基礎知識 / FUNDAMENTALS

MCP（Model Context Protocol）とは

AI エージェントに外部ツール・データソースを接続するための標準プロトコル。何ができて、何が怖くて、各CLIでどう設定するか。

公開 2026.05.17

MCP（Model Context Protocol）は Anthropic が 2024 年末に公開した、AI エージェントと外部ツール・データソースを繋ぐためのプロトコル。Claude Code、Codex CLI、Gemini CLI、Copilot CLI など主要な AI CLI が軒並み対応している。

ざっくり言うと「USB-C のような共通端子」。MCP サーバさえあれば、どの AI CLI からも同じツール・データソースを使える。

なぜ MCP が必要だったか

AI エージェントを実用にするには、モデル単体ではできないことを増やす必要がある。

ファイルシステムへの読み書き
データベースへのクエリ
API 呼び出し（Slack、GitHub、Notion など）
社内のドキュメント検索

これを各 AI ツールが独自に実装すると、ユーザー側は「Claude Code 用の Slack 連携」「Codex 用の Slack 連携」「Gemini 用の Slack 連携」と別々に管理することになる。MCP はそのインターフェースを共通化した。

MCP の構成

3層に分かれている。

MCP ホスト — AI エージェント本体（Claude Code、Codex など）
MCP クライアント — ホストに組み込まれていて、サーバと通信する
MCP サーバ — 実際にツールやデータを提供する小さなプロセス

ホストが MCP サーバに「Slack の最近のメッセージ一覧を返して」とリクエストすると、サーバが Slack API を呼んで結果を返す。AI からは「Slack を読む」というツールが一つ生えたように見える。

MCP サーバには何がある

公式・コミュニティ製のサーバが多数公開されている。よく使うもの:

@modelcontextprotocol/server-filesystem — ローカルファイル操作
@modelcontextprotocol/server-github — GitHub Issues / PR
@modelcontextprotocol/server-slack — Slack 連携
@modelcontextprotocol/server-postgres — PostgreSQL クエリ
@modelcontextprotocol/server-brave-search — Web 検索

公式サーバ一覧を見ると、何が標準で揃っているか把握しやすい。

各 CLI での設定方法

Claude Code

~/.claude/settings.json またはプロジェクトの .claude/settings.json に書く。

{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-filesystem", "/path/to/dir"]
    }
  }
}

Codex CLI

~/.codex/config.toml に書く。

[mcp_servers.filesystem]
command = "npx"
args = ["-y", "@modelcontextprotocol/server-filesystem", "/path/to/dir"]

Gemini CLI

~/.gemini/settings.json またはプロジェクトの .gemini/settings.json に書く。フォーマットは Claude Code とほぼ同じ。

GitHub Copilot CLI

公式ドキュメントの MCP 設定セクションを参照。CLI 側で個人のサーバ追加は可能だが、組織レベルの MCP ポリシーは現時点で Web 側で管理する仕様。

MCP の怖いところ

MCP サーバは AI からの呼び出しを受けて実際に動くプロセス。つまり「AI が触れる範囲 = MCP サーバが触れる範囲」。これを甘く見ると事故になる。

具体的なリスク:

過剰な権限付与 — @modelcontextprotocol/server-filesystem に / を渡すと、AI からシステム全体が見える
認証情報の露出 — 多くの MCP サーバは環境変数で API キーを受け取る。設定ファイルに直書きしないこと
意図しないコマンド実行 — シェル系の MCP サーバを入れると、AI が任意コマンドを実行できるようになる
データの外部送信 — クラウド連携系の MCP サーバは、ローカルデータを外部 API に送る経路を作る

新しい MCP サーバを足すときは:

ソースコードか挙動の説明を読む
アクセススコープを最小に絞る（パスを限定、読み取り専用モードがあれば使う）
機密情報を含むディレクトリを参照させない

いつ MCP を使うべきか

逆に言うと、いつ使わなくていいか。

MCP が要らない場合:

単発の質問・コード生成だけ
同じディレクトリ内のファイル編集だけ（標準のファイル操作で足りる）
Web 検索が単発で済む（モデルの組み込み検索で足りる）

MCP が効く場合:

同じ外部システム（Slack、GitHub、社内 DB）に何度もアクセスする
複数の AI CLI で同じ連携を使いたい（設定の使い回しが楽）
カスタムのデータソースを AI に見せたい（社内ドキュメント、独自 API など）

「とりあえず全部の MCP サーバを入れる」は推奨しない。必要になったとき、必要なものだけ足す。

AI エージェントとは — MCP が前提とするエージェントの仕組み
AI CLI の権限モード総まとめ — MCP と承認モードの組み合わせ