MCPとは？ローカルAIにツールを使わせる仕組みを初心者向けに解説

導入前に確認すること

• Windowsのバージョン、メモリ容量、GPU/VRAM、空き容量を確認する
• 最初は軽量モデル、短い質問、少ない同時作業から始める
• 公式サイトの対応OS、利用規約、モデルのライセンスを確認する

MCPとは

MCPはModel Context Protocolの略で、AIアプリが外部ツールやデータソースとつながるための共通ルールとして使われます。MCPサーバーは、ファイル、データベース、API、カレンダー、メモなどの機能をAIアプリへ見せる役割を持ちます。

ただし、MCPは魔法の自動化ボタンではありません。外部ツールを使えるということは、権限、データ送信、ファイルアクセス、実行コマンドのリスクも増えるということです。

AIにツールを使わせるとは

AIにツールを使わせるとは、AIが「この関数を呼びたい」「このデータを検索したい」と判断し、アプリ側がその処理を実行して結果をAIに戻す流れです。AI自身が直接ファイルやAPIを勝手に操作するのではなく、ホストアプリやコードが間に入ります。

LM StudioのTool Use公式情報でも、LLMは関数呼び出しをリクエストし、実際の実行はあなたのコードが行い、その結果をLLMに戻す流れとして説明されています。

Tool Callingとは

Tool Callingは、AIに利用可能な関数やツールの一覧を渡し、必要なときに呼び出し要求を出させる仕組みです。API連携では、関数名、説明、引数のスキーマを渡す形がよく使われます。

モデルによってツール呼び出しの得意不得意はあります。対応モデルやテンプレート、API実装によって品質が変わるため、必ず小さなテストから始めてください。

API・JSON出力・RAG・MCPの違い表

APIとMCPの違い

APIは、あなたのアプリやコードがAIを呼び出す窓口です。MCPは、AIが使う道具やデータソースをホストアプリにつなぐ仕組みです。

たとえばAPIは「自作アプリからローカルAIに分類を頼む」方向です。MCPは「AIがファイル検索ツールやデータベースツールを使えるようにする」方向です。

ローカルAIでMCPを使うと何ができるか

ローカルAIでも、対応アプリや設定によって、ファイル検索、Web検索、メモ参照、データベース問い合わせ、コード補助、外部API連携などができる可能性があります。

ただし、ツールが増えるほど、AIが見る情報、呼び出せる機能、誤操作の範囲も広がります。便利さと安全性はセットで考えてください。

JanとMCPの関係

Janは、自分用AI環境やAPI接続を比較したい人の候補です。MCPやツール連携の対応状況は変わりやすいため、実際に使う前に公式情報と現在の設定画面を確認してください。

Janを使う場合も、ローカルモデルだけなのか、クラウドAIや外部APIを使うのか、どのデータが外へ出るのかを分けて見ます。

LM StudioとMCP・ツール連携の関係

LM Studioは、Tool UseやMCPサーバー接続に関する公式情報を提供しています。ローカルモデルを起動するだけでなく、外部ツールを使う方向へ広げられる場合があります。

LM Studio公式でも、信頼できないMCPを入れないこと、MCPサーバーがローカルファイルやネットワークへ広いアクセスを持つ可能性があることが注意されています。

MCPでできること・注意点表

危険な使い方の例

信頼できないMCPサーバーをそのまま入れる、ホームディレクトリ全体を読み書き可能にする、削除や送信を自動承認する、APIキーや秘密情報へアクセスできる状態にする、といった使い方は危険です。

この記事では、危険な自動化手順は扱いません。初心者は、読み取り専用、限定フォルダ、テスト用データ、人間の確認あり、という範囲から始めてください。

ローカルだから安全とは限らない理由

ローカルAIでも、MCPサーバーやツールがファイル、ネットワーク、外部API、認証情報へアクセスする場合があります。ローカルで動くことと、安全であることは同じではありません。

MCP公式のセキュリティ情報では、ローカルMCPサーバーが同じ権限でコマンド実行やファイルアクセスを持つリスク、スコープ最小化、ユーザー同意、危険なコマンドの警告などが説明されています。

初心者はどこまで触ればいいか

最初はMCPサーバー構築ではなく、仕組みを理解し、信頼できるツールで、読み取り中心の小さな連携を試す程度で十分です。ファイル削除、コード実行、DB更新、外部送信を自動化するのは後回しにしてください。

MCPを使う前に、API、JSON出力、RAGの違いを理解しておくと、何をどこまで任せているのか見えやすくなります。

JSON出力・API・RAGとの違い

JSON出力は返答の形を整えるものです。APIはAIを呼び出す窓口です。RAGは文書を検索して回答の材料にする仕組みです。MCPは、AIが外部ツールやデータソースと連携するための仕組みです。

• ローカルAIでJSON出力する方法 - 返答の形を整える方法を見る
• ローカルAIをAPIで使う方法 - 自作アプリからAIを呼び出す基本を見る
• PDF・文書チャットの使い分け - RAGや文書活用との違いを見る

次に読む記事

• Janとは - 自分用AIアプリとして比較する
• LM Studioの基本情報 - ローカルモデルとツール連携の入口を見る
• Ollamaの基本情報 - APIや開発連携寄りの実行環境を確認する
• RAG・埋め込み・ベクトルDBの仕組み - 外部文書を回答に使う仕組みを見る

よくある質問

MCPとは簡単に言うと何ですか？

AIアプリが外部ツールやデータソースとつながるための仕組みです。ファイル、API、データベース、メモなどをAIが使いやすくするために使われます。

MCPとAPIは何が違いますか？

APIは自分のアプリやコードからAIを呼び出す窓口です。MCPは、AIが使う外部ツールやデータソースをつなぐ仕組みです。

MCPとRAGは何が違いますか？

RAGは文書を検索して回答に使う仕組みです。MCPは文書だけでなく、外部ツール、API、ファイル、データベースなどと連携する仕組みです。

ローカルAIでMCPを使うと安全ですか？

安全とは断定できません。ローカルでもファイルアクセス、コマンド実行、外部送信、認証情報の扱いが関係するため、権限を絞って確認してください。

初心者もMCPを使うべきですか？

急ぐ必要はありません。まずAPI、JSON出力、RAGの基本を理解し、必要になったら読み取り専用・限定フォルダ・テスト用データから試すのが現実的です。

JanやLM StudioでMCPは使えますか？

対応状況はツールやバージョンで変わります。LM StudioはMCP関連の公式情報がありますが、実際に使う前に現在の公式ドキュメントと設定画面を確認してください。

次に読むおすすめルート

開発・API連携したい人

LM StudioとOllamaの違いを確認し、API、長文処理、RAGまで段階的に進みます。

1. ローカルAIをAPIで使う方法
2. ローカルAIでJSON出力する方法
3. LM StudioとOllamaの違い
4. コンテキスト長とは
5. RAG・埋め込み・ベクトルDBの仕組み
6. RAG評価と引用確認の基礎
7. faithfulness確認
8. ローカルRAGのプライバシー
9. ローカルLLMの安全性とプライバシー
10. Gemma 4 12Bの更新メモ
11. Hermes Desktopとは
12. Hermes DesktopとLM Studio接続
13. Hermes DesktopとOllama接続
14. Hermes Desktop接続トラブル
15. Hermes DesktopでOpenRouterを使う
16. Hermes DesktopでDeepSeek APIを使う
17. Hermes DesktopでProviderを使い分ける
18. Hermes DesktopとLM Studio接続の確認ポイント
19. Hermes AgentとDesktopの違い
20. Ollamaとは
21. Ollamaの解説
22. 診断基準
23. 比較表

あなたはどのタイプ？

• 初めてローカルAIを触る人 - まず全体像をつかみ、LM StudioとOllamaの違い、モデルサイズの考え方を順番に確認します。
• GPUなし・低スペックPCの人 - 軽量モデル、メモリ別の目安、重いときの確認ポイントを先に見ます。
• PDFや資料を読ませたい人 - 先に基本を押さえ、モデル単体の確認後にAnythingLLMへ進みます。
• 開発・API連携したい人 - LM StudioとOllamaの違いを確認し、API、長文処理、RAGまで段階的に進みます。