Happy Web Engineer
最終更新
初回公開
AI

【2026年版】MCP(Model Context Protocol)入門完全ガイド|Claude/Cursor外部連携の決定版プロトコルを現役SWEが解説

はじめに

「ClaudeやCursorを使っているが、社内DBやSlackと連携できず効率が頭打ち」
「AIを業務システムに繋ぎたいが、プロトコル乱立で何を選ぶべきか分からない」
「MCPって最近よく聞くが、具体的に何ができるのか分からない」

こう感じている人は多いのではないでしょうか。
MCP(Model Context Protocol)は、Anthropicが2024年末に発表したAI(LLM)と外部ツール・データソースを標準化された方法で接続するプロトコルです。2026年現在、Claude Code・Cursor・Claude Desktop・ChatGPTなど主要AIクライアントが対応しており、AI統合の事実上の標準になりつつあります。

しかも厄介なのは、MCPの日本語情報が公式ドキュメントの翻訳レベルで止まっており、実務での活用パターンや単価UPに繋げる応用例がほとんど整理されていないという点。英語の情報を読みこなす時間がない人にとって、MCPを武器化するハードルが高い状態です。

この記事では、現役フリーランスSWEの筆者が、MCPの基礎から実装、フリーランス単価UPへの応用までを2026年版で解説します。読み終わるころには、MCPを使って既存ワークフローを拡張し、他エンジニアとの差別化スキルとして単価交渉に活用できる基礎が身に付きます。

MCPを30秒で理解する

MCPとは何か

MCP(Model Context Protocol)は、LLM(Claude、ChatGPT等)と外部システム(DB、API、ファイルシステム、SaaS)を接続する標準プロトコルです。「USBがハードウェア接続の標準」になったように、MCPが「AI統合の標準」を目指しています。

MCPが解決する課題

  • AIクライアントごとに独自の統合実装が必要だった(重複開発)
  • プラットフォーム(ChatGPT Plugin / Claude Tool / Cursor MCP)の分断
  • 社内システム・SaaSとAIを繋ぐ共通規格がなかった
  • セキュリティ・権限管理の統一基準が存在しなかった

MCPの基本構造

コンポーネント

役割

例

MCPホスト

AI アプリ(ユーザー側)

Claude Code / Cursor / Claude Desktop

MCPクライアント

ホスト内のMCP通信部分

Claude Code内蔵のMCP実装

MCPサーバー

外部機能提供側

GitHub MCP / Slack MCP / Filesystem MCP

リソース

MCPサーバーが提供するデータ

ファイル・DB検索結果・API応答

ツール

MCPサーバーが実行する操作

ファイル書込・DB更新・Slack投稿

MCPでできること(具体例)

1. GitHub連携

  • リポジトリの検索・読み込み
  • Issue/PR作成・コメント追加
  • CI実行結果の取得
  • コードレビューの自動化

2. Slack連携

  • チャンネル履歴の検索
  • メッセージ投稿・DM送信
  • 特定ユーザーのメンション状況分析
  • チャンネル横断の情報集約

3. データベース連携

  • Postgres/MySQL/SQLiteへのクエリ実行
  • スキーマ情報の取得
  • データ分析・レポート生成
  • マイグレーション支援

4. SaaS連携

  • Notion・Linear・Jira・Figma等との統合
  • Google Workspace・Microsoft 365との連携
  • Stripe・AWS・Vercel等のインフラ操作

5. ローカル環境連携

  • ファイルシステム読み書き
  • シェルコマンド実行
  • Docker・Kubernetes操作
  • ローカルDB・ログファイル解析

MCPの導入方法(Claude Code編)

ステップ1:MCPサーバーをインストール

npm/pip等のパッケージマネージャで提供されているMCPサーバーをインストールします。GitHub MCPを例に取ります。

npm install -g @modelcontextprotocol/server-github

ステップ2:Claude Codeの設定ファイルに追加

Claude Codeの設定ファイル(`~/.config/claude-code/mcp.json` 等)にMCPサーバー情報を追加します。

{
  "mcpServers": {
    "github": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-github"],
      "env": {
        "GITHUB_TOKEN": "ghp_xxxxxxxxxxxx"
      }
    }
  }
}

ステップ3:Claude Codeを再起動して動作確認

Claude Code を再起動すると、GitHub MCPが利用可能になります。「このリポジトリの直近10件のPRを教えて」等のプロンプトで動作確認してください。

ステップ4:複数MCPサーバーの併用

1つのホストに複数のMCPサーバーを登録できます。例:GitHub + Slack + Postgres の3つを同時利用するなど、業務ワークフローに応じて組み合わせましょう。

既存エコシステム ─ 導入済み主要MCPサーバー

公式/Anthropic提供のMCPサーバー

  • Filesystem MCP:ローカルファイル読み書き
  • GitHub MCP:GitHub連携(リポジトリ/Issue/PR)
  • Postgres MCP:PostgreSQL操作
  • Slack MCP:Slack メッセージ・チャンネル操作
  • Google Drive MCP:Google Drive ファイル操作

サードパーティMCPサーバー(2026年時点)

  • Notion・Linear・Jira・Asana等のPM/ドキュメント系
  • Stripe・AWS・GCP・Vercel・Cloudflare等のインフラ系
  • Figma・Framer等のデザイン系
  • Puppeteer・Playwright等のブラウザ自動化系
  • Postgres・MySQL・MongoDB・Redis等のDB系

MCPサーバーの探し方

  • 公式リポジトリ:modelcontextprotocol/servers(GitHub)
  • コミュニティ:awesome-mcp-servers(非公式リスト)
  • npm/pip 検索:`@modelcontextprotocol/`接頭辞

カスタムMCPサーバーの開発(入門編)

いつ自作が必要か

  • 社内独自のAPI・DBと連携したい
  • 既存MCPサーバーに希望の機能がない
  • 認証方式が独自で、既存サーバーが対応していない
  • チーム固有のワークフロー(例:カスタムCI/CD)を統合したい

開発に使うSDK

MCPは言語非依存の仕様ですが、以下のSDKが提供されています。

  • TypeScript SDK:`@modelcontextprotocol/sdk`(Node.js環境)
  • Python SDK:`mcp`(Python 3.10+)

最小構成のMCPサーバー例(TypeScript)

import { McpServer } from '@modelcontextprotocol/sdk/server/mcp.js';
import { z } from 'zod';

const server = new McpServer({
  name: 'my-custom-mcp',
  version: '1.0.0',
});

server.tool(
  'get_project_status',
  { projectId: z.string() },
  async ({ projectId }) => ({
    content: [{ type: 'text', text: `Project ${projectId}: active` }]
  })
);

server.start();

カスタムMCP開発の典型手順

  1. 仕様定義:提供する tools/resources を一覧化
  2. スキーマ定義:zod/pydantic等で入出力の型を厳密に
  3. 認証実装:社内API・外部APIへのアクセストークン管理
  4. エラーハンドリング:LLMが扱いやすいエラーメッセージ設計
  5. テスト:MCP Inspector等のツールで動作確認
  6. ホスト設定:Claude Code等のmcp.jsonに登録

MCPのセキュリティ注意点

リスク1:MCPサーバー経由のデータ漏洩

MCPサーバーはAIクライアントに情報を提供する=社外のLLMに社内データが流れる可能性があります。認証情報・個人情報・機密情報を扱うMCPは、ホスト側のLLM利用規約も確認してください。

リスク2:権限管理の緩さ

MCPサーバーには「このリソースにアクセスできる・できない」の粒度の細かい権限制御がデフォルトでは組まれていません。読み取り専用の権限で始めるのが鉄則です。

リスク3:悪意のあるMCPサーバー

サードパーティMCPサーバーには悪意ある実装のリスクがあります。公式/著名プロジェクト以外はソースコード確認してから導入してください。

リスク対策5つ

  • MCPサーバーは読み取り専用権限から始める
  • 認証トークンは最小権限で発行(例:GitHub tokenは特定リポジトリのみ)
  • MCPサーバーのログを定期的に確認
  • サードパーティMCPはソースコード確認必須
  • 秘密情報(個人情報・機密データ)を扱うMCPは社内インフラ内に閉じる

MCPを使うAIクライアント対応状況(2026年)

主要クライアント対応表

クライアント

対応状況

特徴

Claude Code

◎ 完全対応

CLIで最も使いやすい

Claude Desktop

◎ 完全対応

GUI統合でノンエンジニアでも使える

Cursor

◎ 対応(Composer)

エディタ統合で使いやすい

ChatGPT

◯ 部分対応

プラグイン経由で類似機能

Zed

◯ 部分対応

エディタ統合進化中

Continue

◯ 対応予定

OSS代替として注目

MCPを使った実務ワークフロー5例

ワークフロー1:GitHub + Slack で PR 通知自動化

GitHub MCP + Slack MCP の組み合わせで、PR マージ時に関連チャンネルへ要約投稿を自動化。レビュー依頼→マージ→チャンネル告知までを1プロンプトで完結。

ワークフロー2:社内DB + ドキュメント検索の RAG 構築

Postgres MCP + Filesystem MCP を組み合わせて、社内DBとローカルドキュメントを横断検索する簡易RAG環境を構築。従業員の質問に対して「DB検索→ドキュメント検索→統合回答」を自動化。

ワークフロー3:Notion/Linear でタスク駆動開発

Linear MCP でチケット一覧取得→Claude Code が内容読み込み→実装→PR 作成→Linear ステータス更新 までを半自動化。

ワークフロー4:Figma MCP でデザイン→実装

Figma MCP で指定デザインの構造・色・テキストを取得→Claude Code が React/Vue コンポーネント生成→Storybook登録 までを一気通貫。

ワークフロー5:AWS/Vercel MCP でインフラ運用

AWS MCP で CloudWatch メトリクス取得→異常検知→Vercel MCP で該当デプロイをロールバック、までの運用タスクをプロンプトで実行。

MCPスキルがフリーランス単価UPに繋がる理由

理由1:希少スキル枠として評価される

2026年現在、MCPを実務で使いこなせるエンジニアは市場に数%未満です。「AI活用+MCP実装支援」のスキル組み合わせは、月単価110〜150万円帯の案件に通りやすくなります。

理由2:クライアント社内のAI戦略アドバイザー役を担える

クライアントがAI統合を検討する際、MCPが選択肢の中心になります。「AI戦略アドバイザー+カスタムMCP開発」の役割拡張で、既存案件の単価を30〜50%上積みする交渉材料になります。

理由3:自分の生産性を跳ね上げる

MCPで業務ワークフローを拡張すれば、単一プロンプトで完結する作業範囲が広がる=時間単価が上がります。成果報酬型契約への移行とも相性が良いです。

AI活用で単価UPする具体戦略はAI活用で単価UP交渉術を参照してください。

次の一手|MCP実装スキルを単価UPに直結させる

MCPを使いこなせるようになったら、次はその希少スキルを月単価110〜150万円帯の案件に変換するフェーズです。「AI活用+MCP実装支援」のスキル組み合わせでフリーランス案件に挑戦するなら、エージェントの無料相談で現状の案件レンジを確認してみてください。

👉 レバテックフリーランスでAI/MCP案件を見る(高単価AI案件増加中)

登録・相談は無料。MCP実装の実案件を獲得すれば、スキル証明+単価UPの両方が実現できます。

よくある質問

Q. MCPとOpenAI Function Callingは何が違いますか?

A. OpenAI Function CallingはOpenAI独自の実装で、ChatGPT限定です。MCPは複数AIクライアント(Claude/Cursor/Zed等)で共通して使える標準規格で、ベンダーロックイン回避できます。

Q. MCPはChatGPT Pluginの後継ですか?

A. 直接の後継ではありませんが、思想は近いです。ChatGPT Pluginはクラウド経由限定だったのに対し、MCPはローカル環境・プライベートAPIとの統合が可能で、セキュリティ要件の厳しい業務でも使えます。

Q. MCPサーバーの開発コストはどれくらい?

A. シンプルなMCPサーバー(1〜3機能)なら半日〜1日で開発可能です。SDK(TypeScript/Python)が提供されているので、ハードルは低いです。社内システム向けの本格開発でも1〜2週間が目安。

Q. MCPを使うと情報漏洩のリスクがありますか?

A. MCPサーバー経由で外部LLM(Claude/GPT等)にデータを送るので、LLMプロバイダの利用規約で学習データ利用禁止の設定が必要です。企業プラン(Claude for Enterprise等)なら学習に使われない設定が標準で有効です。

Q. MCPで業務システムに書き込みはできますか?

A. 技術的には可能ですが、読み取り専用から始めて徐々に書き込み権限を広げるのが鉄則です。書き込み時はLLMが誤った指示を実行するリスクがあるため、重要操作は確認ステップを挟む設計にしてください。

Q. MCPとLangChain/LangGraphとの違いは?

A. LangChain/LangGraphはAIエージェント開発フレームワークで、MCPはAI-外部システム接続のプロトコルです。両者は補完関係にあり、LangGraph内でMCPクライアントを呼び出す構成が可能です。

Q. MCPを学ぶおすすめの順序は?

A. 以下の順で学ぶのが効率的です。

  1. 公式ドキュメント(modelcontextprotocol.io)で基本概念を理解
  2. Claude Code にGitHub/Filesystem MCPを導入して実際に使う
  3. 既存MCPサーバーのソースコードを読む(TypeScript版が読みやすい)
  4. カスタムMCPを1つ自作(自分の業務ツール連携等)
  5. 複数MCPサーバーを組み合わせた実務ワークフローを構築

まとめ ─ MCPは2026年のAI統合標準

MCPを武器化するロードマップは以下です。

  1. 基礎理解:ホスト・クライアント・サーバー・リソース・ツールの5構造を把握
  2. 既存MCPの活用:GitHub/Slack/Postgres等をClaude Codeに導入
  3. 複数MCPの組み合わせ:実務ワークフローに統合
  4. カスタムMCP自作:社内システム・独自API連携
  5. フリーランス案件化:AI戦略アドバイザー+MCP実装支援で単価UP

MCPは2026年時点ではまだ希少スキルです。今から習得して案件に組み込めば、月単価110〜150万円帯への到達が現実的な射程に入ります。

関連記事

👉 Claude Code実践ガイド|フリーランス生産性2倍のAI駆動開発ワークフロー
👉 AI活用で単価UP交渉術|Claude/Cursor時代の実践戦略
👉 AIコーディングツール徹底比較(3ツール深掘り版)
👉 AIコードエディタ徹底比較(5ツール網羅版)
👉 Claude APIでSlack社内Botを作る完全ガイド
👉 エンジニアのためのRAG実装入門
👉 Vercel AI SDK vs LangChain 徹底比較

Tags #フリーランス