレートするマルチサーバー構成。

開発コスト

2025年のインドエンジニアリングチームの概算レンジ：

• シンプルなMCPサーバー（シングルツール・読み取り専用）：

Rs 2〜5ラク、約2〜3週間。

• 標準MCPサーバー（5〜10ツール・読み書き可能）：

Rs 8〜15ラク、約4〜6週間。

• エンタープライズMCPスイート（複数システム・カスタム認証・監査）：

Rs 25〜50ラク、約8〜12週間。

継続コスト

• ホスティング：サーバー1台あたり月額Rs 5,000〜20,000（クラウド、標準的な使用量）。
• メンテナンス：開発コストの年間約10〜15%（API変更・セキュリティアップデート・機能強化）。
• AI APIコスト：使用量とモデル料金に基づきます（例：Claude API）。

ROI事例

Salesforce + SlackをMCP経由で使用する約20名の営業チームの場合：

• 削減時間：検索とデータ入力で1人1日あたり1〜2時間を削減。
• 年間価値：生産性回復により約Rs 30〜50ラクの年間価値。
• 回収期間：多くの場合、本番稼働後2〜4ヶ月以内。

Boolean & Beyondチームはインドのエンタープライズ向けに本番グレードのMCPサーバーを構築することを専門としています。

• 以下とのAI統合実績：Salesforce, SAP, Jira, custom databases, and internal tools。
• MCPサーバーのアーキテクチャ設計・実装・デプロイ・AIクライアント統合のエンドツーエンドデリバリー。
• 注力領域：security, observability, and maintainabilityに注力し、チームがプロトコルの複雑さを意識せずにAI活用型ツールアクセスを得られるようにします。

MCP経由で統合を標準化することで、組織はAIの試験的な導入から、全ツールスタックにわたって機能する堅牢でスケーラブルなAIコパイロットへと移行できます。

AIソリューションライブラリのその他のコンテンツをご覧ください：

• 自社専用プライベートChatGPTの構築 — プライベートLLMとRAGアーキテクチャを使用して、社内文書で学習されたエンタープライズAIコパイロットを導入します。
• RAGの実装とベクターデータベース — Retrieval-Augmented Generation（RAG）の仕組みと、本番環境に適したベクターデータベースの選び方を解説します。