Claude Code 完全ガイド

MCP完全理解ダッシュボード（HTML版）

🔌 Model Context Protocol

なぜ必要で、どんなとき効くのか — AIと外部システムをつなぐ標準プロトコル

❓ なぜMCPが必要なのか

「AIのUSB-Cポート」— 断片化した統合を標準化で解決

🔌

USB-C

デバイス接続の標準化

=

🤖

MCP

AI接続の標準化

💥 M×N問題の解消

M × N

M個のAIアプリ × N個のツール

= 個別実装の爆発

→

M + N

M個のクライアント + N個のサーバー

= 標準プロトコルで統一

⚠️ 従来の課題

• 断片化した統合 — 各データソースごとにカスタム実装が必要
• スケールしない — 新しいツールを追加するたびに全AIで個別対応
• 情報サイロ — AIが外部データから隔離された状態
• 保守コストの増大 — 接続ごとの維持管理が必要

✅ MCPの解決策

• 標準プロトコル — 一度実装すればエコシステム全体と接続
• プラグアンドプレイ — MCPサーバーを追加するだけで即利用可能
• 双方向接続 — データ取得もアクション実行も標準化
• オープンソース — ベンダー非依存で誰でも利用・貢献可能

💡 具体例

Google Drive、Slack、GitHub、PostgreSQLなどへの接続が、それぞれ専用のコネクタではなく、共通のMCPサーバーとして提供される。AIアプリ側はMCPクライアントを一度実装すれば、すべてのMCPサーバーと通信できる。

⚙️ MCPの仕組み

クライアント-サーバーアーキテクチャ + 3つのプリミティブ + JSON-RPC 2.0

🔄 アーキテクチャ概要

👤

ユーザー

→

🖥️

Host App

Claude Desktop等

→

🔌

MCP Client

⇄

⚡

MCP Server

→

🗄️

外部システム

DB/API/ファイル

🧩 3つのプリミティブ（基本要素）

🔧

Tools

モデル制御

動詞 — AIが実行できるアクション

• API呼び出し
• データベースクエリ
• ファイル操作

tools/list → tools/call

📦

Resources

アプリ制御

名詞 — 参照可能なデータ

• ファイル内容
• DBスキーマ
• 設定情報

resources/list → resources/read

📝

Prompts

ユーザー制御

文法 — 再利用可能なテンプレート

• システムプロンプト
• Few-shot例
• スラッシュコマンド

prompts/list → prompts/get

📡 JSON-RPC 2.0 リクエスト/レスポンス例

▶ tools/list リクエスト

{ "jsonrpc": "2.0", "id": 1, "method": "tools/list" }

◀ レスポンス

{ "jsonrpc": "2.0", "id": 1, "result": { "tools": [{ "name": "query_db", "description": "SQLを実行", "inputSchema": {...} }] } }

🔀 シーケンス例: IDE → DB検索

1

User

→

IDE (Host)

「usersテーブルの構造を教えて」

2

MCP Client

→

MCP Server

tools/list で利用可能なツールを確認

3

MCP Client

→

MCP Server

tools/call で describe_table("users") を実行

4

MCP Server

→

PostgreSQL

実際のDBにスキーマ情報を問い合わせ

5

MCP Server

←

MCP Client

スキーマ情報をJSON形式で返却

6

IDE (Host)

→

User

「usersテーブルはid, name, email列を持ちます」

🎯 どんなとき効くか

複数ツール統合・動的な機能発見・標準化が求められる場面

✅ MCPが効果的なケース

🛠️

開発ツール統合

IDE、GitHub、DB、CI/CDを一元的にAIから操作

🏢

エンタープライズ連携

Slack、Drive、Salesforce等の社内ツールを横断

🔍

RAG拡張

外部データソースからコンテキストを動的取得

🤖

AIエージェント

複数ツールを組み合わせた自律的タスク実行

📊

データ分析

DB、API、ファイルからリアルタイムデータ取得

🔄

マルチモデル対応

Claude、ChatGPT、Gemini問わず同じ接続を利用

⚖️ 判断マトリクス

✅ MCPを使うべき場面

• 複数のデータソース/ツールを統合したい
• 異なるAIモデル間で同じ接続を共有したい
• ツールの動的発見（実行時に利用可能な機能を検出）が必要
• エコシステムの拡張性を重視する
• 標準化されたセキュリティモデルを適用したい

❌ MCPが過剰な場面

• 単一ツールとの単純な接続のみ
• 特定AIに特化した実装で十分
• プロトタイプ段階で素早く動かしたい
• 既存のFunction Callingで要件を満たせる
• レイテンシが極めてクリティカルな場面

💡 Function Calling vs MCP

Function Calling

事前定義された関数をモデルに直接渡す。シンプルだが各AI・各ツールで個別実装が必要。

MCP

標準プロトコルで抽象化。動的発見、リソース管理、プロンプトテンプレートまで統一的に扱える。

🚀 実践・導入

📅 採用状況（出典確認を推奨）

2024年11月

Anthropicが
オープンソース公開

出典: anthopic.com/news を確認

2025年3月

OpenAIが
MCP採用を発表

出典: 公開ソースを確認

2025年4月

Google DeepMind
Geminiでサポート

出典: 公開ソースを確認

2025年12月

Linux Foundation
AAIFへ寄贈

出典: 公開ソースを確認

📊 エコシステム規模（数値は公式発表を確認のうえ更新）

TBD

公開MCPサーバー数

公式発表を確認のうえ更新

TBD

SDKダウンロード

公式発表を確認のうえ更新

TBD

公式コネクタ

公式発表を確認のうえ更新

🔧 公式SDK

🐍

Python

📘

TypeScript

☕

Java/Kotlin

💎

C#

⚠️ セキュリティ注意点

• 認証なしサーバーが多数存在しうるため公開範囲を最小化
• 過剰な権限付与によるデータ漏洩リスクに注意
• プロンプトインジェクション対策を講じる
• Human-in-the-loop設計（書き込み前の確認）を推奨

🛡️ 導入時のベストプラクティス

1. 最小権限の原則

Rootsで必要なパスのみを公開

2. 明示的な承認

ツール実行前にユーザー確認

3. OAuth認証

リモートサーバーには必須

🎯 MCPの本質

AIと外部システムの接続を「標準化」することで、
M×N問題を解消し、エコシステム全体の効率を高める。
USB-Cがデバイス接続を変えたように、MCPはAI統合の基盤になりつつある。