はじめに
エスプリフォートでは、システムエンジニアに求められる価値は、単にコードを書くことだけではないと考えています。
大切なのは、
お客様の課題を見つけ、技術で解決し、顧客価値を生み出すこと。
そして、できない理由を並べるのではなく、
「どうすればできるか」を考え、行動すること。
私たちが大切にしているクレドには、
「顧客価値を意識し、価値創造を全力で行う」
という考え方があります。
その視点で見ると、今システムエンジニアが必ず押さえるべき技術があります。
それが、MCP（Model Context Protocol）です。
正直、MCPを理解しているかどうかで、これからのAI活用力はかなり変わります。
なぜならMCPは、AIを単なるチャット相手から、
社内資料、GitHub、DB、ログ、チケット、業務システムとつながる“実務エージェント”に変える技術だからです。
MCPとは何か？
MCPは、AIアプリケーションと外部データ・ツールを標準的につなぐためのオープンプロトコルです。Anthropicが2024年11月25日に公開し、AIが社内データ、開発環境、業務ツールなどへ安全に接続しやすくすることを目的にしています。(Anthropic)
ざっくり言うと、MCPはこういうものです。
AI版のUSB-C。
AIと外部ツールを、共通規格でつなぐ仕組み。
これまでAIに何かをさせようとすると、ツールごとに個別連携が必要でした。
たとえば、
AI × GitHub
AI × Jira
AI × Slack
AI × PostgreSQL
AI × ファイルサーバ
AI × 社内ナレッジ
AI × ログ基盤
これらを全部バラバラに実装していたら、保守も大変ですし、ツールが増えるたびに連携コストが増えます。
そこでMCPです。
MCPを使うと、AI側はMCPという共通のルールで外部ツールにアクセスできます。MCP公式仕様でも、アプリケーションが言語モデルにコンテキストを共有し、AIシステムにツールや機能を公開し、組み合わせ可能なワークフローを作るための標準化された仕組みだと説明されています。(Model Context Protocol)
MCPの登場で、SEの仕事はどう変わるのか？
ここが一番大事です。
MCPは、単なるAI周辺技術ではありません。
システム開発の進め方そのものを変える可能性があります。
たとえば、今までなら障害調査ではこうしていました。
1. ログを見る
2. ソースを見る
3. Gitの差分を見る
4. チケットを見る
5. DBの状態を見る
6. 過去の類似障害を探す
7. 原因を整理する
8. 報告文を書く
これを人間が全部やっていました。
しかしMCPを使うと、AIエージェントにこう頼めるようになります。
昨日の夜間バッチ失敗について、
ログ、直近のGit差分、関連チケット、DB定義を確認して、
原因候補と調査手順を整理してください。
もちろん最終判断はエンジニアが行うべきです。
しかし、一次調査・情報収集・比較・整理は、AIがかなり支援できるようになります。
つまりMCPは、SEから仕事を奪う技術ではありません。
むしろ、
SEが“作業者”から“判断者・設計者・価値創造者”へ上がるための技術です。
MCPの基本構成
MCPには、大きく3つの登場人物があります。
Host
└ AIを使うアプリ
例：Claude Desktop、Cursor、VS Code系AI、独自AIエージェントなど
Client
└ Host内でMCP Serverと通信する部品
Server
└ 外部データやツールをAIに提供するプログラム
例：GitHub MCP Server、DB MCP Server、社内ナレッジMCP Serverなど
MCP仕様では、通信はJSON-RPC 2.0を使い、Host、Client、Serverの役割で構成されると説明されています。(Model Context Protocol)
MCP ServerがAIに提供できる代表的な機能は次の3つです。
Resources：AIが読めるデータ
Tools ：AIが呼び出せる処理
Prompts ：再利用できるプロンプトテンプレート
公式チュートリアルでも、MCPサーバーが提供できる主要機能として、Resources、Tools、Promptsが紹介されています。(Model Context Protocol)
SEが理解すべきポイントは「AIに何を見せ、何をさせるか」
MCPを理解するとき、最初から難しい仕様に入る必要はありません。
SEとして大事なのは、次の2つです。
1. AIに何を読ませるか
2. AIに何を実行させるか
たとえば、読み取りだけなら比較的安全です。
・設計書を読む
・READMEを読む
・ログを読む
・DB定義を読む
・チケットを読む
・過去の問い合わせ履歴を読む
一方で、実行系は慎重に扱う必要があります。
・ファイルを書き換える
・DBを更新する
・Gitにpushする
・チケットを更新する
・Slackへ投稿する
・本番環境へコマンドを投げる
MCPの本質は、AIに外部ツールをつなぐことです。
だからこそ、便利さと同時に、権限設計が非常に重要になります。
OpenAIのMCP関連ドキュメントでも、MCPサーバーやコネクタはモデルに外部サービスへ接続・操作する能力を与えるものであり、ツール呼び出しには承認フローを設けられると説明されています。(OpenAI Developers)
実務で使えるMCP活用例
1. ソースコードから設計書を起こす
仕様書がない現場では、ソースコード、DB定義、画面、API、テストコードを見ながら設計書を作ることがあります。
MCPでGitリポジトリやファイルシステムをAIに読ませられるようにすると、次のような使い方ができます。
このリポジトリの注文登録処理について、
画面、API、DB更新、例外処理の流れを整理して、
基本設計書のたたき台を作ってください。
これができると、設計書作成の初動がかなり速くなります。
もちろん、AIが作ったものをそのまま信じるのは危険です。
ただ、ゼロから人間が読み解くより、かなり早く全体像を掴めます。
2. コードレビューの質を上げる
MCPでGitHubやGit、社内コーディング規約をつなぐと、AIにこう依頼できます。
このPRをレビューしてください。
観点は以下です。
・既存仕様との整合性
・例外処理
・SQLのパフォーマンス
・命名
・社内コーディング規約との違反
・テスト不足
ここで強いのは、AIが単に一般論でレビューするのではなく、
プロジェクト固有のルールや過去の実装を踏まえてレビューできる可能性があることです。
これはかなり大きいです。
なぜなら、現場のレビューで本当に大事なのは、一般的な正しさだけではないからです。
この現場ではどうあるべきか
この顧客の業務ではどうあるべきか
このシステムの過去経緯ではどう判断すべきか
この“文脈”をAIに渡せるのがMCPの強みです。
3. 障害調査を高速化する
障害対応では、初動の速さが重要です。
MCPでログ、監視ツール、Git差分、チケットをつなげば、AIに一次調査を任せられます。
本日9:00以降に発生した500エラーについて、
該当ログ、直近リリース差分、関連チケットを確認し、
原因候補を優先度順に整理してください。
AIが原因を断定する必要はありません。
重要なのは、
調査の入口を整理してくれることです。
人間は、AIが出した候補をもとに、より深い判断へ進めます。
4. 社内ナレッジ検索を“本当に使えるもの”にする
社内Wiki、議事録、過去の設計書、問い合わせ履歴。
多くの会社にはナレッジがあります。
ただ、現実にはこうなりがちです。
・どこにあるかわからない
・検索しても出てこない
・古い情報か新しい情報かわからない
・結局、詳しい人に聞く
MCPを使って社内ナレッジをAIに接続できれば、こう変わります。
この機能の過去の仕様変更理由を教えてください。
関連する議事録、設計書、チケットがあれば一緒に出してください。
これは新人教育にも、引き継ぎにも、保守開発にも効きます。
属人化を減らすうえでも、かなり強い武器になります。
MCP Serverのイメージ
MCP Serverは、AIに対して「この処理なら呼んでいいですよ」と公開する小さなサーバーです。
たとえば、プロジェクトのルールを返すだけのツールなら、イメージはこうです。
import { McpServer } from '@modelcontextprotocol/server';
import { StdioServerTransport } from '@modelcontextprotocol/server/stdio';
import * as z from 'zod/v4';
const server = new McpServer({
name: 'project-rule-server',
version: '1.0.0',
});
server.registerTool(
'get_project_rule',
{
description: 'プロジェクトの開発ルールを取得します',
inputSchema: z.object({
category: z.string().describe('例: naming, review, test, release'),
}),
},
async ({ category }) => {
const rules: Record<string, string> = {
naming: '変数名は意味が伝わる名前にする。略語は原則禁止。',
review: 'PRでは仕様影響、例外処理、テスト観点を必ず確認する。',
test: '正常系だけでなく、異常系・境界値も確認する。',
release: 'リリース前に影響範囲、戻し手順、確認観点を整理する。',
};
return {
content: [
{
type: 'text',
text: rules[category] ?? '該当カテゴリのルールは未登録です。',
},
],
};
}
);
async function main() {
const transport = new StdioServerTransport();
await server.connect(transport);
}
main();
公式TypeScript SDKのREADMEでも、McpServerとStdioServerTransportを使って、stdio経由でツールを公開する最小例が紹介されています。なお、SDKはバージョン移行期のため、実装時は利用するSDKバージョンの公式ドキュメント確認が必要です。(GitHub)
MCP導入で最初にやるべきこと
いきなり本番DB更新や社内システム操作をAIに任せるのは危険です。
最初は、次の順番が現実的です。
1. 読み取り専用の情報から始める
2. 社内ルール、設計書、README、過去議事録を対象にする
3. Gitやチケットの参照を追加する
4. ログ参照を追加する
5. 更新系ツールは承認付きにする
6. 本番環境への操作は原則禁止または厳格制御する
MCPは便利ですが、AIに権限を渡す技術でもあります。
だからこそ、
「便利そうだから全部つなぐ」ではなく、「安全に価値が出るところからつなぐ」
という設計が重要です。
MCPのセキュリティで絶対に気をつけること
MCPは強力です。
だから、セキュリティを軽視すると危険です。
特に注意すべきは次の4つです。
・権限を広くしすぎない
・書き込み系ツールを無条件実行させない
・信頼できないMCP Serverを使わない
・プロンプトインジェクションを前提に設計する
OpenAIのドキュメントでも、MCPサーバーやコネクタを使う場合、外部サービスへのアクセスや操作が可能になるため、プロンプトインジェクションへの注意、信頼できるサーバー選定、送信データのログ・レビューが重要だと説明されています。(OpenAI Developers)
特に、社内データを扱う場合は、以下の考え方が必須です。
・最小権限
・読み取り専用から開始
・実行前承認
・監査ログ
・接続先の信頼性確認
・秘密情報をAIに渡さない設計
AIに仕事を任せる時代ほど、
セキュリティ設計ができるSEの価値は上がります。
MCPを学ぶと、SEとして何が強くなるのか？
MCPを学ぶメリットは、単にAIに詳しくなることではありません。
本当に大きいのは、
業務とAIをつなぐ設計力が身につくことです。
これからのSEには、次の力が求められます。
・業務を理解する力
・データの所在を理解する力
・ツール連携を設計する力
・権限とセキュリティを考える力
・AIに任せる作業と人間が判断する作業を分ける力
・顧客価値につながる使い方を考える力
つまり、MCPは単なる技術トレンドではなく、
“AI時代の業務設計力”を鍛えるテーマです。
まとめ：MCPは、SEの仕事を“こなす”から“価値を創る”へ変える
MCPを一言でまとめるなら、こうです。
MCPは、AIを現場のデータ・ツール・業務に接続し、
実務で使えるエージェントに変えるための標準プロトコル。
これからのシステムエンジニアは、AIを使えるだけでは足りません。
AIに何を見せるか
AIに何をさせるか
どこから先は人間が判断するか
どうすれば安全に顧客価値へつながるか
ここまで考えられるエンジニアが、これから強くなります。
エスプリフォートは、
「ITの力でお客様のビジネスを支え、笑顔と価値を創造する」
ことを大切にしている会社です。
AI時代だからこそ、ただ新しい技術を追うだけではなく、
その技術で誰を喜ばせるのか、どんな価値を生むのか
を本気で考えられるエンジニアが必要です。
MCPのような新しい技術にワクワクし、
「これを使えば、もっとお客様の役に立てるのでは？」
「もっと現場を良くできるのでは？」
と考えられる方。
そんなエンジニアにとって、エスプリフォートはきっと面白い会社です。
技術を、ただのスキルで終わらせない。
技術で、顧客価値を創る。
技術で、仲間と会社を前に進める。
そんな働き方をしたい方は、ぜひ一緒に、AI時代の価値創造に挑戦しましょう。