MCP（Model Context Protocol）は、過去2年間のAI分野において、連携面で最大級の進歩の1つです。2024年後半にAnthropicが発表し、2025年を通じてOpenAI、Google、Microsoftが採用しました。2026年には、ベンダーごとに連携を作り直すことなく、AIとツールを接続する一般的な方法になっています。
メリットを得るためにエンジニアである必要はありません。MCPとは何か、自分のユースケースに対応するサーバーはどれか、それをインストールして設定する方法を理解すれば十分です。この記事では、非エンジニア向けに解説します。
MCPの本当の意味
MCPは、AIアシスタントがツールに接続する方法を定めた標準です。MCP以前は、AIツールごとに独自の連携システムがありました。ChatGPTにはPlugins、その後はCustom GPT actionsがあり、Claudeには別の独自方式があり、各フレームワークにもそれぞれの方法がありました。その結果、「AIにGmailを読ませたい」と思っても、利用するAIツールごとに異なる作業が必要でした。
MCPは単一のプロトコルを定義することで、この問題を解決します。これはAnthropicが管理し、複数のベンダーが採用するオープンなModel Context Protocolです。MCPサーバーは、ツールの機能（カレンダー予定の読み取り、Slackメッセージの送信、Notionの検索）を公開する小さなプログラムです。MCPクライアントは、このプロトコルで通信できるAIアシスタントです。Claude、ChatGPT、Cursorをはじめ、多くのクライアントがあります。
あるツール向けのサーバーが1つあれば、互換性のあるどのAIアシスタントでも利用できます。クライアントがMCPに対応すれば、互換性のあるどのサーバーとも通信できます。この組み合わせによって削減できる作業量は膨大です。
分かりやすく例えると、AIにおけるMCPは、ハードウェアにおけるUSBのようなものです。USB以前は、機器ごとにコネクターが異なりました。USB以後は、どの機器もどのコンピューターでも使えるようになりました。MCPはAI連携のUSBです。
現在MCPでできること
2026年に利用できるMCPサーバーは多く、今も増え続けています。おおまかには次のとおりです。
生産性：
- Gmail、Outlook、Google Calendar、Microsoft Calendar
- Notion、Obsidian、Roam Research、Logseq
- Slack、Discord、Teams
- Linear、Jira、Asana、Trello、Monday
- Google Drive、Dropbox、OneDrive、S3
開発：
- GitHub、GitLab、Bitbucket
- Cursorのファイルシステム、ターミナル、ブラウザー
- Docker、Kubernetes
- AWS、GCP、Azure（標準では読み取り専用）
- Postgres、MySQL、MongoDB（多くは読み取り専用）
Web：
- Brave Search、Google Search、Tavily、Exa
- ブラウザー自動操作（Playwright、Puppeteerベース）
- 特定サイト向けスクレイパー
データ：
- Sheets、Airtable
- カスタムコネクターを介した各種データベース
- BIツール（Metabase、Cube）
特定用途：
- Stripe、QuickBooks（財務）
- Salesforce、HubSpot（CRM）
- Calendly、Cal.com（スケジュール調整）
- Twilio（SMS）
よく使われるツールの大半には、コミュニティが保守するMCPサーバーが少なくとも1つあります。公式サーバーが用意されているツールも多数あります。
最初のMCPサーバーを設定する
実際の設定手順を見ていきましょう。ここではClaude DesktopとGmail MCPサーバーを例にしますが、CursorやChatGPTでも流れは同じです。
ステップ1：AIクライアントを選びます。 Claude Desktop、ChatGPT Desktop、CursorなどがMCPに対応しています。最もよく使うものを選んでください。
ステップ2：使いたいツールのMCPサーバーを探します。 MCPエコシステムにはカタログサイトがいくつかあります。modelcontextprotocol.ioには公式一覧があり、Smithery.aiのようなコミュニティカタログはコミュニティ製サーバーを集約しています。「Gmail MCP server」と検索すると、複数の選択肢が見つかります。
ステップ3：サーバーをインストールします。 多くのMCPサーバーは、次のいずれかの形で配布されています。
npxコマンド（Nodeベース）。uvxコマンド（Pythonベース）。- Dockerコンテナー。
一般的なインストール方法は、次のいずれかです（正確なパッケージ名は各サーバーのREADMEに記載されています。誰もが使う単一の「Gmail」サーバー名はありません）。
# 選択肢A：npxを使用（Nodeがインストール済みの場合）
npx -y <some-mcp-server-package>
# 選択肢B：uvxを使用（uvがインストール済みの場合）
uvx <some-mcp-server-package>
# 選択肢C：Docker
docker run <some-mcp-server-image>
どれを選ぶか自分で判断する必要はありません。サーバーのドキュメントに記載されています。多くのMCPサーバーは事前にパッケージ化されており、何もインストールする必要がないものもあります。初回実行時にAIクライアントが必要なものをダウンロードします。
ステップ4：クライアントを設定します。 各AIクライアントには、MCPサーバーを設定する場所があります。Claude Desktopでは、Claudeの設定ディレクトリ内のclaude_desktop_config.jsonファイルです（macOSでは~/Library/Application Support/Claude/）。通常、設定は次のようになります。
{
"mcpServers": {
"gmail": {
"command": "npx",
"args": ["-y", "<your-gmail-mcp-server-package>"],
"env": {
"GMAIL_CLIENT_ID": "your-client-id",
"GMAIL_CLIENT_SECRET": "your-secret"
}
}
}
}
サーバーをツール（この例ではGmail）に対して認証する必要があります。Googleのサービスでは通常、Google CloudコンソールでOAuth認証情報を作成します。サーバーのドキュメントに手順が記載されています。
OAuthを使わないサービス（Notion APIトークン、Linear APIトークンなど）では、サービスの設定でAPIキーを生成し、設定ファイルへ貼り付けます。
ステップ5：クライアントを再起動して利用します。 設定したら、Claude Desktopを再起動します。MCPサーバーが自動的に起動します。新しい会話を開くと、ClaudeがGmail関連ツールを参照できるようになったことを確認できます。
次のように質問できるようになります。
今週届いた未読メールのうち、第2四半期のロードマップに関係するものはどれですか？
優先度が最も高い未読メール3件への返信案を作成してください。何も送信せず、各案を事前に見せてください。
マーケティング予算についてAnnaとやり取りしたメールスレッドを要約してください。
ClaudeはMCPサーバーのツールを呼び出し、データを受け取り、それに基づく回答を生成します。
構築例：生産性重視の構成
MCPで便利な生産性向けの構成を用意するとします。最初の構成として妥当なのは次のとおりです。
- Gmail MCPサーバー — メールのトリアージ、下書き生成、検索に使います。
- Google Calendar MCPサーバー — スケジュール調整、会議準備、空き時間の確認に使います。
- Notion MCPサーバー — 個人用ナレッジベース、プロジェクトメモ、文書の下書き作成に使います。
- LinearまたはJira MCPサーバー — これらを業務で使う場合、課題のトリアージに使います。
- Brave SearchまたはTavily MCPサーバー — 根拠のあるWeb検索に使います。
それぞれのインストールと設定には10～20分かかります。全体の設定は一晩で完了します。
これにより、次のことが可能になります。
- カレンダーの予定を把握したうえで、会話形式でメールをトリアージする。
- Notionからメモを、Gmailから最近のメールを取得して会議の準備をする。
- 「先週火曜日の会議と同じメンバーで会議を設定して」と依頼し、処理してもらう。
- 会話からLinearに課題を作成する。
- 引用付きでリアルタイムに調査する。
本質的な変化は、AIが別タブにあるチャットボットではなくなり、実際の状況を理解する存在になることです。
セキュリティと権限
MCPサーバーは利用者のマシン上で動作し、アカウントに対して許可された範囲のアクセス権を持ちます。強力な仕組みであるため、慎重に検討する必要があります。
範囲を限定した認証情報を使います。 OAuth認証情報やAPIキーを作成する際は、必要最小限の範囲に限定してください。「カレンダーを読み、予定を書き込む」は、「Googleへの完全アクセス」よりはるかに限定的です。
インストールするサーバーを監査します。 よく使われるMCPサーバーの多くはオープンソースであり、コードを確認できます。知名度が低いサーバーや、保守されていないサーバーに付与する権限には注意してください。
無作為な情報源からインストールしないでください。 既知の公開元（Anthropic、広く認知されたコミュニティの保守担当者、ツールの公式ベンダー）が提供するMCPサーバー、または掲載内容を審査する確立されたカタログにあるものを利用してください。
シェルアクセスを提供するサーバーに注意します。 MCPサーバーの中には、AIにターミナルコマンドの実行機能を公開するものがあります。一部のワークフローには便利ですが、注意しなければ重大なセキュリティリスクになります。その機能を与えると、AIはマシン上で任意のコマンドを実行できます。
MCPサーバーをAIの信頼境界の拡張として扱います。 AIがサーバーを通じて読み取り、閲覧、操作できる内容は、AIが直接扱う場合と同じです。それを前提に計画してください。
MCPが苦手なこと（2026年時点）
率直に、いくつかの制約があります。
検索。 あるツールに適したMCPサーバーを探す作業は、今も必要以上に煩雑です。単一の正式なカタログはなく、複数のコミュニティサイトが競合しています。
品質のばらつき。 オープンソースのMCPサーバーには、「本番環境レベル」のものから「週末に作った試作品」まであります。壊れたサーバーはワークフローも壊すため、品質が重要です。
ドキュメント。 多くのMCPサーバーはドキュメントが不十分です。READMEにはインストール方法が記載されていても、利用可能なツールの全体像までは説明されていないことがあります。
クライアント間の違い。 プロトコルは標準化されていますが、MCP機能の公開方法はクライアントによって異なる場合があります。Claude DesktopのMCP連携は最も洗練されており、Cursorは開発用途に優れています。ChatGPTも追いつきつつあります。
状態を持つ操作。 MCPは、状態を持たない「これを読む」／「これを実行する」という操作に最も適しています。長時間動作する複数ステップの処理は扱いにくいです。
いずれも急速に改善しています。2026年末までには、その大半がほぼ解決されるでしょう。
独自のMCPサーバーを作るべきとき
MCPエコシステムはよく使われるツールの大半を網羅していますが、すべてではありません。次のものに接続したい場合は、独自のMCPサーバーを作ることが有効です。
- 自社で開発した社内ツール。
- 公開MCPサーバーがないSaaS製品。
- カスタムAPIしかないレガシーシステム。
- 複数のツールを独自の方法で組み合わせる特定のワークフロー。
技術的で難しそうに聞こえますが、実際の作業量はそれほど多くありません。MCP SDKを使い、TypeScriptまたはPythonで数百行のコードを書けば作成できます。
技術的な能力が少しでもある場合（またはチームに開発者がいる場合）、これは非常に投資効果の高い取り組みです。午後の数時間で一度作れば、MCP対応のAIクライアントを利用するチームの誰もが使える恒久的な連携になります。
TypeScriptでMCPサーバーを構築する方法は、上級者向けの専用記事で解説しています。
MCPとZapier／n8n：使い分け
よくある質問は、「Zapierやn8nがあれば、MCPは必要ですか？」というものです。
答えは、「両者は補完関係にあり、使い方が異なる」です。
MCPを使う場合：
- AIアシスタントとの会話中に、データを操作または検索したい。
- 操作が一度限り、または文脈依存である（「Xが起きるたびに」ではない）。
- 自動化を構築するのではなく、対話的に作業している。
Zapier／n8nを使う場合：
- トリガーを受けて自律的に実行されるワークフローが欲しい。
- ワークフローが反復的で、明確に定義されている。
- 会話のループに人間を含める必要がない。
両方を使うユーザーも多くいます。MCPは「会話中にXを確認する必要がある」というタスクに使い、Zapierやn8nは「条件に合う新着メールごとに、これを実行する」というタスクに使います。
興味深い重複領域もあります。n8nはMCPクライアントとして動作し、ワークフロー内からMCPサーバーを呼び出せます。また、MCPサーバーとしてn8nのワークフローをAIクライアントへ公開することもできます。これによって境界が自然に曖昧になり、一度n8nで作ったワークフローを、MCP対応のどのAIからでも使えるようになります。
実践的なパターン
MCPを使った会話型トリアージ。 Claudeを開き、「今すぐ対応が必要なものは、受信トレイ、カレンダー、Slackに何がありますか？」と尋ねます。モデルが3つのMCPサーバーを並行して使い、統合されたトリアージレポートを作成します。
MCPを使った会議準備。 Calendar、Gmail、Notionを接続します。「3時にAcmeチームとの会議があります。準備用の概要を作ってください」と尋ねます。モデルが会議の詳細を取得し、関連メールを見つけ、このチームとの過去の会議メモを探し、概要を作成します。
根拠のある情報源を使った調査。 検索用MCPサーバーを接続します。事実に関する質問をすると、モデルがサーバーを通じてWebを検索し、引用付きの回答を生成します。普段使っているAIツール内でPerplexityのように利用できます。
ファイルシステムとターミナルへの完全アクセスを使ったコーディング。 Cursor（および対応が進む他のツール）はMCPを使い、AIにローカルファイルシステムとサンドボックス化されたターミナルへのアクセスを与えます。モデルはコードを読み、テストを実行し、パッケージをインストールできます。AIを「コード提案ツール」から、「実際に処理を実行できる共同作業者」へ変えます。
積み重ねで効果が高まる小さな習慣
AIとの会話と別のツールの間で手作業でデータをコピーしていることに気付いたら、いったん立ち止まってください。たとえば、メールの内容をChatGPTへ貼り付けたり、ChatGPTの出力をNotionへコピーしたりする作業です。その手動の橋渡しは、ほぼ間違いなくMCPサーバーで自動化できます。
一度20分かけて、該当するMCPサーバーをインストールしてください。それ以降、橋渡しを意識する必要はなくなります。これを数か月続ければ、AIワークフローを一般的なユーザーよりはるかに円滑にする連携環境が整います。
3つのサーバーから始める
MCPは2025～2026年で最も重要なAIインフラです。華やかではなく、目を引くデモにはなりません。しかし、AIをチャットボットから実際の業務につながる存在へ変える基盤です。
エコシステムは、非エンジニアでもメリットを得られるほど成熟しています。設定は数週間ではなく、数晩で済む一度限りの作業です。AIによる支援の質は大きく変わります。
最もよく使うツールを3つ選び、それぞれのMCPサーバーを探して、まずそれらをインストールしてください。
