すべての記事
AFFiNE
Toeverything·公開日 2026年8月19日 · 更新日 2026年8月20日
ドキュメントとホワイトボードがMCPポートを経由してAIアシスタントにつながる図解

MCPとは?MCPサーバーの仕組み・できること・使い方を解説

この記事の要点

  • MCP(Model Context Protocol)は、AIアシスタントと外部のツール・データをつなぐためのオープン標準です。Anthropicが2024年11月に公開し、いまではClaude、ChatGPT、Cursorをはじめ主要なAIツールが広く対応しています。
  • MCPサーバーは、特定のツールやデータ源をMCP経由で公開する小さなプログラムです。一度サーバーを立てれば、どのAIクライアントからでも同じ手順でつながります。
  • MCPはAPIを置き換えるものではなく、既存のAPIをAIが自力で発見して安全に呼び出せる形にラップする層です。RAGとも役割が違います(後述)。
  • 「自分のノートをAIに検索させたい」だけなら、コードは不要です。AFFiNEの内蔵MCPサーバーなら、設定画面から資格情報を発行して貼り付けるだけで、ドキュメントとホワイトボードをAIから横断検索できます。

AIアシスタントには共通の弱点があります。推論は得意なのに、肝心の仕事の置き場所——ノート、コード、タスク管理——には手が届かないことです。MCPサーバーは、まさにこの断絶を埋めるための部品です。この記事では、MCPの仕組みと用途、APIやRAGとの違い、そして自分のワークスペースを5分でつなぐ手順まで、順番に解説します。

MCPとは何か

MCPはModel Context Protocolの略で、AIモデルが外部のツールやデータに接続するためのオープン標準です。Anthropicが2024年11月に公開・オープンソース化し、2025年3月にはOpenAIが、その数週間後にはGoogleも対応を表明しました。2026年現在、Claude、ChatGPT、Cursor、Cline、VS Code系エージェントなど、主要なAIアプリの大半がMCPクライアントを備えています。

MCPが解決するのは、地味ですが深刻な「N×M問題」です。5つのAIアプリを6つのツールにつなごうとすると、従来は30通りの個別連携を作る必要がありました。認証もデータ形式もエラー処理も、組み合わせごとにバラバラです。共通プロトコルがあれば、AIアプリ側は一度MCPを実装するだけ、ツール側も一度MCPサーバーを公開するだけで、あらゆる組み合わせが動きます。

この構図から、MCPは「AIにとってのUSB-Cポート」とよく呼ばれます。差し込み口の形をひとつに揃えることで、何を挿しても動くようにする、という発想です。

技術的な中身は意外なほど地味で、JSON-RPCメッセージを2種類のトランスポートで運ぶだけです。自分のマシンで動かすサーバーにはstdio、リモートのサーバーにはStreamable HTTPを使います。何が提供されるか、モデルが何を呼べるかは、接続時に双方が交渉して決まります。

MCPサーバーとは何か

MCPサーバーは、AIアプリに向けて次の3種類の能力を公開する小さなプログラムです。

  • ツール(tools): モデルが呼び出せるアクション。ドキュメント検索、Issue作成、データベース照会など。入出力の型があらかじめ宣言されているため、モデルは正しい形で呼び出せます。
  • リソース(resources): アプリが文脈として読み込めるデータ。ファイル、ドキュメント、スキーマなど。
  • プロンプト(prompts): サーバー側が用意する再利用可能なテンプレート。

サーバーの規模はさまざまです。社内APIをラップするだけの百行程度のものもあれば、GitHubのMCPサーバーのようにリポジトリ・Issue・プルリクエストにまたがる数十のツールを公開するものもあります。エディタの隣でローカルに動くものもあれば、AFFiNEの内蔵MCPサーバーのように、製品そのものにホストされていて何もインストールしなくてよいものもあります。

大事な捉え方はひとつです。MCPサーバーはチャットボットのプラグインではなく、インフラです。今使っているAIアプリと、データを持っているシステムとの間の、型付きで安定した契約です。来年アシスタントを乗り換えても、サーバー側はそのまま動き続けます。

仕組み: ホスト・クライアント・サーバー

アシスタントがMCPサーバーを使うとき、毎回次の4つが起きています。

  1. ホストアプリがセッションを開始する。ホストとは、あなたが操作するAIアプリのことです(Claude Desktop、Claude Code、Cursorなど)。ホストは設定されたサーバーごとにMCPクライアントを起動します。
  2. 能力を動的に発見する。接続時にクライアントはサーバーへ「どんなツール・リソース・プロンプトがあるか」を問い合わせます。モデルが見るのは生きたカタログで、ハードコードされた古い連携ではありません。
  3. モデルがツールを呼ぶ。「オンボーディングのチェックリストを探して」のような依頼で外部の文脈が必要になると、モデルはツールを選び、型どおりの引数を送ります。実際の検索やAPI照会はサーバー側の仕事です。
  4. 結果が回答の根拠になる。サーバーは構造化された結果を返し、モデルはそれを踏まえて答えます。推測ではなく、実データにもとづく回答になります。

会話とモデルはホストが受け持ち、認証とデータアクセスはサーバーが受け持つ。この分業がスケールの理由です。

AIホストからMCPクライアントとサーバーを経由し、ツールとデータへ接続する流れ
MCPなら、AIは共通の接続方式を使いながら、各サーバーのツールとデータの境界を保てます。

MCPで何ができるか

現時点で定着している使い方は、およそ5パターンです。

  • 実プロジェクトを見ながらのコーディング。GitHub、Playwright、Chrome DevToolsの各サーバーを使うと、エージェントがIssueを読み、ブラウザを操作してテストし、実ページを検査できます。
  • 自分のナレッジの検索。ノートや社内Wikiをつなぐと、チームが実際に書いた内容から回答が返ります。AFFiNEのMCPは検索対象にホワイトボードも含むため、文章のノートだけでなく「あの構成図、どのボードに描いたっけ」まで検索で見つかります。
  • デザインからコードへ。FigmaのMCPサーバーは、スクリーンショットではなく実データとしてデザインファイルへアクセスさせます。
  • 業務ツールとの連携。SlackやSentryのほか、日本で広く使われるBacklogやfreeeにもMCP対応が広がっています。
  • 自動化のハブ。n8nのようなワークフローツールをつなぐと、その先の数百のアプリを1本のMCP接続で扱えます。

自分に必要かどうかの判定は簡単です。AIチャットに同じ内容を何度コピペしているかを数えてください。繰り返し貼っているものが、そのままサーバー候補です。

代表的なMCPサーバー

サーバーつながる先典型的な使い方
GitHubリポジトリ・Issue・PR「bugタグのIssueを要約して」
Playwright実ブラウザE2Eテストやフォーム操作の自動化
Chrome DevToolsブラウザ内部表示崩れやパフォーマンスの調査
FigmaデザインファイルデザインどおりのUIコード生成
Slackチャンネル・スレッド「先週の決定事項をまとめて」
Backlog課題・Wiki日本語圏のプロジェクト管理と連携
Notionページ・データベースホスト型ワークスペースの照会
Obsidian(コミュニティ製)ローカルVault手元のMarkdownノート検索(デスクトップアプリ起動が前提)
AFFiNEドキュメント+ホワイトボード文書とキャンバスの意味検索。AI機能が有効ならMCPの追加費用なし

公式レジストリが2025年後半にプレビュー公開されたほか、コミュニティのディレクトリにも数千のサーバーが載っています。欲しい連携は、たいてい誰かがもう作っています。

APIやRAGとの違い

正体主な使い手必要になる場面
API各サービス固有のプログラム向け窓口コードを書く開発者そのサービスと連携するソフトを作るとき
MCPAIアプリ共通の接続標準AIアシスタントどのAIからでもツールを使わせたいとき
RAG生成前に関連文書を検索する技術回答を組み立てるアプリ自身手元のコーパスに根拠づけた回答が欲しいとき

MCPはAPIの置き換えではありません。多くのMCPサーバーは既存APIの薄いラッパーで、違いは「誰が使うか」です。APIは人間の開発者向け、MCPはモデルが自力で発見して安全に呼べる形になっています。

RAGの置き換えでもありません。RAGは1つのアプリが回答前に文書を取り込む手法で、MCPはあらゆるアプリが外部システムへ届くための経路です。両者は自然に組み合わさります。たとえばAFFiNEの検索ツールはキーワード検索と意味検索を兼ね、それをMCP経由で提供します。接続したアシスタントすべてが、同じ検索基盤の恩恵を受けるわけです。

5分で試す: 自分のワークスペースをAIにつなぐ

MCPを理解する一番の近道は、中身をよく知っている自分のデータをつなぐことです。AFFiNEはMCPサーバーを内蔵しているので、手順は短くて済みます。

  1. 資格情報を作る。AFFiNEの「設定 → Integrations → MCP Server」で「Create credential」を押し、接続するクライアント名(Claude Code、Cursorなど)をラベルにします。アクセスは既定で読み取り専用、有効期限も自分で設定します。
  2. 設定をコピーする。トークンは一度だけ表示され、隣の「Copy JSON」ボタンでエンドポイントURLと認証ヘッダーを含む完全なMCP設定が得られます。
  3. クライアントに貼る。Claude CodeならCLIコマンド1回、Cursorなら ~/.cursor/mcp.json にそのまま貼るだけです。Streamable HTTP対応のクライアントなら何でも同じ要領です。
  4. 実際の質問をする。「ワークスペースからQ3のリリースチェックリストを探して、未完了項目をまとめて」。アシスタントはドキュメントとホワイトボードを横断してキーワード検索と意味検索を実行し、権限の範囲で本文(Markdown)を読み取り、実際のノートの内容にもとづいて答えます。

MCPサーバーの利用に追加料金はありません。AFFiNE Cloudでも、AI機能を有効にしたセルフホスト環境でも使えます。

セキュリティで最低限おさえること

  • 資格情報の範囲を絞る。接続は1ワークスペース・自分の権限の範囲にとどめます。書き込みが必要になるまでは読み取り専用を選びます(AFFiNEでは読み取り専用が既定です)。
  • 有効期限とクライアント別発行。クライアントごとに1本ずつ発行しておけば、PC1台分だけを失効させても他のクライアントは無傷です。
  • 取得内容を鵜呑みにしない。サーバーが返す文書には、モデルを誘導しようとするテキスト(プロンプトインジェクション)が混ざりえます。重要な操作の前に確認を挟む設定は切らないでください。
  • なるべく公式サーバーを使う。製品自身が保守するサーバーは、その製品の認証・権限モデルをそのまま継承します。コミュニティ製を使うときは、接続前にアクセス範囲を確認しましょう。

よくある質問

MCPとは何の略ですか?

Model Context Protocol(モデル・コンテキスト・プロトコル)の略です。Anthropicが2024年11月に公開した、AIモデルと外部ツール・データをつなぐためのオープン標準で、現在はClaudeだけでなくChatGPTやCursorなど主要AIツールが広く対応しています。

MCPサーバーとは簡単に言うと何ですか?

AIアシスタントが外部のツールやデータを使えるようにする「接続プログラム」です。アプリとツールの組み合わせごとに個別連携を作る代わりに、双方がMCPという共通規格で話します。USB-Cポートのように、対応していれば何でも挿せるイメージです。

MCPは無料で使えますか?

プロトコル自体はオープンソースで、無料で実装・利用できます。公式サーバーの多くも既存アカウントがあれば無料で接続できます。たとえばAFFiNEの内蔵MCPサーバーは、AFFiNE CloudでもAI機能を有効にしたセルフホストでも追加費用なしで使えます。

MCPとAPIの違いは何ですか?

APIは各サービスが開発者向けに用意した窓口で、使うにはコードを書きます。MCPはその上にかぶせる共通層で、モデルが自力でツールを発見し、型どおりに安全に呼び出せる形に整えます。多くのMCPサーバーは既存APIのラッパーであり、APIを置き換えるものではありません。

ChatGPTはMCPに対応していますか?

対応しています。2025年からChatGPTはコネクタ経由でリモートMCPサーバーに接続でき、開発者モードではフルのツール利用も可能です。Claude、Claude Code、Cursor、Clineなども対応済みなので、1つのサーバーを複数のアシスタントから共用できます。

プログラミングの知識がなくても使えますか?

既存サーバーへの接続だけなら不要です。資格情報を発行し、生成された設定スニペットをAIアプリに貼り付けるだけで済みます。AFFiNEでは「設定 → Integrations → MCP Server」が完全なJSON設定を生成してくれます。新しいサーバーを自作する場合のみプログラミングが必要です。

まとめ

MCPの登場で、「このAIはうちのデータを見られるか?」という問いは、製品ロードマップの話から設定画面のチェックボックスの話に変わりました。標準は固まり、クライアントは出揃っています。残っている仕事は「何をつなぐか」を決めることだけです。チームの決定がドキュメントとホワイトボードに眠っているなら、まずナレッジベースをAIにつなぐのが一番効きます。