Model Context Protocol（MCP）とは何か？｜MCP入門 第2章｜生成AIの文脈設計の新常識
第2章 Model Context Protocol（MCP）とは
第1章では、生成AIにとっての「文脈」の重要性と、それを構成する要素（プロンプト、コンテキスト、トークン制限、記憶）の本質について学びました。 本章からは、いよいよ本書の中心テーマであるModel Context Protocol（MCP）そのものに踏み込んでいきます。
MCPとは一言で言えば、 「AIモデルが意味のあるアウトプットを出すために必要な状態や文脈を、体系的に定義・制御・再現するための設計原則」 です。 これは単なるプロンプトの工夫にとどまらず、継続性・拡張性・多様なユースケースに対応できる文脈エンジニアリングとも呼べるアプローチです。
特に以下のようなケースで、MCPの考え方は不可欠です：
- ユーザーと複数回にわたる対話を継続したい
- 複数のツールやデータベースと連携しながら、AIに指示を出したい
- AIの出力の一貫性や再現性を高めたい
- マルチユーザーやマルチタスクの状況で安定した応答を得たい
こうしたニーズに対し、MCPは“場当たり的なプロンプト設計”ではなく、 状態と文脈の設計をプロトコル化（明文化・再利用可能に）することで、解決策を提示します。
2.1 MCPの定義と役割
このセクションでは、MCPの基本的な定義、他の概念との違い、なぜ今この概念が必要なのかを解説します。 単なる仕組みではなく、AI時代における新しい「UI/UX設計」の中心概念としての意義に迫ります。
2.2 従来のプロンプト設計との違い
ここでは、従来のプロンプトエンジニアリングとMCPのアプローチの違いを対比的に整理します。 「命令を書く」から「状態を設計する」へと、思考のスケールがどう変わるかを明らかにします。
2.3 MCPによる状態制御・再現性の向上
AIが「一貫性ある振る舞い」を実現するためには、常に同じ文脈を与える必要があります。 そのための状態設計、出力の安定性、テスト可能性など、MCPのもたらす実用的メリットを掘り下げます。
2.4 実装例：OpenAI Function Callingとの関係性
MCPは抽象的な設計思想にとどまりません。たとえば、OpenAIのFunction CallingやLangChainのMemoryなど、 具体的なLLM APIにも組み込まれ始めています。 本節では、実装に近いレイヤーでのMCP活用例を紹介します。
なぜAIは文脈を定義し直す必要があるのか？ どこまでが「設計者の責任」で、どこからが「モデルの推論領域」なのか？ 次のセクションでは、MCPという設計思想のコアを明らかにし、これからのLLM時代の文脈設計を考えていきます。 → 2.1 MCPの定義と役割へ進む
下田 昌平
開発と設計を担当。1994年からプログラミングを始め、今もなお最新技術への探究心を持ち続けています。カテゴリー
検索履歴
チーム
任 弘毅
株式会社レシートローラーにて開発とサポートを担当。POSレジやShopifyアプリ開発の経験を活かし、業務のデジタル化を促進。
下田 昌平
開発と設計を担当。1994年からプログラミングを始め、今もなお最新技術への探究心を持ち続けています。