MCP と REST API の違いは何ですか？

REST は人間が設計した CRUD エンドポイント向けです。MCP は LLM Agent 向けに JSON-RPC の tools/list や resources/read で実行時にツールを発見・呼び出します。クライアントごとの統合層を書き直す必要がありません。

MCP が AI 時代の HTTP に例えられる理由は？

HTTP がブラウザとサーバーの通信を統一したように、MCP は LLM クライアントとツール Server の通信を統一します。中立で拡張可能なプロトコル層として、上層アプリはビジネスに集中できます。

MCP と A2A（Agent-to-Agent）は競合しますか？

競合しません。MCP は単一 Agent のツール利用を、A2A は複数 Agent のタスク協調を担います。MCP がツール層、A2A がワークフロー編成層として補完関係にあります。

リモート Mac で MCP Server を動かす利点は？

ノート PC のスリープで STDIO 子プロセスが切れます。リモート Mac は launchd 常駐、安定帯域、Apple Silicon 統一メモリを提供し、HTTP+SSE リモート MCP と SFTP/rsync ワークスペース同期に適しています。

2026年 MCP はなぜ AI 時代の HTTP 規格なのか——選定マトリックスとリモート Mac 常時 MCP Server 構築ガイド

HTTP が登場する前、インターネット上の各サービスは独自の socket プロトコルを持っていました。2026 年の AI ツールチェーンも同様の混沌期にあります。Cursor は GitHub に、Claude Desktop は Slack に、OpenClaw は社内 CRM に——N 個の Agent クライアント × M 個のデータソースで統合コストが指数関数的に膨らみます。Model Context Protocol（MCP） は Anthropic 発のオープン規格として、OpenAI・Google・Microsoft が全面採用し、「AI 時代の HTTP」として業界標準化を進めています。本稿では N×M 問題から MCP 三層構造、REST との本質的差異、2026 エコシステム、A2A との境界、五手順導入、リモート Mac 判断表まで整理します。

1. 序論：規格誕生前の混沌と HTTP 以降の秩序

1990 年代以前、Web ブラウザが普及する前は Gopher や FTP など、サービスごとに異なるプロトコルが乱立していました。開発者は新しいサービスを接続するたびにクライアントロジックを一から書く必要があり、保守コストはノード数の二乗に比例しました。HTTP は「リクエスト—レスポンス—リソース URI」という共通セマンティクスを定義し、Web エコシステムの爆発的成長を可能にしました。

現在の AI Agent も同型の問題を抱えています。IDE、デスクトップアシスタント、ゲートウェイフレームワークがそれぞれ「ツール呼び出し」形式を独自定義しており、GitHub 統合を三回、PostgreSQL クエリを三回書くことになります。MCP の戦略的価値は、特定製品の機能ではなく、ツール層を Agent アプリから分離し再利用可能なインフラにすることにあります。これは HTTP がコンテンツ配信をアプリから分離したのと同じ発想です。

2. N×M 問題と USB-C アナロジー

チームが 4 つの AI クライアント（Cursor、Claude Desktop、OpenClaw、自社 Agent）と 6 つのバックエンド（GitHub、Jira、社内 Wiki、PostgreSQL、Slack、S3）を使う場合、従来方式では 4×6=24 本の統合パスが必要です。API が一つ変わると四箇所を修正しなければなりません。

USB-C のアナロジーが分かりやすいでしょう。かつては Micro-USB、Lightning、Mini-USB と端子がバラバラでした。USB-C は物理層の MCPとして機能し、デバイスと周辺機器は一種類のコネクタで接続できます。MCP はソフトウェア層で同じことを実現します。各データソースに一つの MCP Serverを書けば、MCP 対応クライアントすべてで即利用可能です。

方式	統合パス数	変更コスト
ポイントツーポイント API 統合	N × M	どちらかが変わると N または M 箇所を同期
MCP 中継	N + M	Server 側を一度直せば全 Client が恩恵を受ける

3. MCP の定義・三層構造・JSON-RPC

MCP（Model Context Protocol）は LLM Agent 向けのオープンプロトコルです。Host（Cursor 等）が Client 経由で Server（GitHub MCP Server 等）に接続し、Tools（実行可能アクション）、Resources（読み取り可能データ）、Prompts（再利用可能テンプレート）を構造化して公開します。

三層構造は次のとおりです。

Host 層：LLM を載せるアプリ（IDE、デスクトップアシスタント、Agent ゲートウェイ）。会話・権限・UI を担当します。
Client 層：Host 内蔵またはプラグインの MCP Client。Server との接続ライフサイクルを管理します。
Server 層：ツールとリソースを公開する独立プロセスまたはリモートサービス。任意のバックエンド API に接続できます。

トランスポートは二つの主流があります。

STDIO：ローカル子プロセス。開発・デバッグ向け。stdin/stdout で JSON-RPC を交換します。
HTTP + SSE：リモート Server。チーム共有・常時稼働向け。Server-Sent Events でストリーム応答をプッシュします。

メッセージ形式は JSON-RPC 2.0 です。Agent 起動時に Client が tools/list を呼び利用可能ツール一覧を取得し、モデルが tools/call を選択します。REST の静的 OpenAPI 定義とは異なり、実行時 discoverability が MCP の核心です。

4. HTTP との深い類似：REST だけでは足りない理由

表面的には MCP over HTTP も REST も HTTP を使いますが、設計目標は根本的に異なります。

観点	REST API	MCP
利用者	人間が書いたコード	LLM Agent の動的推論
発見機構	OpenAPI/Swagger（静的）	`tools/list`（動的）
意味単位	リソース CRUD	Tools / Resources / Prompts
セッション文脈	通常は非内蔵	Host が管理、Server が Resources をプッシュ可能
Client 横断再利用	Client ごとに SDK 封装	一 Server、多 Client 共有

REST は「この URL は何の JSON を返すか」に答えます。MCP は「この Agent は今、世界に対してどんなアクションができ、引数は何か」に答えます。REST エンドポイントを LLM に直接渡すと URL 幻覚や引数形式エラーが頻発します。MCP は Agent 専用の抽象をプロトコル層で提供しており、HTTP が raw TCP に対して行った抽象化と同型です。

5. 2026 エコ：四大ベンダー・10,000+ Server・AAIF

2026 年時点で MCP は Anthropic 内部実験から業界標準レースの中心に位置しています。

OpenAI：ChatGPT Desktop と Responses API が MCP をネイティブサポート。GPT エコシステムに Server を直接マウントできます。
Google：Gemini CLI と Vertex AI Agent が MCP を統合。Google Workspace ツールチェーンと接続します。
Microsoft：Copilot Studio と Azure AI Foundry が MCP プラグインをサポート。社内 LOB システムを Server として公開できます。
Anthropic：Claude Desktop、Claude Code が MCP リファレンス実装として規格進化を牽引しています。

コミュニティでは MCP Server Registry に 10,000 以上の公式・コミュニティ Server が登録され、GitHub、PostgreSQL、Slack、Filesystem、Browser など主要シーンをカバーしています。2025 年末に設立された AAIF（Agentic AI Foundation） は Linux Foundation 傘下で MCP 仕様をガバナンスし、単一ベンダーへのロックインを防ぎます。W3C が HTTP を治理した経路と酷似しています。

6. 限界：セキュリティ・discoverability・A2A 補完

MCP は万能薬ではありません。採用前に境界を理解することが重要です。

セキュリティと権限

STDIO Server は子プロセスとして動作し、多ターン会話で子プロセスとメモリが蓄積する場合があります。HTTP Server では OAuth、API Key ローテーション、ネットワーク分離が必須です。本番環境では最小権限を徹底してください。Filesystem Server は allowedPaths を制限し、Database Server は読み取り専用アカウントを使います。

discoverability とツール過負荷

tools/list が過剰なツールを返すと、モデルの注意力が分散し誤選択を招きます。シーンごとに Server を分割するか、メタデータでフィルタする方が、一 Server に全部詰め込むより安定します。

A2A（Agent-to-Agent）との補完

Google が 2025 年に提案した A2A は「複数 Agent の協調編成」を解決します。調査 Agent が執筆 Agent に結果を渡す、といったフローです。MCP はツール、A2A は Agent 間タスク委譲を担い、両者は直交します。企業アーキテクチャでは、下層 MCP Server がデータソースに接続し、上層 A2A が部門横断ワークフローを編成する構成が一般的です。

7. 五手順 MCP 導入とリモート Mac 判断表

N×M 痛点の棚卸し：全 AI クライアントとバックエンドを一覧化し、重複統合と保守コスト上位 3 パスを特定します。
Server とトランスポート選定：ローカル開発は STDIO、チーム/常時稼働は HTTP+SSE リモート Server。Client のリモート URL 設定対応を確認します。
権限と discoverability：各 Server に明確な description を付与し、OAuth/API Key を設定。tools/list 出力を起動時に検証します。
リモート Mac デプロイ：Apple Silicon ノード + launchd 常駐 + 固定ログパス。子プロセス数とメモリを監視し STDIO リークを防ぎます。
SFTP/rsync 同期：MCP 設定、Skills、Prompt テンプレートを専用アカウントで同期。CI 成果物ディレクトリのホワイトリストと整合させます。

シーン	推奨トランスポート	ホスト選定
個人ローカルデバッグ	STDIO	ローカル Mac、リモート不要
チーム共有ツール層	HTTP+SSE	リモート Mac または社内 VM、OAuth 統一
7×24 Agent 自動化	HTTP+SSE	リモート Mac + launchd、ノート PC スリープ回避
高機密データ	STDIO（ローカル）	データは社内に留め、リモートは非機密 Server のみ

STDIO Server がリモート Mac 上のコードとビルド成果物にアクセスする必要がある場合、SFTP でワークスペースをマウントする方法があります。開発者はローカルで編集し、Agent はリモートノードの MCP Filesystem Server 経由でホワイトリストディレクトリを読み書きします。人間と自動化が同一の真実のソースを共有できます。

8. 結語：プロトコルこそインフラ

MCP の価値は REST を置き換えることではなく、Agent 時代の通信インフラを定義することにあります。2026 年の四大ベンダー全面採用、10,000+ Server エコ、AAIF ガバナンスは、MCP が「アーリーアダプター期」を過ぎたことを示しています。各 AI クライアント向けに統合層を書き直し続けるのは、HTTP 誕生前に各社が独自プロトコルを持っていた時代を繰り返すことです。

規格を選んだ次のステップは安定した実行環境です。HTTP+SSE MCP Server は 7×24 オンライン、十分なメモリ、安定帯域が必要であり、ノート PC のスリープは信頼できるホストではありません。SFTPMAC のリモート Mac レンタルで Apple Silicon ノードに MCP Server を配置し、SFTP/rsync でワークスペースを同期すれば、Agent ツール層と CI 成果物を同一ノードで共存させられます。一度統合すれば、どこでも使える——それが MCP の約束です。