概要
Anthropic が主導する、AI モデルと外部システムの連携のためのオープンプロトコル。Claude Code、Cursor など主要 AI ツールで採用が進み、AWS、GitHub、Google Workspace など主要プラットフォームが MCP Server を公開。
特徴
- ベンダーロックインを避けた相互運用性
- ツール定義の標準化(JSON Schema ベース)
- サブミリ秒レイテンシでの動作
AI-ready なデータ公開への応用
デジタル庁の行政手続 MCP サーバー(約 75,000 件)は、LLM に検索・集計条件の指定だけを任せ、算術はサーバー側で実行する 設計を採る。dataset.yaml による意味定義、Parquet 採用、ファジーマッチの適用範囲の限定がポイント。
詳細: AI-ready データ設計
データ分析基盤の入口としての MCP サーバー
データ基盤で MCP サーバーを作るときの設計の要点。
- 認証はユーザー単位の OAuth — AI が見られる範囲を、その人が BI で見られる範囲に揃える(PKSHA の Lightdash 向け自前 MCP サーバー)
- 品質はサーバー側で担保 — URL や SQL のような間違えると困るものは LLM に作らせずツールが返す。巨大な応答は LLM 向けに絞り、存在しないフィールドには候補を返して 1 往復で自己修正させる
- 機微な値は返さない — PII テーブルを参照するクエリは件数・URL・SQL だけを返し、中身は人が自分の権限で確認する
- 読み取り専用のツールに限る — NVIDIA Auto Ontology の MCP サーバーは
check_answerable・ask_questionなど読み取り専用ツールだけを持ち、呼び出しはサインインしたユーザーの権限で動く - 既製の MCP サーバー — dbt Labs の dbt MCP サーバー、Lightdash の組み込み MCP(Enterprise)など。データ照会チャットボットでは、定型分析の経路をこうした BI / dbt の MCP サーバーに任せる
詳細: AI ネイティブなデータ分析基盤、NVIDIA Auto Ontology
関連ページ
- AI エージェント — MCP を利用してツール連携するシステム
- Claude Code — MCP の主要クライアント実装
- AI-ready データ設計 — MCP でデータを公開する設計パターン
- Lightdash / dbt — MCP から定義済み指標を引く BI と変換ツール
ソース記事
- SD 2026年4月号 — 2026-03
- デジタル庁の行政手続 MCP サーバーに学ぶ「LLM に計算させない」データ設計 — 2026-08-16
- BigQuery × dbt × Lightdash × MCP で作る AI ネイティブなデータ分析基盤:PKSHA の事例に学ぶ設計 — 2026-11-15
- NVIDIA Auto Ontology とは — オントロジー自動生成で AI エージェントの Text-to-SQL 精度を上げる — 2026-11-15
- データ照会チャットボットはデータ分析基盤を作ってから?ツール呼び出し・Text-to-SQL・セマンティックレイヤーの関係と進め方 — 2026-11-15