1年で86倍。
2024年11月、AnthropicがMCP（Model Context Protocol）を公開したとき、サーバーは約100個だった。2026年2月、8,600個を超えた。 SDKの月間ダウンロード数は9,700万回。アクティブなパブリックサーバーは10,000以上。
これは「技術者が注目している」というレベルの話ではない。業界構造が変わったということだ。
MCPの1年を振り返る
MCPとは、AIと外部のツール・データソースを接続するためのオープンプロトコルだ。「AIの手足を拡張する」仕組みとして、以前MCPサーバーで社内ドキュメント管理を自動化した実践記録を書いた。
あの記事から約3週間。MCPを取り巻く状況は劇的に変わっている。
2024年11月：Anthropicが公開
当初はClaude DesktopとClaude Codeから使えるだけのプロトコルだった。サーバーは約100個。「面白い技術だが、Anthropicのエコシステム限定」という見方が大半だった。
2025年中盤：OpenAIが参入
ChatGPTとCodexがMCPに対応したことで流れが変わった。「Anthropicだけの規格」から「業界の共通規格」に変わる転換点だった。
2025年11月：仕様v2がリリース
セキュリティ強化、Streamable HTTPの導入。ローカルプロセスだったMCPサーバーがリモートサービスとして動くようになった。これでエンタープライズ展開の道が開けた。
2025年12月：Linux Foundation傘下へ
AnthropicがMCPを**Agentic AI Foundation（AAIF）**に寄贈した。AAIFはLinux Foundation傘下の組織で、Anthropic、Block、OpenAIが共同設立。MCPが特定企業の所有物ではなくなった——これが最大のターニングポイントだ。
2026年：4大ベンダーが全て採用
Anthropic、OpenAI、Google、Microsoftの4社がMCPに対応。事実上、AIのツール連携はMCPが標準プロトコルになった。GitHub、Slack、Notion、Google Drive、Jira、Linear、AWS、GCP、Azure——主要サービスの公式MCPサーバーが出揃っている。
数字が語るエコシステムの成熟
| 指標 | 2024年11月 | 2026年2月 | 成長率 |
|---|---|---|---|
| MCPサーバー数 | ~100 | 8,600+ | 86倍 |
| アクティブサーバー | — | 10,000+ | — |
| SDKダウンロード/月 | — | 9,700万回 | — |
| 対応AIベンダー | 1社 | 4社 | — |
| 最新仕様 | v1.0 | v2.1 | — |
もう「Anthropicの実験的プロトコル」ではない。HTTPやSMTPと同じレイヤーの、AIエコシステムの基盤プロトコルだ。
セミナーで見えた「現場の反応」
先月、MCPサーバーを使ったドキュメント管理自動化のセミナーを実施した。参加者は中小企業の経営者やIT担当者が中心だ。
最も反応が大きかったのは、技術の話ではなかった。
「Ctrl+Fで1つずつファイルを開いて検索していた作業が、1回の指示で全ドキュメントを横断検索できる」——このデモの瞬間、参加者から声が上がった。2〜3時間かかっていた影響範囲の洗い出しが約1分で終わる。 この時間短縮のインパクトが、すべての技術的な説明を上回った。
もう一つ、「Excelで出てくるのか」という反応も印象的だった。AIのアウトプットはJSON形式やMarkdownになりがちだが、現場で使えるフォーマットで出力することが実用化の鍵だ。設計部や購買部にJSON形式のレポートを送っても読んでもらえない。
セミナーから学んだ3つのこと
- 技術より「時間短縮」が刺さる — MCPの仕組みより「2時間→1分」のほうが100倍響く
- 出力フォーマットが導入の壁 — Excelで出せるかどうかが、現場のYes/Noを分ける
- 「AIに手足が生えた」で伝わる — MCPの概念説明はこのメタファーが最も効果的
2026年のMCPで何が変わったか
Streamable HTTP：ローカルからクラウドへ
初期のMCPサーバーはローカルプロセスとして動いていた。Claude Desktopから直接プロセスを起動し、stdin/stdoutで通信する仕組みだ。
Streamable HTTPの導入で、MCPサーバーがリモートサービスとして動くようになった。ロードバランサーの背後に置ける。水平スケーリングができる。複数のAIクライアントから共有できる。
これはエンタープライズにとって決定的な変化だ。自社のMCPサーバーを社内の全チームで共有できる。 IT部門が構築・管理し、各部署がAIクライアントからアクセスする——従来のSaaSと同じ運用モデルが成り立つ。
MCP Apps：対話の中にUIが出る
MCPサーバーがインタラクティブなUIコンポーネントを返せるようになった。ダッシュボード、フォーム、グラフ、マルチステップワークフロー——対話の中に、操作可能なUIが表示される。
これは地味だが大きな変化だ。「AIに聞いて、結果をコピペして、別のツールに貼り付ける」という手順が、1つの対話画面内で完結するようになる。
エンタープライズ機能：監査・認証・ガバナンス
企業がMCPを本番環境で使い始めたことで、必要な機能が明確になった。
- 監査ログ — どのツールがいつ実行されたかの完全な記録
- SSO連携 — 企業の認証基盤との統合
- ゲートウェイ — MCPサーバーへのアクセス制御の一元管理
- 最小権限の原則 — 各MCPサーバーに必要最低限の権限だけを付与
これは単なる機能追加ではない。MCPが「開発者のおもちゃ」から「企業のインフラ」に移行した証拠だ。
商用案件で実感したMCPの価値
私はPanda OfficeでAI業務改善（MCP活用）をサービスとして提供している。R&Dプロジェクト6件のうち、MCP PoCも含まれている。商用案件で見えてきたことがある。
メタデータ設計が8割
MCPサーバーを構築するとき、コードを書く時間よりメタデータの設計に時間がかかる。ドキュメントにどんなFrontmatterを付けるか、どのフィールドで検索・分析するか——この設計が8割だ。
逆に言えば、メタデータがないドキュメントにはMCPをそのまま適用できない。導入の第一歩は「ドキュメントを整理する」ことだ。 これは技術の問題ではなく、業務プロセスの問題だ。
「全部つなげたい」の罠
MCPのデモを見ると、「うちのERP、CRM、勤怠、在庫管理、全部つなげてほしい」という要望が出る。気持ちはわかる。しかし、全部を一度につなげるのは間違いだ。
正しいアプローチは、1つの痛み（ペインポイント）を1つのMCPサーバーで解決すること。ドキュメント横断検索が2時間かかっている → ここにMCPサーバーを1つ入れる → 1分に短縮される → 成果を見て次に進む。
PMBOK-AIの原則でも繰り返し言っているが、「小さく始めて、成果を見せて、広げる」。これがMCP導入の鉄則だ。
人間がMCPにならないために
ここで1つ、警鐘を鳴らしておきたい。
MCPが普及すると、人間が「AIの物理層」になるリスクがある。AIがMCPサーバー経由で判断を下し、人間はその指示を物理世界で実行するだけ——コピペマシンになる。
便利さ → 委任 → 自分で判断できなくなる。この3段階の依存は、MCPが便利であればあるほど加速する。
MCPの導入は「業務を効率化する」ためであって、「人間の判断を省略する」ためではない。 最終判断は人間がやる。AIの分析結果を見て、承認するのか、差し戻すのか——そこに人間の価値がある。
MCP導入の5ステップ
実践から得た、MCP導入の具体的なステップを整理する。
ステップ1：ペインポイントの特定
「何に時間がかかっているか」をリストアップする。メールの転記、レポートの集計、影響範囲の手動チェック——繰り返し発生する作業で、かつ判断よりも収集・整理がメインのものがMCPの効果が出やすい。
ステップ2：メタデータの設計
対象のドキュメントやデータに、検索・分析に必要なメタデータを定義する。管理部門、関連部署、関連ドキュメント、ステータス——AIが「読んで判断できる」構造にするのが目的だ。
ステップ3：MCPサーバーの構築
既存のMCPサーバー（8,600+のエコシステム）で対応できるか確認する。GitHub、Slack、Google Drive、Notionなどは公式サーバーがある。自社固有の業務は、カスタムMCPサーバーを構築する。 Node.js + TypeScriptで1-2日あれば基本的なサーバーは作れる。
ステップ4：小さく回して成果を見せる
1つのユースケースで運用を始め、定量的な効果を計測する。 「2時間→1分」のような分かりやすい数字が出れば、次の予算と承認が取りやすい。
ステップ5：横展開
成果が出たら、別の業務にMCPサーバーを追加する。ドキュメント管理 → 在庫管理 → 顧客対応 → 品質管理。1つずつ、成果を確認しながら広げる。
MCPが変えるPMの役割
MCPの普及は、プロジェクトマネージャーの役割を根本的に変える。
従来のPMは情報を集める人だった。各部署に状況を聞いて回り、Excelに整理し、レポートを作り、会議で共有する。この「情報収集→整理→共有」のサイクルに、1週間の大半を費やしていた。
MCPがある世界では、情報収集と整理はMCPサーバーが自動で行う。 PMは集まってきた情報を見て、判断を下す。会議は「情報共有」から「意思決定」に変わる。
これはまさにPMBOK-AIが提唱するAI PMの姿だ。PMは「管理者」から**「オーケストレーター」**に変わる。AIという楽団のメンバーに指示を出し、演奏全体を統括する。MCPはその楽器を増やすインフラだ。
まとめ：MCPは「選択肢」から「前提」に変わった
1年前、MCPは「試してみたい技術」だった。今、MCPは**「AI活用の前提インフラ」**だ。
- 4大AIベンダーが全て対応 → ベンダーロックインがない
- Linux Foundation傘下 → 標準規格として長期的に安定
- 8,600+サーバー → 大半の業務ツールに既にMCPがある
- エンタープライズ機能 → 本番環境での運用に耐える
導入のハードルは下がり続けている。問題は「MCPを使うかどうか」ではなく、**「どこから始めるか」**だ。
答えは単純だ。今、最も時間がかかっている作業を1つ選ぶ。 そこにMCPサーバーを1つ入れる。2時間が1分になったら、次に進む。
AIの手足が増えた。次は、何をやらせるかを決める番だ。
関連記事：
- MCPサーバーで社内ドキュメント管理を自動化｜2〜3時間→1分に短縮した実践記録 — MCPの具体的な実装事例
- Vibe Codingの先へ｜個人開発と商用開発の決定的な違い — 品質ゲート付きAI開発の全体像
- PMBOK-AIとは — AIをプロジェクトメンバーとして扱うフレームワーク
AI業務改善やMCPサーバーの構築について相談したい方はお問い合わせからお気軽にどうぞ。