三菱UFJ・三井住友・みずほの3メガバンクが、Anthropic の限定公開モデル「Claude Mythos Preview」を業務利用する見通しと、日本経済新聞などが2026年5月13日に報じた。Mythos は前日5月12日、高市早苗総理大臣が閣僚懇談会で「最新AIのサイバー攻撃性能の向上」を理由にサイバー攻撃対策を指示した、まさにその対象モデルだ。
Mythos は4月時点では「一般公開を見送る」と判断されたとされる(推定)、フロンティア層に達した安全評価未了の最上位モデルである。それが約30日で、日本の金融基盤の中枢に着地した。「公開されない最強モデル」が、限定提供のまま実社会で動く — この構造を SMB がどう読み解くかが、今号 TOP の問いだ。
過去2本のドラフト(2026-05-10配信)で取り上げた通り、Anthropicは2026年4月、開発が完了段階にあったとされる新世代モデル「Claude Mythos」の一般公開を見送る判断をした(推定)。同社からの公式発表はなく、業界関係者・規制当局・パートナー企業への限定的な説明にとどまっている(推定)。本稿執筆時点(2026-05-13)で、Anthropic公式blog、Xアカウント、SEC関連書類のいずれにもMythos名義のリリースは存在しない。
ここで重要なのは「公開しない」という結論そのものではなく、その結論に至るプロセスが従来と異なることだ。フロンティアAI企業は過去3年間、新モデル発表 → ベンチマーク開示 → 限定公開 → API/製品反映、という流れを取ってきた。Claude 3.5 Sonnet(2024)、Claude 3.7(2025初頭)、Claude 4系(2025後半)はいずれもこのパターンを踏襲している。Mythosは前世代(Claude 4.7 Opus)の延長線上にあり、命名規則からも世代交代を意図したものとみられる(推定)。
非公開判断の背景として4月以降に流通している説は、大きく3つに分かれる。第1は「能力閾値超過」説。MythosがAnthropicの定めるResponsible Scaling Policy(RSP)上のAI Safety Level 4(ASL-4)相当の能力を示し、運用前提となる安全保証が整わなかったとする見方である(推定)。AnthropicはASL-4について「壊滅的誤用リスクが顕著な水準」と定義しており、該当する場合は外部公開前に追加の評価・緩和措置が必要となる。第2は「整合性問題」説。RLHF後にも残存する逸脱行動が事前評価で観測され、限定公開すら見送ったとする説(推定)。第3は「規制環境変化」説。2026年3月以降に米加州SB-53後継法やEU AI Act一般目的AIルールの第二期実装が動き、同社の法務判断として「今は公開タイミングではない」とした可能性(推定)。
どの説が正しいかは現時点で外部からは確認できない。ただし、いずれの背景であっても日本SMBから見た含意は重なる。「フロンティアAI企業の最上位モデルは、必ずしも公開されない」という前提が、運用環境に組み込まれ始めたという点だ。
米国先端動向の文脈で、Anthropicの今回の判断は単独事象ではない。OpenAIは2025年後半にGPT-5.5系列の一部能力を「研究用途限定」として段階的公開する方針を取り、Google DeepMindはGemini 3 Ultraの一部能力を法人向け契約者にのみ提供している(推定)。フロンティア層では「全公開」から「階層公開」へのシフトが進行している。
この流れの背景には3つの構造要因がある。第1は能力スケーリングそのものが「公開即利用可」の前提に耐えられない水準に達したこと。化学・生物・サイバーセキュリティ・自律エージェント分野での能力評価で、複数のフロンティアモデルが従来の安全閾値を上回り始めた(推定)。第2は競合環境の変化。中国系・中東系のフロンティアAIが急速に台頭し、米国企業が「公開して標準を取りに行く」インセンティブよりも「能力を保持して契約交渉力を高める」インセンティブが優勢になりつつある。第3は規制側の前進。EU AI Actの一般目的AIルール、米国のAI Diffusion Framework、英国AI Safety Instituteの評価義務化など、公開時の責任が明確化されてきた。
Anthropicの判断はこの3要因の交点に位置する。ASL-4相当の能力(推定)、競争圧力、規制リスク──いずれが主因かを切り分けることに意味は薄い。重要なのは「最先端能力は公開されない」が新しい標準になりつつあるという認識である。
派生して注視すべきトレンドは2つある。1つはOpen-weights陣営との能力差拡大。Meta Llama系、Mistral、DeepSeek、Qwenなどopen-weightsモデルは、本稿執筆時点で公開フロンティア(Claude 4.7、GPT-5.5、Gemini 3)に対しては相対的に距離が縮まっているが、非公開フロンティア(Mythos推定、GPT-5.5研究版推定)との差は逆に広がる構図になる。SMBがopen-weightsを選ぶ場合、「公開トップ層」基準と「真のトップ層」基準の差を意識した能力期待値の調整が必要になる。社内で「open-weightsで十分」と判断する際、その十分性を測るベンチマークが公開モデル基準であれば、実は片側だけ見ている可能性がある。
従業員10-300名規模の日本企業が、Mythos非公開という事実から実務的に取るべきアクションは3つに集約できる。
1つ目はベンダーロックイン回避の再点検である。Anthropic製品を中核業務に組み込んでいる企業(社内チャットボット、ドキュメント要約、コーディング支援等)は、「最上位能力が常に提供される」という前提でアーキテクチャを組んでいないかを確認する。Claude APIを呼び出すラッパー層を入れ、必要に応じてOpenAI、Google、open-weightsに切り替えられる構造になっているか。具体的にはLiteLLM、LangChain LCEL、自社ラッパーいずれの形でも、モデル名のハードコードを避け、設定ファイルで切り替えられる状態を維持する。これは1人月以下で実装可能で、今月中に着手できる水準の作業である。
2つ目は「攻撃者想定」の引き上げである。フィッシング、なりすまし、内部文書を模した詐欺メール──これらの攻撃で使われる文書生成能力は、公開モデル基準ではなく、Mythos級(推定)を想定して訓練データを整える。社内の標的型訓練(KnowBe4や国内SaaS、自社内製)で使う模擬攻撃文を、Claude API・GPT-5.5のフルプロンプトで生成し、従業員が「これは本物に見える」と感じる水準まで引き上げる。年2回の訓練を年4回に増やす投資対効果は、4月以前より明確に正に振れている(推定)。経営者本人を装ったCEO詐欺の文面が、本物との見分けがつかない品質で量産される時代が到来している前提で運用する。
今後90日で注視すべきポイントは3つ。第1はAnthropicからの追加情報開示。8月のResponsible Scaling Policy改訂、または同社の投資家向け説明資料(非上場だが一部流通する)での言及があれば、推定の精度が大きく上がる。CEO Dario Amodeiのインタビューや書面発信の文脈変化も同様にシグナルとなる。第2は競合の動き。OpenAI、Google DeepMindが同様の「公開停止」判断を取るか、逆に「公開競争」に振れるかで、フロンティア層の標準が決まる。特にGPT-5.5系列の動向は本件と直接連動する可能性が高い。
第3は日本の経産省・デジタル庁の対応。AI事業者ガイドラインVer.2.0(2026年予定)で「非公開フロンティアモデル」の位置付けがどう書かれるか。SMBはこの3つを四半期レビューに組み込み、年内には自社のAI利用ポリシーを1度書き直す前提で動くのが現実的だ。次の続報は、これら3点のいずれかに進展があった時点で配信する。
メガバンク3社の Mythos 採用は、日本市場における「限定提供モデル」の運用試金石になる。三菱UFJ・三井住友・みずほの3社は脅威インテリジェンス共有体制を国内金融機関で持つ唯一のセクターであり、Mythos 級の能力がここで稼働した運用ログは、日本AI Safety Institute・経産省・金融庁の規制議論に必ず還元される。SMB の情シスは今後90日で「自社が使う AI とメガバンクが使う AI の能力差」を意識し、2026年後半に出るであろう国内ガイドライン改訂と Mythos 後継世代(推定)の到来までに、AI 利用ログ保全と AI Gateway 導入の優先順位を上げておくのが現実的だ。
AI Wire としては、Anthropic の RSP 改訂・米国規制当局(NIST、FedRAMP)の AI 階層公開ガイドライン・日本 AI Safety Institute の動向を週次で追跡し、Mythos 級モデルが「金融」「政府」以外のセクター(医療・法務・教育)に降りてくるタイミングを継続観測する。
読者が次の90日で着手すべきは、(1) 自社の AI 利用規程に「限定提供モデルが業務に組み込まれた場合の取り扱い」条項を追加、(2) Claude API ラッパー層を導入してモデル名のハードコードを排除、(3) AI Gateway(Cloudflare / Lakera / 国内同等品)の見積もり取得、の3点。来年5月時点で振り返ったとき、この30〜90日で動いた組織と動かなかった組織で、AI 攻撃耐性に明確な差がついている可能性が高い。
Claude CodeはAnthropicが提供するコマンドライン型のAIコーディングエージェントである。最大の特徴は「IDEの中の補助機能」ではなく、ターミナル上で独立して動作するエージェントだという点にある。ユーザーはターミナルで`claude`と打ち、自然言語で指示を出すだけで、エージェントが自らファイルを読み、編集し、シェルコマンドを実行し、必要ならテストを走らせ、git commitまで行う。
第一の構造的特徴は「ツールの直接実行」だ。Claude CodeはRead/Write/Edit/Bash/Grep/Globといった原子的なツールを直接呼び出せる。これはチャットUIで「このコードをこう変えてください」と提案させ、人間がコピペで反映する従来型の体験とは根本的に違う。エージェント自身が編集の主体になり、人間はレビュアー側に回る。生産性の支配項が「タイピング速度」から「指示の精度」と「レビューの判断力」に移る、という構造変化を起こしている。
第二の特徴はモデル能力そのものの厚みだ。最新のOpus 4.7では最大1Mトークンのコンテキストウィンドウが利用でき、リポジトリ全体を読み込んだうえで横断的な修正を行える(推定: 公開仕様ベース)。Sonnet 4.6とHaiku 4.5を組み合わせたモデルルーティングも前提とされており、「重い設計判断はOpus、コード生成はSonnet、定型処理はHaiku」といった使い分けで、コストと精度のトレードオフを実務的に管理できる。SMBにとってこれは「同じ機能で月数万円の開発支援を受けるか、月数十万円かかる新人エンジニアを雇うか」という比較が現実に成り立つ水準になってきたことを意味する。
なぜClaude Codeが「次のIDE」と呼ばれるのか。表層的に見ると単なるCLIツールだが、構造的にはIDEが担ってきた機能の大半をAIエージェント側に吸収しようとしている。
従来のIDEは、シンタックスハイライト・コード補完・リファクタリング・デバッガ・git連携・ターミナル統合といった機能を一つのGUIに集約することで価値を出してきた。だが、AIエージェントが「リポジトリ全体を読んで、適切な箇所を編集し、テストを走らせ、結果を解釈する」を一連の動作で行えるようになると、IDEのGUIで提供されていた多くの機能は「エージェントへの指示」に置き換わる。コード補完は不要になり(必要な行を直接書いてくれる)、リファクタリング機能も不要(自然言語で指示)、デバッガすら「このテストが落ちた、直して」で代替されつつある。残るのは「人間が変更内容を確認するためのレビューUI」と「エージェントの動作をリアルタイムに監視するモニタリングUI」だけだ。Claude CodeはこのレビューとモニタリングをVSCode拡張やWebアプリで補完しつつ、本体はあくまでCLIに置く設計を取っている。
Cursorに代表される「AI内蔵IDE」とのアーキテクチャ的な対比はここで明確になる。CursorはエディタUIを起点に、その中にAIを呼び込む。Claude Codeはエージェントランタイムを起点に、必要に応じてエディタを参照する。前者は人間の操作が主、AIは補助。後者はAIの操作が主、人間はレビュー役。同じ「AIで開発を速くする」を目指していても、誰が主体かが逆転している。
この逆転は、ベンチマーク数値以上に重要な意味を持つ。エージェントが主体になるとき、開発のボトルネックはモデルの賢さよりも「タスクの分解設計」と「コンテキスト管理」になる。Claude CodeがSkill/Subagent/Hooks/MCP/メモリといった拡張機構に力を入れているのは、この「賢いモデルを使い倒すためのオーケストレーション層」こそが差別化要素だと見抜いているからだ。OpenAIのCodex CLIや各種OSSエージェントも追随しているが、現時点ではAnthropicが拡張エコシステムの広さで先行している(推定)。
日本の従業員10〜300名規模の企業にとって、Claude Codeは「エンジニアを雇えない領域に手が届く」ツールとして位置付けるのが現実的だ。具体的な応用パターンを4つ挙げる。
第一に、レガシーコード保守。20年もののPerlスクリプトや誰も読めないExcel VBAが業務の中枢にある企業は珍しくない。Claude Codeにリポジトリを丸ごと読ませ、「この処理を説明して」「ここをPythonに段階移行する計画を作って」と指示すれば、属人化したコードを段階的に解きほぐせる。1Mコンテキストウィンドウは、まさにこの「全体を一度に把握する」用途で効く。
第二に、社内ツール・業務自動化。請求書PDFの抽出、Slack通知の整形、Notionと社内DBの同期、Gmailからのタスク自動登録──こうした「正社員にやらせるには重く、外注すると数十万円かかる」中間サイズの仕事を、Claude Code + MCPで一晩で構築できる。MCPでGmail/Slack/Notion/Google Driveに直接アクセスできるため、コードを書くだけでなく「実際に業務システムに対して動く」ところまでカバーする。
第三に、データ処理・分析パイプライン。マーケ部門のCSV集計、営業のSFDC抽出、経理の月次レポート整形など、Excelで疲弊している作業をPython/Polarsスクリプトに落とす作業はClaude Codeの得意領域だ。「先月の売上CSVを読んで、地域別・製品別の前年同月比をMarkdownで出して」レベルなら数分で動くものが出る。
第四に、社内向けRAGや軽量Webアプリ。FastAPI + 簡易フロントエンドで「社内マニュアル検索」「議事録要約API」を作るような案件は、外注に出すと数百万円規模になることもあるが、Claude Codeを使えば社員1人 + エージェントで2〜4週間の試作が現実的になる。完成度を求める前にまず動くものを作り、利用ログを見て磨くサイクルが回しやすい。
今後90日で注視すべきは3点だ。
第一に、Anthropic以外のターミナル常駐型エージェント(Codex CLI, Aider, Goose等)とのエコシステム競争。SkillやMCPの相互運用性が標準化されれば、特定ベンダーロックインを避けつつエージェントを使える時代に入る。
第二に、自律ループ運用のリスク管理パターン。Hooks、worktree隔離、サンドボックス実行の組み合わせがコミュニティでどう収束していくか。
第三に、日本SMBでの本番事例。現時点では公開事例は限定的だが(推定)、2026年後半には「年商10〜100億円の中堅企業がClaude Codeを業務システム保守に常用している」というユースケースが出始める可能性が高い。
AI Wireとしては、エディタ拡張からエージェントランタイムへの主導権移転、そして日本の現場での実装パターンの両方を追い続ける。
AI Wire としては、IDE 派と CLI 派の使い分けが日本SMBの開発現場でどう定着するかを継続追跡する。Skill / Subagent / Hooks / MCP の4層拡張は、自社固有の業務ルールを社内資産として蓄積する仕組みでもある。社員1名が CLAUDE.md と Skill ファイルに自社の命名規則・コードレビュー観点・git 運用を書き溜めれば、次に Claude Code を触る社員はそのまま「うちの作法」で開発できる。属人化したコードベースを「読める」状態に戻す投資としても、Claude Code は今後3ヶ月で最も費用対効果の高い選択肢である。
読者の最小アクションは、IT 兼務社員1名にClaude Pro($20/月)を渡し、社内で困っている保守タスク1本(例: 古い Perl スクリプトの Python 移行)を30日かけて完遂させること。これで「外注50万円 vs 社内3週間」の比較根拠が手に入る。
Claude Designは、Claude.ai上で動作する生成デザイン機能である。ユーザーがチャットで「展示会用のA4チラシを作ってほしい」「ブランドカラーは紺と金、見出しはセリフ体で」と指示すれば、Claudeがレイアウト・配色・タイポグラフィを自律的に決定し、編集可能な成果物を返す。
入力は自然言語の指示、ブランドガイドライン(色・フォント・ロゴ・トーン)、参考画像の3つだ。出力はSVG、PNG、PDF、HTMLに加え、Figmaへのエクスポートも視野に入っている(推定、機能の詳細は公開ロードマップ次第)。対応フォーマットはロゴ、SNS投稿画像、プレゼン資料、LP、メールデザイン、印刷物まで幅広く、いわゆる「マーケ担当が1週間で触る素材」のほぼすべてを射程に収める。モデル基盤はClaude Sonnet 4.6/Opus 4.7に視覚言語モデルチェーンを組み合わせたものと見られる(推定)。
特徴の第一は、対話で完結することだ。従来のFigmaやCanvaは「ツールの操作」を覚えることが前提だった。Claude Designは指示と修正を繰り返すだけで完成する。「もう少しモダンに」「タイトルを大きく」「右下の余白を詰めて」と話しかければ、その場で反映される。デザイナーがクライアントと向き合うときの会話プロセスを、AIがそのまま受け止める設計である。
第二は、ブランド一貫性の自動維持だ。一度ブランドガイドラインを設定しておけば、すべての成果物が同じトーンで揃う。色のRGB値、フォントファミリ、余白ルール、ロゴ配置をClaudeが記憶し、外注デザイナーが交代するたびに発生する「微妙にズレた成果物」問題が消える。SMBにとってブランド毀損のリスクが下がる意味は大きい。
第三は、マルチフォーマット同時生成である。1つの指示から、Instagram投稿用1080×1080、X用ヘッダー1500×500、A4チラシ、メールヘッダーまで一括で生成できる(推定、機能仕様は段階リリース)。SMBのマーケ担当が1人で全媒体を回す現場では、ここの生産性が桁違いに変わる。
第四は、編集可能性だ。生成結果は単なる画像ではなく、SVGやHTMLとして構造を持って出力される。テキスト差し替え、色変更、要素の入れ替えがコードレベルで可能で、デザイナーが二次加工する際の手戻りが少ない。「AIが作ったものを微調整したいだけなのに、結局ゼロから作り直し」という典型的な徒労が起きにくい。
Claude Designの位置付けを理解するには、米国先端AI動向の文脈に置く必要がある。2024〜2025年の生成AI業界は「対話で完結する仕事」をテーマに動いてきた。コードはCursorとClaude Code、文章はChatGPTとClaude、分析はCode Interpreterで、それぞれ対話化が進んだ。最後に残されていた領域が、ビジュアル制作=デザインである。Anthropicがここに参入したことで、ナレッジワーカーの主要4業務である「書く・調べる・コードする・デザインする」がすべてLLM対話で完結する世界線がほぼ揃った。
Claude Designは単体機能ではなく、Anthropicのエージェント戦略の一部と見るべきだ。Claude Code(エンジニア対応)、Claude Skills(業務ワークフロー)、Claude Design(ビジュアル対応)の三層構成で、SMBの全業務をClaude経由でカバーする狙いが透ける。Anthropicは個別機能の競争ではなく、業務OSとしての立ち位置を取りに来ている。
影響を最も受けるのは既存デザインSaaSである。Figmaは年商10億ドルを超えるが、Claude Designが「Figmaを覚える必要がない」という訴求で来ると、長期的にエディタの利用頻度を侵食する。Figmaが2024年にFigma AIを急ぎローンチしたのもこの文脈と読める。CanvaもAdobeも、自社ツール内でのAI拡張で対応してきたが、「ツールを開かない」前提のClaude Designとは戦い方が違う。
なぜAnthropicが優位に立てるのか。理由は単純で、画像生成モデルだけを持つ企業は、Claude Designに対抗できないからだ。Claudeは「ユーザーの意図を理解する推論モデル」を中核に持ち、画像生成はその出力チャネルの1つにすぎない。Midjourneyが「美しい絵」を作るのに対し、Claude Designは「ビジネス目的に最適なビジュアル」を選ぶ。この差は地味だが大きく、特にBtoBや士業のようにメッセージ整合性が問われる領域で効いてくる。
日本の従業員10〜300名規模の企業でClaude Designをどう使うか、具体的に4つの応用パターンを示す。
ひとつ目はマーケ内製化である。外注デザイナーへの月額10〜30万円の発注を半減できる。LP、バナー、SNSクリエイティブの大半は、社内マーケ担当が1人で回せるようになる。デザイナーには「最終チェック」「ブランド設計」「ハイクオリティ案件」だけを残す運用に切り替えれば、年間100〜300万円の固定費削減が現実的だ。
ふたつ目は営業資料の即時カスタマイズだ。顧客ごとに営業資料を作り変える工数は、地味だが大きい。Claude Designで「A社向けにロゴと業界カラーを差し替えた提案書」を5分で生成できれば、商談1件あたり1〜2時間の工数が消える。営業10名規模なら月160〜200時間の創出になる。提案資料の質が均質化することで、新人営業の立ち上がりも早まる。
みっつ目は採用ブランディングである。中小企業の弱点である採用広報を底上げできる。Wantedlyのトップ画像、説明会用スライド、SNS発信素材を一貫したトーンで揃えられる。エンプロイヤーブランド構築の初期投資が10分の1になる(推定)。母集団形成に悩む企業ほどリターンが大きい領域だ。
よっつ目は多言語展開である。グローバルECやインバウンド対応で、同じデザインを英・中・韓・日で展開する手間が消える。テキスト差し替えを対話で指示するだけで全バージョンが生成されるため、翻訳会社と制作会社の二重発注が不要になる。
導入ステップはシンプルだ。第1にブランドガイドラインを文章化する。色・フォント・トーンを3行で書ければ十分である。第2にClaude Proアカウントを契約する(月20ドル/人)。第3にマーケ担当1名で2週間試運用し、まずは社内向け資料からスタートする。第4に月次の制作物リストを棚卸しして、社外向けに段階展開していく。
注意点として、社内ガイドラインで「AI生成物の使用範囲」を明文化することを勧める。社外印刷物や契約書添付資料はNG、SNSとLPはOK、といった用途切り分けを最初に決めておけば、後で揉めない。
Claude Designは、SMBにとって「デザイナーを雇えない」というハンデを実質的に消す可能性を持つ。これまで広告代理店や制作会社に支払っていた予算が、社内の生産性投資に振り替わる流れは止まらないだろう。
次の3ヶ月の注視ポイントは4つある。第1に日本語タイポの仕上がり水準だ。公式デモが英語中心のため、日本語縦書きや明朝体での出力品質は要検証である。第2にFigmaエクスポート機能。デザイナーが二次加工する企業にとって死活的に重要になる。第3に価格体系で、Pro契約に含まれるのか追加課金型かでコスト計画が変わる。第4に競合の追随で、OpenAIとGoogleの対抗機能リリースのタイミング次第で、ツール選定の最適解が変動する。
AI Wire購読者へのアクションとして提案したいのは、今のうちに自社のブランドガイドラインを言語化しておくことだ。これがあれば、どのAIデザインツールが勝者になっても即座に乗り換えられる。逆にガイドライン未整備の企業は、どのツールを使っても出力品質がばらつく。ツール選びより前に、自社の「らしさ」を1ページに書き出すことから始めるべきである。
読者が次の30日で取れる行動は、(1) 現在 Canva / Figma / Photoshop に支払っている年間ライセンス費を棚卸し、(2) Claude Design のベータ枠が解放されたらサインアップ、(3) 直近のキャンペーン用 LP・営業資料・採用バナー1セットを Claude Design で試作する、の3点。「対話だけで作れる」体験が想定通りなら、年間100万円規模の外注費圧縮が現実になる。一方、ブランド一貫性の管理(色・フォント・トーン)は Claude Design の Brand Kit 機能で集約できるか、社内デザイナー側の補正が必要かを早めに見極めるべき。
AI Wire としては、Anthropic Labs 発の新ツール群が Figma / Canva の市場をどこまで侵食するかを継続追跡する。
MCPの本質は、AIモデルと外部システムを繋ぐ『インターフェイスの標準化』にある。MCP以前は、M個のAIモデル(Claude、GPT、Geminiなど)とN個の外部ツール(Slack、GitHub、社内DBなど)を繋ぐには、最悪M×N通りの個別実装が必要だった。各社が独自のFunction CallingやPlugin仕様を持っていたため、SlackをClaudeで使う実装とGPTで使う実装は別物になり、ベンダーロックインの温床にもなっていた。
MCPはここに『単一の標準インターフェイス』を持ち込んだ。AIモデル側(クライアント)と外部ツール側(サーバー)の双方が同じJSON-RPC 2.0準拠の仕様に従えば、組み合わせは自動的に成立する。実装者は自分の側だけ作ればよく、相手側がどのモデルか、どのツールかを意識する必要がない。USB-CがノートPC・スマホ・周辺機器の接続を一本化したのと同じ構図だ。
MCPサーバーは3種類の機能を公開できる。
第一に『Tools』(ツール)。これはAIが能動的に呼び出す関数で、Function Callingに近い。例えば『GitHubのissueを作成する』『Slackにメッセージを送る』『社内DBに対してSQLを発行する』といった操作がToolsとして公開される。AIは入力スキーマと説明文を参照し、必要なタイミングで呼び出す。
第二に『Resources』(リソース)。これはAIが受動的に読み込むデータで、ファイルやドキュメントに相当する。MCPサーバーは『このサーバーが提供できるリソース一覧』を公開でき、AIは必要に応じてその内容を取得する。現在開いているコードエディタの内容、カレンダーの予定、業務マニュアルなどをResourcesとして提示できる。
第三に『Prompts』(プロンプト)。MCPサーバーが事前定義したプロンプトテンプレートで、ユーザーが『/
この3分離が重要なのは、AIの『読む』『書く』『対話パターン』を別個に管理できる点にある。社内文書サーバーをMCP化する場合、検索はToolsとして、個別文書の取得はResourcesとして、業務テンプレートはPromptsとして整理できる。
MCPはトランスポート層を抽象化しており、主に2種類が使われている。
業界標準化の歴史を振り返ると、優れた仕様が常に勝つわけではない。MCPが事実上のデファクトを取れた背景には3つの構造的理由がある。
第一に『先行者利益とOSS戦略』。AnthropicはMCPを完全OSS(MITライセンス)として公開し、自社製クライアントだけでなく競合製品でも使える設計を最初から採った。これは『Claudeをロックインするための独自規格』ではなく『業界全体の生産性を上げる公共財』というメッセージを明確に発した。結果、OpenAIやGoogleも『自社規格で対抗する』より『乗っかる』方が合理的だと判断した。Function Callingに対抗するplugin規格を立てて失敗したOpenAIにとって、もはや独自路線を取る合理性は薄かった(推定)。
第二に『シンプルさ』。MCPの仕様書は、LangChain系のToolkit抽象や、より野心的なエージェント連携プロトコル草案と比べてもコンパクトで、JSON-RPC 2.0という枯れた基盤に乗っている。実装者は数十行〜百行程度のコードでMCPサーバーを書ける。標準化の現場では『読みやすく、書きやすい仕様』が圧倒的に強い。
第三に『タイミング』。2024年末からAIエージェントブームが本格化し、IDE型エージェント(Cursor、Claude Code、Devin、Windsurfなど)が爆発的に増えた。それぞれが『外部ツール接続をどう実装するか』で悩んでいた時期に、MCPは既存実装を捨てて乗り換えるだけの価値を持って登場した。エコシステムが熱を帯びている瞬間に、十分こなれた標準仕様が降ってきた、というのが構造的な勝因である。
一方でMCPは万能ではない。
ステートフルなマルチターン対話のオーケストレーション、エージェント間通信(A2A: Agent-to-Agent)、長期メモリ管理などはMCPの守備範囲外で、別レイヤの規格や実装が必要になる。Googleが2025年に提唱したA2A系プロトコルは、MCPの上位レイヤとして『エージェント同士の協調』を扱う位置付けにある(推定)。MCPは依然として『単一エージェント × 外部ツール』のレイヤに焦点を絞っており、これが拡張性と引き換えに『複雑なマルチエージェント設計には別解が必要』という形になっている。
日本の従業員10-300名規模企業にとって、MCPがもたらす実装余地は大きく3つに分けて考えられる。
Notion、kintone、Slack、Salesforce、Google Workspaceといった主要SaaSは、いずれも公式または信頼性の高いコミュニティMCPサーバーが利用可能になっている(推定)。これらをClaude DesktopやChatGPT Enterprise、Microsoft Copilotに繋ぐと、自然言語で『先週の営業会議の議事録をNotionから探して要点を3行でまとめて』『Salesforceから今月のリード一覧をCSVで出して』といった操作が即座に実現できる。
従来であれば、各SaaSのAPIを叩く社内ツールをエンジニアが開発する必要があった。MCPサーバーを設定ファイルに数行追加するだけで、コーディング無しに同等以上の利便性が手に入る点が決定的に違う。情シス1名と現場推進者1名がいれば数日で立ち上がる規模感だ。
業務マニュアル、過去案件履歴、見積もりテンプレート、出退勤データなど、SMBには『外には出せないが、社内のAI業務には欠かせない』データが多い。これを自前のMCPサーバー(Python/TypeScriptで数百行)としてラップし、社内のAIクライアントから参照させる構成が現実的になった。
クラウドにデータを送らず、社内ネットワーク内でMCPサーバーを動かす構成も可能で、情報セキュリティ要件の厳しい業界(医療、士業、製造業)でも採用余地がある。委託開発で見積もっても、簡易な読み取り専用MCPサーバーであれば数十万円規模で実装可能(推定)。社内ChatGPT/Claudeに『AIに直接渡しても安全な領域』を切り出すための実装基盤として、MCPは現時点で最もコストパフォーマンスが良い。
直近で注視すべきは以下の3点である。
第一に『公式MCPレジストリの整備状況』。署名検証や脆弱性スキャンが標準化されれば、エンタープライズ採用が一段加速する。日本の大手SIerが社内向けにMCPサーバーをパッケージ販売する動きも始まりつつある(推定)。
第二に『マルチエージェント連携プロトコル(A2A等)とMCPの役割分担』。MCPだけでは表現できない協調動作を上位レイヤがどう吸収するか。GoogleおよびOpenAIの動向が決定要因になる。
第三に『セキュリティインシデントの累積』。MCPサーバーを介したプロンプトインジェクション、認証情報の漏洩などが発生すれば、運用ガードレール強化の議論が一気に進む。SMBはこの動向を見つつ、本番投入のタイミングを判断するべきだ。
MCPはすでに『インフラ』になった。次の問いは『何を繋ぐか』ではなく『繋いだ先で何を実現するか』である。SMBの経営者・情シスは、今後3ヶ月で1つでも自社固有のユースケースを試作し、AIエージェント時代の地ならしを進めるべきだ。後発でも遅すぎることはない。ただし『標準化を待つ』段階は確実に終わっている。
実装担当者の次の60日アクションは、(1) Claude Desktop または Cursor で **GitHub MCP Server** を1本接続し、Secret Scanning を有効化して PR 作成までのフローを実走、(2) 社内の Notion または kintone を MCP 経由で Claude/GPT に接続する PoC を 1 業務だけ実施、(3) 業務 SOP を1本 MCP Prompts として記述し、「/
MCP は既に「インフラ」になった。次の問いは『何を繋ぐか』ではなく『繋いだ先で何を実現するか』。
読者がまだ動いていないなら、今月が最も低い参入コストで業界標準に乗れるタイミングだ。