疑問

最近よく目にする「MCPサーバー」という言葉。
簡単に調べてみた結果、感想は以下の通り。

APIあれば充分じゃない？
わざわざMCPサーバーとして独立させる必要って何？

気になったので、AI初学者なりにChatGPTと対話しながら理解を深めました。
以下調べたことのまとめです

MCPとは

MCPは「Model Context Protocol」の略。

"外部のAPI、データベース、ファイル、ローカル機能などを、AIが理解して利用できる「道具」として提供するための共通規格"であり、

全体の構造は例えばこんな感じ。

ユーザー
  ↓ 目的を依頼
AIモデル
  ↓ 必要な道具を判断
AIアプリのMCPクライアント
  ↓ MCPによる共通通信
MCPサーバー
  ↓ 実際の処理
外部API・DB・ファイルなど

MCPサーバーの中にAIがいるわけではない

改めて確認、MCPサーバー自体にAIモデルが搭載されているわけではない。

MCPサーバーが持っているのは、主に次のようなもの。

ツールの名前
ツールの説明
入力形式
実際の処理
認証情報
入力検証や権限制御

例えば、ゲームのプレイヤーランキングを取得するツールなら、概念的には次のように定義するらしい(by ChatGPT)

server.registerTool(
  "get_player_ranking",
  {
    description: "指定期間のプレイヤーランキングを取得する",
    inputSchema: {
      period: "string",
      limit: "number",
    },
  },
  async ({ period, limit }) => {
    // 実際のランキングAPIを呼び出す
  },
);

この説明文はMCPサーバー内のAIが考えているわけではなく、開発者が実装した固定のツール定義。

もちろん、CodexなどにMCPサーバーを作ってもらうことはできるが、完成したMCPサーバーにAIが内蔵されているという意味ではない。

AIモデルが直接MCPサーバーを呼ぶわけではない

AIモデルとMCPサーバーの間にはAIアプリが存在するとのこと。

AIモデル
   ↕ 判断・ツール実行要求
CodexなどのAIアプリ
   ↕ MCP通信
MCPサーバー

それぞれの役割を整理する。

人間の役割

達成したい目的を伝える
AIに許可する操作を決める
重要な操作を承認する
最終結果を評価する

AIモデルの役割

依頼の目的を理解する
必要な情報を考える
使用するツールを選ぶ
ツールを使う順番を組み立てる
取得結果を分析して説明する

AIアプリの役割

MCPサーバーに接続する
利用可能なツールを取得する
ツールの説明をAIモデルに渡す
AIモデルからの実行要求をMCPサーバーへ渡す
実行結果をAIモデルへ返す

MCPサーバーの役割

AIが利用できるツールを公開する
入力を検証する
外部APIやDBへアクセスする
認証情報を管理する
許可された処理だけを実行する
結果を共通形式で返す

MCPによって「目的レベル」で依頼できる

例えば、ゲームの売上が下がった原因を調べたい時、手段レベルまで依頼をブレイクダウンできれば、直接APIを叩きにいける

日別売上APIを呼び出してください。
次にプレイヤー数を取得してください。
継続率とステージ別離脱率も取得し、前月と比較してください。

ただ、MCPで必要なツールをAIに提供していれば、以下のような目的レベルでの依頼で良い。手段とかはAIが考えてくれる。

最近、ゲームの売上が落ちた原因を調べてください。

あとはAIが考えてくれる（例えばこんな感じ

日別売上を取得する

プレイヤー数を取得する

継続率を取得する

ステージ別離脱率を取得する

アプリのエラー発生率を取得する

変化が起きた時期を比較する

原因の仮説を報告する

つまり、人間が手段レベルの指示を組み上げなくても、目的レベルで仕事を依頼しやすくなる。

既存APIを直接AIに使わせればよくないか

外部向けAPIがあるなら。
AIに直接そのAPIを使わせればよいのでは？

結論から言えば、直接使わせても問題ないし、MCPは必須ではない。

実装方法は大きく2つ。

AIアプリにAPI連携を直接実装する

AIモデル
  ↓
AIアプリ内の独自連携
  ↓
外部API

MCPを利用する

AIモデル
  ↓
AIアプリのMCPクライアント
  ↓
MCPサーバー
  ↓
外部API

どちらでも同じ結果を実現できるが、「AIに直接APIを使わせる」 には、実際には考えなきゃいけないことは非常に多い。

API仕様をAIへ伝える
AIの出力から引数を取り出す
HTTPリクエストを実行する
認証情報を付加する
入力を検証する
エラーを処理する
危険な操作を拒否する
レスポンスをAIへ返す

さらに、AIモデルはAPIの呼び出し方法を考えることはできるが、通常はモデル自身が自由にHTTP通信を実行するわけではない。

→結局、AIとAPIを仲介する層が必要になる。

その仲介層を独自仕様で作ってもいいし、MCPという共通仕様で作ってもいいという理解。
（共通仕様で作ることによる再利用性のメリットとかも気になる

AIに万能なHTTPツールを渡してみちゃう

AIに次のような万能ツールを渡す方法も考えられます

http_request(
  method,
  url,
  headers,
  body
)

しかし、もちろん危ないことはわかります。

意図しないURLへアクセスできる
認証情報がAIから見える可能性がある
削除や更新APIを誤って呼ぶ可能性がある
API仕様全体をAIへ渡す必要がある
入力を安全に制限しにくい

そこで、AIには用途を限定したツールを渡すことにする。これがMCPサーバ内で実装されているもの。

get_player_ranking(period, limit)
get_daily_sales(date)
get_stage_dropoff(stageId)

この形なら、AIは実際のURLやAPIトークンを知る必要がないなどのメリットがある。

MCPサーバー側で、アクセス先や認証処理を隠す↓

async ({ period, limit }) => {
  return fetch(`${API_URL}/ranking`, {
    headers: {
      Authorization: `Bearer ${SECRET_TOKEN}`,
    },
  });
}

AIに必要な能力だけを、分かりやすく安全な形で提供できる。

MCPを作るのはどんなときか

MCPが向いているとき

AIに目的レベルで仕事を依頼したい
その仕事に外部データや操作が必要
AIが複数のツールから手段を選ぶ必要がある
同じ機能をAIから繰り返し利用したい
複数のAIアプリから再利用したい

例えば、次のようなユースケース

売上低下の原因を複数データから調査する
障害の原因をログや監視データから特定する
顧客情報と注文履歴を調べて問い合わせへ回答する
上位ユーザーと離脱ユーザーの行動を比較する
社内の複数システムから情報を集めてレポートを作る
状況を判断して運営業務を実行する

MCPを作らなくてもよいケース

一方、次のような処理には通常のAPI実装で十分

ゲーム内で自分のランキングを表示する
ボタンを押して決まったAPIを呼ぶ
AIによる判断が必要ない
そのアプリからしか利用しない
一度しか使わない単純な処理

例えば、

ゲーム内のランキングボタンを押すと、自分の順位が表示される

という機能は、普通にゲームアプリからランキングAPIを呼べばいい。

一方、

上位プレイヤーと初心者の行動データを比較し、初心者が離脱する原因を説明して

という依頼では、AIが複数のデータ取得手段を考えて選んでくれるため、MCPが役立ちます。

複数のAIから呼び出せるのはなぜ？

MCPが共通の接続規格になっているから。

MCP対応のAIアプリは、接続したMCPサーバーに利用可能なツールを問い合わせられるようになっているらしい。（JSONとか？

{
  "name": "get_player_ranking",
  "description": "指定期間のプレイヤーランキングを取得する",
  "inputSchema": {
    "period": "string",
    "limit": "number"
  }
}

いろんなAIアプリが接続できる

Codex ─────────┐
社内AI ────────┼─ MCP ─→ 自作MCPサーバー ─→ 外部API
別のAIアプリ ──┘

特定のAIアプリ専用にAPI連携を何度も実装する必要がなくなる。

AIが進化したらMCPは不要になるのか

例えば、AIが次の作業を自動化できるようになったとして

OpenAPI仕様の読み取り
ツール名や説明文の生成
入力スキーマの生成
MCPサーバーのコード生成
APIエラーへの対応

次の問題は残る。

どのシステムへのアクセスを許可するか
認証情報をどこで管理するか
読み取りと更新のどちらを許可するか
削除や送金前に承認を求めるか
誰がいつ何を実行したか記録するか
実際の通信をどのプロセスが実行するか

ただ、AIによってMCPサーバーが自動生成され、利用者が存在を意識しなくなる可能性はある...と思う

まとめ

MCPの本質的な価値は、

AIと外部システムの間に必要な、説明・実行・認証・権限制御を共通化すること

そしてMCPによって、人間の依頼が手段レベルから目的レベルに変わる。

手段レベル：
「売上APIと継続率APIを呼び、前月と比較して」

目的レベル：
「売上が落ちた原因を調べて」

次回はMCPの実装例についてみていきたいと思っています。

参考資料