MCPとは何か｜GTMエンジニアが知るべきAIエージェント連携の新標準

結論

• MCPはAIエージェントが外部ツールに安全・標準的にアクセスするためのオープンプロトコルだ
• API連携が「コードでの処理記述」なのに対し、MCPは「AIが自律的にツールを選択・実行」する
• GTMエンジニアにとってMCPは習得対象ではなく、API連携の前提が変わる転換点である

この記事が役立つ状況

• 対象者: GTMエンジニア / 営業企画でAI・API連携を扱う実務担当者
• 直面している課題: API連携で営業プロセスを自動化してきたが、AIエージェント時代の連携設計をどう変えるべきか判断できない
• 前提条件: HubSpot・Salesforce等のSaaS API連携経験があり、AIエージェント（Claude / GPT等）の業務活用を検討している

あなたはGTMエンジニアリングに精通したAIアーキテクトです。

以下の前提で、自社のMCP導入方針を設計してください。

# 自社の状況
- 主要利用ツール: [HubSpot / Salesforce / Slack / GitHub / その他]
- 現在のAPI連携の実装状況: [具体的に記述]
- AIエージェント活用の現状: [未着手 / PoC中 / 本番運用]

# 検討したいユースケース
1. [営業リサーチ自動化 / パイプライン異常検知 / CRMクリーニング / ナレッジ接続 から選択]
2. [自由記述]

# 出力してほしいこと
- 上記ユースケースに必要なMCPサーバーとTools/Resources/Promptsの粒度設計
- 既存API連携のうち、MCP化すべきもの・残すべきものの判断基準
- 未対応ツールへのカスタムMCPサーバー開発の要否
- 導入順序と最初の90日で達成すべきマイルストーン

GTMエンジニアリングの現場で「MCP」という言葉を耳にする機会が急速に増えている。API連携を軸に営業プロセスを自動化してきたGTMエンジニアにとって、MCPは「次に習得すべき技術」ではなく「API連携の前提が変わる転換点」として理解する必要がある。

本記事では、MCPの概念・仕組み・API連携との違いを整理し、GTMエンジニアがどのように活用・実装できるかを実務視点で解説する。

MCPとは何か——3行で理解する

MCP（Model Context Protocol） は、AIエージェント（LLM）が外部ツールやデータソースに安全かつ標準的な方法でアクセスするためのオープンプロトコルだ。

2024年11月にAnthropicが提案し、2025年以降HubSpot・Salesforce・GitHub・Slack等の主要SaaSが相次いで対応を表明。2026年現在、事実上のAIエージェント連携標準として普及しつつある。

一言で言えば、「AIが外部ツールを使うためのUSBポートの規格化」 だ。USBが登場する前、各デバイスにはそれぞれ異なる接続規格があった。MCPはAIエージェントとツールの接続を標準化することで、同じロジックで任意のツールと連携できる世界を実現する。

API連携との決定的な違い

GTMエンジニアがすでに習熟しているAPI連携と、MCPは何が違うのか。混同されやすいが、役割は根本的に異なる。

※ 記載価格は執筆時点の情報だ。正確な価格については各ベンダーにお問い合わせください。

従来のAPI連携では、「HubSpotからコンタクトを取得してSlackに通知する」という処理をコードで逐一記述する必要があった。MCPを使うと、AIエージェントが「このコンタクトの最新活動を確認してSlackに要約を送って」という指示を受け取り、必要なツールを自律的に選択・実行する。

GTMエンジニアが理解すべきMCPの構造

MCPはクライアント・サーバー型のアーキテクチャを採用している。

[AIホスト（Claude / GPT等）]
        ↕ MCP通信
[MCPクライアント]
        ↕
[MCPサーバー（ツールごとに存在）]
        ↕
[外部ツール（HubSpot / Salesforce / BigQuery等）]

MCPサーバーが提供する3つの要素

1. Tools（ツール）: AIが実行できる操作の定義（例：create_contact、update_deal_stage）
2. Resources（リソース）: AIが参照できるデータソース（例：CRMのコンタクト一覧、商談パイプライン）
3. Prompts（プロンプト）: 特定のユースケース向けに最適化された指示テンプレート

GTMエンジニアの視点では、どのToolsをどの粒度で定義するかが設計の核心になる。粒度が粗すぎるとAIの柔軟性が損なわれ、細かすぎると組み合わせの複雑性が増す。

主要GTMツールのMCP対応状況（2026年時点）

GTMエンジニアが日常的に扱うツールのMCP対応状況は急速に進んでいる。

対応済み・対応表明ツール

• HubSpot — 公式MCPサーバーを提供。コンタクト・商談・メールの操作が可能
• Salesforce — Einstein AI連携でMCPサポートを段階的に展開
• GitHub — 公式MCPサーバーが公開済み。リポジトリ操作・Issue管理に対応
• Slack — MCPサーバー経由でチャンネル読み書き・ユーザー検索が可能
• Google Drive / Docs — コミュニティ製MCPサーバーが広く利用されている

未対応・要注意ツール

一部のCRMやデータウェアハウスではMCP対応が進んでおらず、カスタムMCPサーバーの開発が必要なケースもある。その場合のアプローチは後述する。

GTMエンジニアのMCP活用ユースケース

1. 営業リサーチの自動化

AIエージェントがLinkedIn・企業サイト・CRM履歴を横断的に参照し、商談前のリサーチサマリーを自動生成する。従来はスクレイピング＋API連携＋プロンプト設計を組み合わせていたが、MCP化することで保守性が大幅に向上する。

2. パイプラインの異常検知

Salesforceの商談データをMCP経由でAIに渡し、「停滞リスクの高い案件」を自然言語で問い合わせる。閾値ベースのルールでは捕捉しにくいパターンをLLMの推論で検出できる。

3. CRMデータのクリーニング

「重複コンタクトを特定して統合候補をリストアップして」という指示を自然言語で与え、AIがHubSpot MCPサーバーを通じてデータを精査・報告する。手作業やSQL記述を大幅に削減できる。

4. 社内ナレッジベースへの接続

Notionやconfluenceに蓄積された営業マニュアル・トークスクリプトをMCPリソースとして定義し、AIエージェントが最新情報を参照しながら提案文を生成するワークフローを構築する。

MCPサーバーの構築方法——GTMエンジニア向け実装ガイド

前提スキル

• Node.js または Python の基礎（どちらか一方で十分）
• REST API の理解（API連携の基礎知識参照）
• JSON Schemaの基礎

SDKの選択

AnthropicはNode.jsとPythonの公式SDKを提供している。

# Node.js
npm install @modelcontextprotocol/sdk

# Python
pip install mcp

最小構成のMCPサーバー実装例（Node.js）

import { McpServer } from "@modelcontextprotocol/sdk/server/mcp.js";
import { StdioServerTransport } from "@modelcontextprotocol/sdk/server/stdio.js";
import { z } from "zod";

const server = new McpServer({
  name: "hubspot-gtm",
  version: "1.0.0",
});

// CRMコンタクト検索ツールの定義
server.tool(
  "search_contacts",
  "HubSpotのコンタクトをキーワードで検索する",
  {
    query: z.string().describe("検索キーワード（会社名・名前・メール等）"),
    limit: z.number().optional().default(10).describe("取得件数"),
  },
  async ({ query, limit }) => {
    // HubSpot APIを呼び出す処理
    const response = await fetch(
      `https://api.hubapi.com/crm/v3/objects/contacts/search`,
      {
        method: "POST",
        headers: {
          Authorization: `Bearer ${process.env.HUBSPOT_API_KEY}`,
          "Content-Type": "application/json",
        },
        body: JSON.stringify({
          filterGroups: [{ filters: [{ propertyName: "email", operator: "CONTAINS_TOKEN", value: query }] }],
          limit,
        }),
      }
    );
    const data = await response.json();
    return {
      content: [{ type: "text", text: JSON.stringify(data.results, null, 2) }],
    };
  }
);

const transport = new StdioServerTransport();
await server.connect(transport);

この実装を拡張することで、コンタクト作成・商談更新・メール送信など任意の操作をAIエージェントから呼び出せるようになる。

Claude Desktopでのローカル接続

開発したMCPサーバーはClaude Desktopの設定ファイルに追記するだけで即座に使用できる。

{
  "mcpServers": {
    "hubspot-gtm": {
      "command": "node",
      "args": ["/path/to/hubspot-mcp-server/index.js"],
      "env": {
        "HUBSPOT_API_KEY": "your-api-key"
      }
    }
  }
}

API連携とMCPの使い分け——GTMエンジニアの判断基準

MCPはAPIを「置き換える」技術ではなく、AIエージェントを主体とした処理フローにおいてAPIを抽象化するレイヤーだ。使い分けの基準は以下のとおり。

API連携が適する場面

• バッチ処理・定期実行など自動化ルールが固定されている処理
• リアルタイムのデータ同期（Webhook）
• AIの判断が不要な単純なデータパイプライン

MCPが適する場面

• 状況に応じてAIに判断させたい処理
• 自然言語のインターフェースで操作したいCRMデータ
• 複数ツールを組み合わせて動的に対応するエージェントワークフロー

詳しいAPI設計の考え方は営業組織のAPI戦略も参照されたい。

GTMエンジニアのMCP学習ロードマップ

フェーズ1: 使う側として理解する（1-2週間）

1. Claude DesktopをインストールしてMCPを体験
2. 公式のHubSpot MCPサーバーを接続し、CRMデータを自然言語で操作
3. GitHubのMCPサーバーリポジトリを探索し、ユースケースのイメージを広げる

フェーズ2: 既存サーバーをカスタマイズする（1-2週間）

1. OSSのMCPサーバーをforkしてローカルで動作確認
2. 既存のHubSpotサーバーに独自のツール（カスタムオブジェクト操作等）を追加
3. セキュリティ・認証（OAuthトークン管理）の仕組みを理解する

フェーズ3: 社内ツール向けMCPサーバーを構築する（1ヶ月）

1. 社内で使っているツール（CRM・MAツール・社内DB等）向けのMCPサーバーを設計
2. ツールの粒度・命名規則・エラーハンドリングを標準化
3. AIエージェントのワークフローにMCPを統合し、実業務での効果を測定

MCPとAPIの違いは何ですか？

APIはシステム間のデータ転送プロトコルであるのに対し、MCPはAIモデル（LLM）が外部ツールやデータにアクセスするための標準インターフェースです。APIはデータを取得・送信するための仕組みであり、MCPはAIが何をすべきか判断するためのコンテキストを提供する仕組みという位置づけです。両者は補完関係にあります。

MCPはGTMエンジニアに関係ありますか？

直接関係します。MCP対応のCRM・MAツールが増えることで、AIエージェントがHubSpotのコンタクト情報を参照しながらメール文案を生成したり、Salesforceの商談データを分析してネクストアクションを提案したりするワークフローが構築できます。GTMエンジニアはこの連携設計の中核を担います。

まとめ

MCPはGTMエンジニアにとって「APIの延長線上にある新しいインターフェース標準」だ。API連携でデータパイプラインを構築するスキルは引き続き必要だが、AIエージェントが営業プロセスの中枢を担う時代において、MCPはそのエージェントとツールを繋ぐ共通言語になる。

早期に習得することで、「AIに自律的に動いてもらう営業オペレーション」の設計者として差別化できる。まずはClaude DesktopとHubSpot MCPサーバーの接続から始め、小さく体験することを推奨する。RevOpsにおけるMCPの活用についてはRevOps × AIエージェント活用ガイドも参考になる。

関連記事

• API連携の基礎知識｜GTMエンジニアが押さえるべきREST APIの実践
• 営業組織のAPI戦略｜ツール間連携の設計思想とベストプラクティス
• GTMエンジニアのAIツール活用ガイド