MCP（Model Context Protocol）は、AIモデルと外部データソースを標準化されたプロトコルで接続するためのオープンスタンダードです。2025年3月にAnthropicが公開して以降、OpenAI・Google・Microsoftといった主要AI企業が相次いで採用し、月間9,700万回以上のSDKダウンロードを記録するまでに成長しました。
自社の業務データをAIエージェントから安全に利用するには、MCPサーバーの構築が不可欠です。本記事では、MCPサーバーの設計思想からStreamable HTTPトランスポートの実装、ツール定義のベストプラクティスまでを段階的に解説します。
MCPサーバーは、AIモデル（クライアント）からのリクエストを受け取り、外部データソースやツールへの橋渡しを行うミドルウェアです。プロトコルはJSON-RPC 2.0をベースとしており、以下の3つのプリミティブで構成されています。
| コンポーネント | 役割 | 具体例 |
|---|---|---|
| ツール（Tools） | AIが実行できるアクション | データベース検索、API呼び出し、ファイル操作 |
| リソース（Resources） | AIが参照できるデータ | ドキュメント、設定ファイル、データベースレコード |
| プロンプト（Prompts） | 事前定義されたテンプレート | レポート生成テンプレート、分析クエリテンプレート |
MCPの通信は、クライアント（Claude、ChatGPT、Cursorなど）がサーバーに対してinitializeリクエストを送信するところから始まります。サーバーはサポートする機能（capabilities）を返し、クライアントはtools/listで利用可能なツールを取得します。この動的ディスカバリーの仕組みにより、事前のハードコーディングなしにAIが利用可能な機能を把握できます。
2025年3月のプロトコル更新で、従来のSSE（Server-Sent Events）に代わりStreamable HTTPトランスポートが標準となりました。単一のHTTPエンドポイントでPOSTとGETの両方を処理でき、双方向通信やチャンク転送エンコーディングに対応しています。既存のHTTPインフラ（ロードバランサー、CDN、WAF）との親和性が高いことも、エンタープライズ導入を加速している要因です。
MCPサーバーの開発には、Node.js（TypeScript）またはPythonが主要な選択肢です。公式SDKはTypeScript版とPython版が提供されており、いずれも@modelcontextprotocol/sdkまたはmcpパッケージとしてインストールできます。
推奨されるプロジェクト構成は、src/配下にサーバー本体、ツール定義、リソースハンドラーを分離する形です。ツールごとにファイルを分割することで、チーム開発時の競合を防ぎ、テストの粒度を細かくできます。
MCPサーバーの設定は、接続先のデータソース情報、認証トークン、ログレベルなどを環境変数で管理します。.well-known/mcp.jsonにサーバーのメタデータを配置することで、クライアントが自動的にサーバーを発見できる仕組み（Server Discovery）にも対応できます。
MCPのツール定義では、1つのツールにつき1つの入力スキーマ（JSON Schema）を定義します。ツール名は英数字とアンダースコアで構成し、説明文（description）にはAIが適切にツールを選択できるよう、具体的なユースケースと制約条件を記述します。
Salesforceの事例では、CRMデータへのアクセスツールを「検索」「取得」「更新」の3つに分割し、それぞれの責務を明確にすることで、AIの判断精度を向上させています。
2025年11月のプロトコル更新で追加されたツールアノテーション機能により、ツールが「読み取り専用（readOnly）」か「データ変更あり（destructive）」かをメタデータとして宣言できるようになりました。これにより、クライアント側でユーザー確認のフローを自動的に挿入するなど、安全性の高いエージェント体験を構築できます。
ツールの実行結果はisErrorフラグで成功・失敗を明示します。エラーメッセージはAIが次のアクションを判断できるよう、「何が起きたか」だけでなく「何をすべきか」の情報も含めることが推奨されます。例えば「認証エラー」ではなく「トークンの有効期限が切れています。再認証が必要です」のように記述します。
MCPプロトコルは2025年11月の仕様更新でOAuth 2.1認証を標準サポートしました。クライアントがサーバーに初めてアクセスする際、サーバーは認証が必要なことを通知し、OAuth認可フローを開始します。PKCE（Proof Key for Code Exchange）が必須となっており、認可コードの横取り攻撃を防止します。
ツールごとにアクセススコープを定義し、クライアントに対して必要最小限の権限のみを付与する「最小権限の原則」を徹底します。HubSpotのMCPサーバーでは、CRMオブジェクトの読み取りと書き込みを別スコープとして定義し、AIエージェントの操作範囲を厳密に制御しています。
詳しいセキュリティ対策については、MCPのセキュリティリスクと対策で解説しています。
リソースはURI形式で識別し、AIが参照できるデータを公開します。静的リソース（設定ファイル、ドキュメント）はサーバー起動時に登録し、動的リソース（データベースレコード、APIレスポンス）はリソーステンプレートを使って定義します。
プロンプトテンプレートは、特定のワークフローに最適化された入力パターンを事前定義する機能です。たとえば「月次売上レポートの生成」というプロンプトテンプレートを定義しておけば、AIは必要なパラメータ（対象月、部門）を自動的にユーザーに確認し、適切なツールを順番に呼び出します。
MCPサーバーのデプロイ先は、コンテナ（Docker/Kubernetes）、サーバーレス（AWS Lambda、Cloud Functions）、従来のVMなど、Streamable HTTPに対応していれば自由に選択できます。Cloudflareは自社のWorkers環境でMCPサーバーのホスティングを公式サポートしており、エッジ環境での低レイテンシ運用が可能です。
本番環境では、MCPサーバーのヘルスチェックエンドポイントを設置し、接続先データソースの可用性を定期的に確認します。ツール呼び出しのレイテンシ、エラー率、同時接続数をメトリクスとして収集し、異常時にアラートを発報する体制を整えましょう。
MCPの通信はJSON-RPCベースのため、リクエストとレスポンスのペイロードを構造化ログとして記録できます。ただし、ログにユーザーの機密データが含まれる可能性があるため、PII（個人識別情報）のマスキング処理を実装することが重要です。
Notion社は、自社のワークスペースデータをAIエージェントから利用可能にするMCPサーバーを2025年に公開しました。ページの検索・取得・作成・更新に対応するツールを提供し、10,000以上の開発者が自社のワークフロー自動化に活用しています。
Supabase社は、PostgreSQLデータベースへのアクセスをMCPサーバー経由で提供しています。SQLクエリの実行、テーブル定義の取得、マイグレーションの適用といったツールを公開し、AIによるデータベース操作の効率化を実現しました。ただし、2025年中頃にはサービスロールキーの不適切な権限設定に起因するセキュリティインシデントも発生しており、権限管理の重要性が再認識されています。
MCPの基本概念やプロトコルの詳細については、MCPとは何かも併せてご確認ください。
本記事では、MCPサーバーの構築方法について、設計思想からStreamable HTTPトランスポートの実装、本番デプロイまでを解説しました。
ポイントを振り返ります。
CRMを活用した業務効率化やAIとの連携に関するご相談は、CRM特化型コンサルティングのStartLinkまでお気軽にお問い合わせください。
公式SDKはTypeScriptとPythonの2言語で提供されています。Webアプリケーション開発チームにはTypeScript、データサイエンスチームにはPythonが適しています。いずれのSDKもStreamable HTTP、OAuth 2.1、ツールアノテーションなどの最新仕様に対応しています。
はい、MCPサーバーは既存のREST APIのラッパーとして構築するのが一般的なパターンです。既存のAPIロジックはそのまま活用し、MCPのツール定義とスキーマ定義のレイヤーを追加することで、AIエージェントからのアクセスを可能にします。
技術的には可能ですが、責務の分離とセキュリティの観点から、データソースごとにMCPサーバーを分割することが推奨されます。MCPクライアントは複数のサーバーに同時接続できるため、ユーザー体験を損なうことなく分割できます。
Streamable HTTPトランスポートでは、コネクションプーリング、レスポンスのストリーミング、適切なタイムアウト設定が重要です。特に大量のデータを返すツールでは、ページネーションを実装してレスポンスサイズを制限し、クライアント側のコンテキストウィンドウを圧迫しないよう設計してください。