Model Context Protocolとは？重要な理由を解説

Model Context Protocol（MCP）は、大規模言語モデル（LLM）をデータソースやその他の外部システムに接続できるオープン標準です。リアルタイムデータソースからの情報取得や外部ツールでのアクション実行など、AIエージェントがサードパーティ情報へ一貫した方法でアクセスできるようにします。

この記事では、Model Context Protocolの概要、歴史、そしてAIシステムの普及と成功において中心的な存在となった理由を解説します。または、以下の動画でElevenLabs Host MCPの仕組みをご覧ください。

概要

• Model Context ProtocolはLLMを外部世界につなぎ、学習データに含まれないリソースを提供します。
• MCPでは、ハードコードされた従来のAPIとは異なり、AIエージェントが実行時に接続済みサーバーのツールを検出できます。
• MCPは、変化し続けるAIモデルそれぞれに外部システムとの固有の接続が必要となるMxN問題を解決します。MCPは、こうしたすべてのシステムに共通する翻訳機として機能します。
• ElevenLabsのようなAIプラットフォームは、必要に応じてリソースを提供するMCPサーバーとしても、他サービスのアクションをオーケストレーションするクライアントとしても機能できます。
• AIエージェントは、複数のMCP呼び出しを連結し、ユーザーとの会話中でも複雑なワークフローを実行できます。

Model Context Protocol（MCP）とは？

プロトコルとは、異なるコンピューターシステムがやり取りするために使う、合意された共通言語のようなものです。MCPは、AIエージェントが外部ソースから情報を取得したり、外部ツールやシステムを使ってアクションを実行したりできるようにするプロトコルです。

大規模言語モデル（LLM）は、自然言語で対話できる強力なツールであり、企業と消費者の両方で急速に普及しています。しかし、実世界での利用が増えるにつれ、2つの大きな制約が明らかになりました。

• LLMの世界に対する理解は、開発者が学習データを収集した時点で固定されています。
• モデルには、外部世界や他のコンピューターシステムとやり取りするネイティブな手段がありません。

LLMに期待されたことの一つは、自然言語で対話できる人工知能（AI）エージェントを作ることでした。しかし、この2つの動的な機能を持たず、モデルの学習データだけに制限されるAIエージェントの用途は限られます。

Anthropicは、Model Context Protocolを開発し、LLMと外部システム間の通信を標準化しました。2024年11月にオープン標準として公開されると、主要なLLM開発企業の多くがすぐに採用しました。その後Anthropicは、この標準をAgentic AI Foundationに寄贈しました。

MCPは、大規模言語モデルが外部データソースに接続し、学習データを補完して、より正確で文脈に沿った最新の回答を提供する方法を与えます。LLM搭載のAIエージェントは、承認済みの外部ツールにアクセスして自律的にアクションを実行することもできます。 

たとえば、エージェントに「来週火曜日のカレンダーで空いている時間帯を確認して、候補の会議時間を添えて業者に連絡して」と頼めます。エージェントはMCP経由でカレンダーサーバーを確認して結果を取り込み、次にMCP経由でメールサーバーへアクセスして指定のメッセージを送信します。

Model Context Protocolの仕組み

Model Context Protocolの開発は、ツール呼び出しや関数呼び出しといった先行する概念を基盤としています。これらでは、LLMが外部システムでAPIを通じて処理されるサービスリクエストのスキーマを出力できます。ただし、LLMと各外部システムの間には個別のカスタム接続が必要でした。

MCPは、外部システムとのデータ送受信のために、標準化された双方向通信モデルを実現します。

AIエージェントは起動時に、接続されているすべてのMCPサーバーへ、利用可能なデータソースと機能のカタログを問い合わせます。そのカタログは、現在のタスクにおける短期作業記憶のようなLLMのコンテキストウィンドウに取り込まれます。

エージェントに何かを依頼すると、基盤となるLLMは、学習データの知識だけでリクエストを満たせるか、外部リソースが必要かを判断します。外部サポートが必要な場合は、カタログを確認し、MCP接続を介して適切なシステムに連絡します。 

LLMは外部からの応答を確認し、リクエストを完了できるか、カレンダーとメールの例のように複数ステップのアクションが必要かを判断します。

MCPがMxN問題の解決に役立つ仕組み

エンジニアがMxN問題と呼ぶ課題を解決するには、MCPのようなユニバーサルな通信標準が必要でした。M個のエージェントがあり、それぞれをN個の外部ツールに接続したい場合、MxN個のポイントツーポイント接続を維持しなければなりません。AIエージェントと外部ソースが数個だけなら問題になりませんが、その数が増えると、すぐに維持不可能な負担になります。

MCPは、すべての通信を単一のプロトコルに標準化することで、LLMがM+N接続で動作できるようにします。

コアアーキテクチャ：MCPサーバーとクライアントの違い

AIエージェントは、MCPクライアントを使って外部システムと通信します。カレンダー、メール、CRMなどの外部システムは、エージェントが通信できるようMCPサーバー経由で利用可能である必要があります。

ElevenLabsのプロダクトは、クライアントとサーバーの両方として利用できます。基盤となるプラットフォームは同じですが、どちらの役割でも動作します。

MCPアーキテクチャを理解するために、これを例として見てみましょう。

MCPサーバー

MCPサーバーは外部システムに接続して稼働し、接続済みのMCPクライアントに利用可能なリソースとツールの一覧を提示します。リソースには、ファイル、ドキュメント、データベース、パイプラインなどがあります。ツールにより、リモートのLLMが外部システム上のアセットとやり取りできます。

ElevenLabsホスト型MCPサーバーは、ClaudeなどのAIアシスタントに、ElevenLabsエージェントの管理ツールへのアクセスを提供します。サーバーは次のURLで利用できます。 

https://api.elevenlabs.io/v1/mcp

Claude、ChatGPTなどのアシスタントから、OAuthを使用してサーバーへの安全な接続を作成できます。このアシスタントはMCPホストであり、接続を管理するMCPクライアントを含みます。その後、アシスタントを通じたシンプルな自然言語プロンプトで、エージェントの構築・管理やパフォーマンスの監査を行えます。

プロンプト例

• 「ECポータル向けのカスタマーサービスエージェントを作成して。プロフェッショナルで前向きなトーンを維持する必要があります。」
• 「カスタマーサポートエージェントを複製し、デフォルト言語をスペイン語に変更して。」
• 「スペイン語エージェントの会話あたりのコストを、Gemini 3.5 Flash Liteと3.8 Flashで比較して。」

MCPクライアント

MCPクライアントは、特定のMCPサーバー専用の接続です。MCPホスト内に存在し、1つのホストで複数のMCPクライアント・サーバー接続を持てます。上の例では、Claudeがホストでした。

クライアントは、構造化されたJSON-RPC呼び出しを使用して、ツールとリソースへのリクエストをサーバーに送ります。リクエストはMCPプロトコル上で変換されるため、ホストがサーバーに接続されたツールの基礎的な設定詳細を理解する必要はありません。

ElevenLabsはMCPクライアントとしても機能します。この構成では、ElevenLabsワークスペースを使って、エージェントをZapier MCPなどの外部MCPサーバーに接続します。これにより、エージェントを数百種類のツールやサービスに接続できます。

たとえば、ElevenLabsのカスタマーサービスエージェントを構築しているとします。顧客の質問に適切に答えられるよう、Salesforceにある顧客のアカウント詳細へ安全にアクセスさせたい場合、過去の注文や返品リクエストのステータスについて顧客から質問されると、エージェントはMCP経由でZapierサーバーにクエリを送ります。 

ZapierサーバーはクエリをSalesforceが理解できるリクエストに変換して結果を返し、ElevenLabsエージェントがその結果を顧客に音声で伝えます。

MCPと従来のAPI：何が違う？

従来のAPIもクライアントとサーバーシステムの通信を可能にする点では似た役割を果たしますが、基本的なリクエスト・レスポンス構造で大半のパラメーターをハードコードする必要があります。従来のソフトウェアシステムを接続する場合には問題ありませんが、前述したMxN問題を主な理由として、複雑なAI搭載ワークフローには実用的ではありません。 

システムがリクエストを交換するハードコード済みエンドポイントを作る代わりに、MCPはAPI上で動作し、LLMに完全に機械可読なインターフェースを提供します。接続方法はあらかじめ決められていません。AIは独自に高度なクエリを構築し、適切な文脈理解を深められます。

AIインテグレーションにMCPを使う主なメリット

Model Context Protocolの公開により、AIエージェントに幅広い新機能と能力がもたらされました。 

主なメリットは次のとおりです。

• 標準化
• ツール検出とクエリの柔軟性
• AI自動化の向上
• 高度なエージェント動作
• 回答精度の向上

詳しく見ていきましょう。

標準化

MCP以前もLLMを外部システムに接続することは可能でしたが、多くの手間がかかりました。モデルとリソースの組み合わせごとに、カスタマイズされた接続を作成する必要があったためです。これがMxN問題です。

MCPは、ほぼすべての接続可能なシステムとLLMがやり取りするための共通言語を提供します。これにより、新しい接続の開発が大幅に簡単かつ迅速になります。クライアントとサーバーの設定も、モデル間でより統一されます。モデルが更新されるたびに、MCP接続を一から書き直す必要はありません。

ツール検出とクエリの柔軟性

以前は、AIエージェントが必要とする外部接続ごとにAPIエンドポイントをハードコードする必要がありました。デベロッパーがデータベースにフィールドを追加した場合、それを動作させるにはAPIを再構築する必要がありました。

MCPでは、エージェントが実行時に外部リソースを検出できます。つまり、リソースが存在し、エージェントが必要になったときに利用可能なものを検出できます。MCPサーバーにツールを追加すれば、接続済みAIエージェントは次回の実行時にそれを検出します。接続を更新するためのコードを書く必要はありません。

より優れたAI自動化

LLMは標準では学習データセットに含まれることしか知らず、外部世界とやり取りする手段もありません。MCPは、最新情報を取り込み、MCPサーバーを持つ接続済みシステムのツールを呼び出す手段を提供します。

高度なエージェント動作

ツールや関数の呼び出しは、LLMが何年も前から持つ機能です。しかし、その機能で外部ツールにアクセスできる範囲は限定的でした。標準化され、汎用的かつ柔軟なMCPにより、AIモデルは複数のMCP呼び出しを連結して、より長く高度なクエリを実行できます。たとえば、CRMで更新済みの顧客情報を確認し、カレンダーで空き時間を確認してから、フォローアップ通話の候補時間をメールで顧客に提案できます。

回答精度の向上

大規模言語モデルは、その性質上、ときにハルシネーションを含む回答を生成することがあります。与えられたコンテキスト情報に基づき、もっともらしい回答を出力する予測エンジンだからです。リアルタイム情報に依存する質問をLLMにすると、適切なガードレールがなければ、ハルシネーションを含む回答を得る可能性が高くなります。

MCPプロトコルにより、LLMは正確な回答の生成に必要なライブ情報を提供する、現実世界のデータリポジトリやツールに接続できます。

MCPの活用例と実際のユースケース

Model Context Protocolは、AIエージェントが多数の外部システムとやり取りするために使える標準的な橋渡しです。 

さまざまな実業界やワークフローにおけるMCPの活用方法をご紹介します。

チャットによるエージェント設定

会話型ボットのテストと最適化では通常、複数のダッシュボードやコンソールを切り替える必要があります。Claude内のElevenLabsホスト型MCPサーバーなら、自然言語のチャットインターフェースを通じて音声インフラストラクチャを直接管理できます。

コンテキスト認識型コーディングアシスタント

コーディングアシスタントは、独自のアーキテクチャ設計やインシデント履歴を深く文脈的に理解しているとき、最も効果を発揮します。従来の手段でそれを提供するのは困難です。

MCP接続された開発環境は、関連リポジトリから情報を取得できるため、コーディングアシスタントはアプリケーションを構築する実世界のコンテキストを理解できます。アシスタントがコードベース全体の依存関係をすでにマッピングできているため、人間のデベロッパーは問題をより迅速に解決できます。

通話中の音声エージェントワークフロー

大規模言語モデルがより自然な言語対話を実現する前は、従来の音声ボットは顧客とやり取りするために、厳格なフローチャート形式のスクリプトに従う必要がありました。また、リアルタイムデータを使って顧客とやり取りすることもできませんでした。

会話型ボットは現在、MCPを使ってバックエンドシステムを呼び出し、顧客リクエストの処理に必要なアカウント情報を取得できます。必要に応じて、顧客との会話中にリアルタイムで実行することも可能です。 

シームレスなMCPインテグレーションをElevenAgentsで始める

ElevenAgentsは、MCPサーバーとクライアントの両方として強力な音声エージェント機能を提供します。 

ElevenLabsエージェントを外部MCPサーバーに接続するか、ホスト型MCPを通じてClaudeから管理できます。今すぐMCP搭載ElevenLabsエージェントを始めるか、ElevenAgentsの詳細をご覧ください。

Model Context Protocolに関するよくある質問