どうも、ケニー（tsujikenzo）です。このシリーズでは、ノンプログラマーのためのMCP入門をお届けします。
はじめに：AIエージェント時代と「コピペ」の限界
日本において、2025年は「AIエージェント元年」と言われてきました。ChatGPTなどの生成AIと会話するだけでなく、AIに指示を出すだけで、あれこれ作業をしてくれる時代になりました。
これまでは、AIが生成したコードをエディタにコピペしながらプログラミングをしてきたはずです。しかし、生成AIが出力する情報量もスピードも爆発的に増え、もはや人間が手動でコピペするのもしんどくなりました。
MCP誕生秘話：コピペの苦痛からの解放
この「コピペの限界」を、きわめて個人的なフラストレーションから解決しようとしたのが、Anthropic社のエンジニア、デビッド・ソリア・パラ氏です。
彼は、AI（Claude）がArtifactsという機能で素晴らしいコードを出力しても、それを自分の開発環境（IDE）に反映させるために、いちいち手動でコピペして戻らなければならないことに耐えられませんでした。
「きっかけは、社内ツールを開発していた時のフラストレーションでした。Claude Desktopと自分のIDEの間で、何度も何度も情報をコピペしなければならないのが本当に嫌だったんです。……それがMCPの絶対的な原点です。」※1
Artifactsが見せているきれいなコードと、自分のエディタが繋がっていない。 この「知能と道具の断絶」を埋めるために、AIが外部のデータやツールを、自分の能力の一部として自在に使いこなすためのお作法＝MCP（Model Context Protocol）が誕生したのです。
いまMCPを学ぶことは、「AIに手足を与える方法」を習得するという大きなメリットがあります。最終的にはMCPを通じて、AIを使いこなす側として、労働市場における自社や自分の価値を上げる方法をお届けします。
シリーズの構成
- はじめにMCPとは（この記事）
- 骨格と用語（クライアント／サーバー、ツール等）
- 準備と安全（環境・権限の考え方）
- 最初のMCPをつくる（ハンズオン）
- 公開と価値（AIO／エージェント時代の活かし方）
MCPを解剖する：名前の正体
MCPとは、Model Context Protocolの頭文字を取ったもので、2024年11月25日に、Anthropic社が公式発表した、生成AI（主にLLM）が外部のデータソースやツールと安全・標準的に接続するためのオープンな通信規格（プロトコル）です。※2
Modelとは「知能・脳」
Model（モデル）とは、GPT-4oやClaude 3.5 Opus/Sonnet、Gemini、Llamaといった、いわゆる「大規模言語モデル（LLM）」そのものを指しています。
思考したり、文章を作ったり、プログラムを書いたりする「計算エンジンの本体」です。
Contextとは「知識・文脈」
Context（コンテキスト）とは、モデルが回答するために必要な「外部データ」や「道具」のことです。モデル自身はあなたのカレンダーや社内ドキュメントを知りませんが、これらが「コンテキスト」として与えられることで、モデルはそれらを理解できるようになります。
（例：Googleカレンダーの予定、GitHubのソースコード、Slackのログ）
Protocolとは「つなぎ役・お作法」
以前のブログ記事で、「プロトコルとはなにか」をお届けしました。
プロトコルとは、「ルール（点）」というよりも、お互いがスムーズにやり取りするための「お作法（一連の手順）」という結論でしたね。
つまり、MCPとは、「脳（モデル）」が「知識（コンテキスト）」を取り込むための、「世界共通のお作法（プロトコル）」ということです。
なぜAPIだけではダメなのか
Googleカレンダーなどの外部データを取得するなら、「今まで通り、APIを使えばいいじゃないか」と思うかもしれません。しかし、そこには2つの大きな壁がありました。
1. M×N問題：つながりの爆発
今、AIの種類（M：Claude, GPT-4, Gemini, Llama）の種類も、接続先のサービス（N：Googleドライブ, Slack, GitHub, 自社データベース）も、増え続けています。
もしモデルが5種類、サービスが10種類あったら、5 × 10 ＝ 50通り の連携プログラムが必要でした。これを「M×N問題」と呼びます。
MCPがあれば、MもNも、それぞれがMCPに対応するだけで済むため、開発の苦労は「掛け算（5×10）」から「足し算（5+10）」へと劇的に軽減されます。
2. 「指示」から「状況の共有」へ
APIとMCPの決定的な違いは、AIに「何を渡すか」にあります。※1
- API（リモコン操作）： 人間が「あれを取ってこい」とピンポイントで命じる。AIは言われたことしかできず、自律的な判断は苦手。
- MCP（共通の作業机）： 最新ログや関連ファイルを「文脈（コンテキスト）」として机に並べておく。AIは状況を把握し、自ら最適な行動を選べる。
また、MCPサーバーが情報を「AIが摂取しやすい形」に選別して渡すため、無駄なデータ（トークン）を削り、通信コストを最小限に抑えることも可能です。※1
AIが自ら「スキル」を探しに行く未来：Dynamic Discovery
さらにMCPは、AIを「指示待ちのチャットボット」から「自律的なエージェント」へと進化させます。それを支えるのが「Dynamic Discovery（動的な発見）」という仕組みです。※2
人間が一つひとつ教えなくても、AIは接続された瞬間に「今の自分はどんな道具（スキル）を持っているのか？」を自ら探索して把握します。そして、今の状況に最適なツールを自分で選び、実行します。
Dynamic Discoveryは、AIに本当の意味での「手足」と「自由」を授ける、エージェント時代の最重要インフラなのです。
まとめ
今回は、MCPが「知能（脳）とツール（手足）の断絶を埋めるためのお作法」であることをご紹介しました。
私たちが「コピペ」という原始的な作業から解放され、AIが自ら考え、動く時代。その裏側で何が起きているのかを知ることは、これからのIT活用において強力な武器になります。
次回は、このMCPが具体的にどのようなパーツで構成されているのか、その「骨格と用語」を詳しく見ていきましょう。お楽しみに！
出典資料
- ※1 -The Model Context Protocol (MCP)・・・MCP開発者たちの座談会
- ※2 -Model Context Protocol · GitHub
- ※3 -MCP Co-Creator on the Next Wave of LLM Innovation・・・a16z Podcast
