MCPサーバーとは？AIに「道具」を与える仕組み

MCPサーバーとは、AIエージェントが外部のツールやデータにアクセスするための「窓口」となるサーバーです。

AIモデル（ChatGPTやClaudeなど）は、それ単体では外部のサービスやファイルを直接操作することができません。そこで登場するのがMCPサーバーです。AIが「このツールを使いたい」と判断すると、そのリクエストをMCPサーバーが受け取り、実際にツールを実行して結果を返してくれます。

身近な例えでいえば、MCPサーバーは「USB-Cポート」のようなものです。スマートフォンにUSB-Cポートがあれば、充電器・外付けディスプレイ・SDカードリーダーなど、さまざまな周辺機器をつなぐことができます。同じように、AIアプリにMCPサーバーを登録すれば、Slack・GitHub・Google Drive・Notionなど、さまざまな外部ツールを「つないで使える」ようになるのです。

MCPの正式名称と基本概念

MCPの正式名称はModel Context Protocol（モデル・コンテキスト・プロトコル）といいます。Anthropic社がオープンソースとして公開した、「AIアプリと外部データ・ツールを標準的な方法でつなぐためのプロトコル（通信規格）」です。

ここでいう「プロトコル」とは、AIアプリ（ホスト）とツール側（MCPサーバー）が「どんな形式で会話するかを決めたルール」のことです。先ほどのUSB-Cの例えでいえば、USB-Cという「規格」に対応した機器なら何でもつながるのと同じように、MCPという「規格」に対応したサーバーなら、どんなAIアプリからでも同じ方法で利用できます。

MCPサーバーの仕組み

MCPの世界には、大きく2つの登場人物がいます。それぞれの役割を理解すると、全体像が見えてきます。

ホストとサーバー

ホスト（AIアプリ側）

ユーザーが直接触るAIアプリ本体のことです。

例：Claude Desktop、Claude Code、Codex、Gemini CLI、Cursor など

ホストにMCPサーバーを登録して「このツールも一緒に使っていいよ」と教えるイメージです。

MCPサーバー（ツール側）

ファイル操作、ブラウザ操作、Slack、GitHub、自社APIなどにアクセスする「道具箱」側です。
ホストからのリクエストを受けて、実際に外部ツールを呼び出し、その結果を返します。

全体の流れをまとめると、以下のようになります。

1. ユーザーがホスト（AIアプリ）に話しかける
2. ホストが「この指示にはこのツールが必要だな」と判断する
3. MCPサーバーに「これやっといて」とリクエストを送る
4. MCPサーバーが実行して結果を返す
5. ホストがその結果をもとに、ユーザーへの回答を組み立てる

ローカルとリモート

MCPサーバーは、どこで動かすかによって性格が変わります。

ローカルMCPサーバー

自分のPCの中で動くサーバーです。ローカルファイルの操作など、「そのPCの中だけで完結する処理」に向いています。

リモートMCPサーバー

クラウドや社内サーバーなど、ネットワーク越しに動くサーバーです。チームで共有したいツールや、Slack・GitHub・Notion・各種APIなどの外部サービスへの窓口として使われることが多いです。

代表的なMCPサーバーの具体例

「MCPサーバーって具体的にどんなものがあるの？」という疑問に答えるために、代表的なMCPサーバーを紹介します。すでに多くの主要サービスがMCPサーバーを公開しており、AIアプリに登録するだけで利用できます。

このほかにも、公式のMCPサーバー一覧（GitHub）には数百種類のサーバーが公開されています。自社の業務に合ったものを見つけて組み合わせることで、AIの活用範囲を大きく広げることができます。

MCPサーバーはどうやって使うのか？

「MCPサーバーの概念はわかったけど、実際に使うのは難しいのでは？」と思う方もいるかもしれません。しかし、開発者でなくても、Claude DesktopやCursorなどのAIアプリに設定ファイルを追加するだけで使い始められます。

大まかな流れは次の通りです。

1. 使いたいMCPサーバーを選ぶ（例：Filesystem、Notion、Slackなど）
2. AIアプリの設定ファイル（JSON形式）にサーバー情報を記述する
3. アプリを再起動する

これだけで、AIが新しいツールを認識し、チャットの中で自動的に活用してくれます。プログラミングの知識がなくても、設定ファイルをコピー＆ペーストするだけで導入できるサーバーがほとんどです。

MCPサーバーが使える主なアプリ

MCPサーバーに対応しているAIアプリは増え続けています。ここでは、主要なアプリとその特徴を紹介します。

Claude Code

Anthropic社が開発したAIコーディング支援ツール。
コード生成、コード補完、リファクタリング、テスト作成などを対話的にサポートします。

こんな人向け

• エンジニア
• コードまわりをAIに任せたい人

Claude Desktop

デスクトップアプリ版のClaude。
チャット機能に特化しており、余計な機能がないため初心者でも迷わず使えます。

こんな人向け

• 非エンジニア
• 文章作成やファイル分析がメインの人

Codex

OpenAIが開発したAIコーディング向けツール。
OpenAIの「Agents SDK」などと連携しやすく、高度な推論能力を持ちます。

こんな人向け

• エンジニア
• OpenAIのAPIやChatGPTを中心に開発している人

Gemini CLI

Googleが開発したGeminiをターミナルから使えるCLI。
Google Cloudや各種Googleサービスとの親和性が高いのが特長です。

こんな人向け

• エンジニア
• Google製品中心の開発・業務環境にいる人

Cursor

Anysphereが開発したVisual Studio CodeベースのAI搭載コードエディタ。
Claudeだけでなく、OpenAIやGoogleのモデルも切り替えて使用できます。

こんな人向け

• エンジニア・非エンジニア問わず
• GUIベースで操作したい人
• ターミナルが苦手な人

MCPサーバーの導入方法

ここからは、実際にAIアプリにMCPサーバーを導入する方法を解説します。自分の使いたいツールの項目を見て、手順通りに進めてみてください。

Claude Code

ターミナルを開き、以下のコマンドを入力してEnterを押します。

claude config

画面の指示に従って追加したいサーバーを選択するか、以下のコマンドで直接起動時に指定します。

claude --mcp-server filesystem

Claude Desktop

PCの以下の場所にあるclaude_desktop_config.jsonというファイルを開きます（なければ新規作成してください）。

Mac: ~/Library/Application Support/Claude/claude_desktop_config.json

Windows: C:/Users/yourname/AppData/Roaming/Claude/claude_desktop_config.json

設定を以下のようなJSON形式で記述します。

{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-filesystem",
        "/Users/あなたのユーザー名/Desktop"
      ]
    }
  }
}

アプリを再起動すると自動的に設定ファイルが読み込まれ、MCPサーバーが認識されます。

Codex

PCの以下の場所にあるconfig.tomlというファイルを開きます（なければ新規作成してください）。

Mac: /Users/yourname/.codex/config.toml
Windows: C:/Users/yourname/.codex/config.toml

設定を以下のように記述します。

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

CLIを起動すると、自動的に設定ファイルが読み込まれます。

Gemini CLI

ホームディレクトリやプロジェクトフォルダに.gemini/settings.jsonを作成し、以下のようなJSON形式で記述します。

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

CLIを起動すると、自動的に設定ファイルが読み込まれます。

Cursor

画面右上の「歯車アイコン」をクリックし、メニューから「Tool & MCP」を選びます。

「+ New MCP Server」ボタンをクリックし、以下の通りに入力します。

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

ファイルを保存して設定画面に緑色のランプが点けば成功です。

RAGとMCPサーバーの違い

AIの拡張手法として「RAG（Retrieval-Augmented Generation：検索拡張生成）」という言葉を聞いたことがある方も多いでしょう。MCPサーバーとRAGは混同されがちですが、役割がまったく異なります。

簡単にまとめると、RAGは「AIにもっと詳しくなってもらう」ための仕組みであり、MCPサーバーは「AIにもっと多くのことをやってもらう」ための仕組みです。

どちらを使うべき？使い分けの基準

• 「社内のナレッジや過去データをもとに正確な回答がほしい」→ RAG
• 「AIに外部ツールを操作してもらい、業務を自動化したい」→ MCPサーバー
• 「社内データを参照しつつ、その結果をSlackに投稿したい」→ RAG＋MCPサーバーの併用

両者は競合する技術ではなく、組み合わせて使うことでAIの能力を最大限に引き出せます。

MCPサーバーのセキュリティメリット

「AIに外部ツールを操作させて大丈夫なの？」と不安に感じる方もいるかもしれません。実は、MCPサーバーにはセキュリティ面で大きなメリットがあります。

サーバー側でアクセス制御ができる

MCPサーバーは、AIに直接APIキーやパスワードを渡すのではなく、サーバー側で認証情報を管理し、許可された操作だけをAIに実行させる仕組みです。

• AIが実行できるツール（読み取りのみ、書き込みは不可など）を制限できる
• APIキーやトークンはサーバー側に保持され、AIモデルには渡されない
• 操作のログを記録し、監査に活用できる

つまり、「AIに何でもやらせる」のではなく、「やっていいことだけをやらせる」ガードレールの役割を果たしてくれるのがMCPサーバーです。企業での導入においても、情報セキュリティ部門と連携しやすい設計になっています。

NILTO MCPで実現するコンテンツ運用の自動化

ここまでMCPサーバーの仕組みや活用例を紹介してきましたが、実はヘッドレスCMS「NILTO」もMCPサーバーに対応しています。

NILTO MCPサーバーをClaude DesktopやCursorなどに登録すると、AIとの対話だけでコンテンツの作成・編集・公開管理が可能になります。例えば、以下のような運用が実現できます。

• 「先月公開した記事の一覧を出して」→ AIがNILTOからコンテンツを取得して表示
• 「この記事のタイトルを○○に変更して」→ AIがNILTO上のコンテンツを直接更新
• 「新しいブログ記事を下書きで作成して」→ AIがNILTOに新規コンテンツを作成

CMS管理画面にログインして手動で操作する手間を大幅に削減でき、コンテンツ運用の効率化・自動化を実現します。DX推進やコンテンツマーケティングの効率化を検討している方は、ぜひNILTOのMCP対応もチェックしてみてください。

まとめ

MCPサーバーは、AIエージェントと外部ツールをつないでくれる「橋渡し役」です。USB-Cポートのように、MCPという標準規格に対応したサーバーを登録するだけで、AIがSlack・GitHub・Google Drive・Notionなど、さまざまなツールを操作できるようになります。

この記事のポイントをまとめると、以下の通りです。

• MCPサーバーとは：AIと外部ツールをつなぐ「窓口」となるサーバー
• 仕組み：ホスト（AIアプリ）がMCPサーバーにリクエストを送り、結果を受け取る
• 具体例：GitHub、Slack、Google Drive、PostgreSQL、Filesystem など多数
• RAGとの違い：RAGは「知識を増やす」、MCPサーバーは「機能を増やす」
• セキュリティ：サーバー側でアクセス制御ができ、企業利用にも適している

まずは、Filesystem MCPやNotion MCPなど「いつも使っているツールの読み取り系」から試してみるのがおすすめです。設定ファイルを一つ追加するだけで、AIの活用範囲が大きく広がるはずです。