公開日 2025/06/19更新日 2025/06/19

MCP導入の現在地〜プロダクト開発での活用のリアル〜

近年、AI技術は急速に進展し、開発現場においてもその活用が広がっています。特にAIエージェント・MCPは、ソフトウェア開発の効率化や新たな可能性を秘めています。本記事では、開発ワークフローにMCPを取り入れ、試行錯誤されている6社のエンジニアの皆さんより、現在の活用状況と今後の展望についてご寄稿頂きました。自社の取り組みに活かすヒントを得ていただく場となれば幸いです。
※ご紹介は企業名のアルファベット順となっております

株式会社エブリー

エブリーでは、「明るい変化の積み重なる暮らしを、誰にでも」をパーパスに掲げ、レシピ動画メディア「デリッシュキッチン」／小売DXプロダクト「retailHUB」／ファミリー向け動画メディア「トモニテ」／ビジネスパーソン向け動画メディア「TIMELINE」など、人々のライフスタイルを豊かにするサービスを複数展開しています。

AIファーストカンパニーを掲げ、社内業務の効率化や開発におけるAI活用のみならず、料理アシスタントである「デリッシュAI」をはじめ、様々なプロダクトでのAI活用を進めています。

これまでのAI駆動開発について

現在、私たちのチームではGithub Copilot、Cursor、DevinといったAI開発支援ツールを活用しています。
ChatGPTがリリースされた最初期には、会社として利用料を支援し、現場でのAI活用を後押しするところから始まり、 Github Copilotはリリース初期から導入、Cursorについては2025年4月から全エンジニアに加え、プロダクトマネージャーにも展開しています。
AI活用が当たり前になる時代を見据え、さまざまなAIサービスを積極的に試すことが重要だと考え、随時新しいツールの選定・導入を行っています。

運用面においては、私のチームではまだベストプラクティスを確立できていないため、プロンプトやルールをGit管理ではなく個人で管理しています。その代わりに、定期的に成功事例や失敗事例をチームで共有する体制を構築し、短期的なパフォーマンス低下を許容してでもAIに積極的に任せて検証することを推進しています。

開発組織としては、各種AIツールを用いた成功・失敗事例を共有し、ハンズオン形式で体験する勉強会を定期開催することで、実務での活用意欲を高め、他メンバーの結果から新たなユースケースを創出する環境を整備しています。
AIコーディングエージェントが登場した当初は実用的な運用イメージを描くことが困難でしたが、挑戦weekにおいて一週間自力でのコーディングを封印し、CursorまたはClineのみでの開発を実践することで、AIの得意分野と限界を明確化し、実運用への道筋を確立することができました。

MCPの導入・検証について

今回は私が所属しているTIMELINEの自社クラウドファンディングサイト「TIMELINE CROWDFUNDING」の開発におけるMCP導入について紹介します。

TIMELINE CROWDFUNDINGでは仕様作成にConfluence、バージョン管理にGitHub、CI/CDにCircleCIなどのツールを利用しています。
構成としては比較的一般的かと思いますが、これらのアプリケーションを用いて開発を行う場合、コンテキストスイッチにより効率が低下している点が課題でした。これらの課題を解決するためにMCPサーバーの導入を行いました。 MCPクライアントはCursorを利用しています。
採用しているMCPサーバーはメンバーによって異なりますが、私は通常の開発においては下記のMCPと自作MCPを利用しています。

MCPの自作方法については以前CTOの今井のtech blogで紹介されているのでぜひご確認ください。

昨今Tool Poisoning AttacksをはじめとしてMCPサーバーの脆弱性があるため、基本的に公式か自作のMCPサーバーを利用するようにしています。それらを用いる際にもMCPクライアント側の暴走で不要な操作を行わないようにGitHub MCPではPersonal access tokenで権限を絞ることや、MCP登録後に適切なtoolのみ有効にするよう対応しています。

成果や現在の課題、今後の展望について

MCPによる開発体験の向上はとても顕著に表れていて、特にAtlassian MCPやGitHub MCPではCursorから自然言語で欲しい情報の取得や情報の整理ができることでConfluenceを都度確認しにいく必要もなくなりましたし、実装している部分に関する情報のみを取得するなど、適切な粒度で情報を活用できるようになりました。

Atlassian IntelligenceでRAGのようなセマンティック検索を行う方法やAmazon Bedrockも社内で検証しましたがコストや管理運用、導入の手軽さについてもMCPが優れていると感じています。
またGitHub MCPとCircleCI MCPを用いることでCircleCIのworkflowでエラーが発生した際、エラーログを元にCursorがコードの修正を即座に実行できる点や、その変更をcommitからPull Requestの作成までGitHub MCPで処理できるため、よりスピード感を持った開発が可能になりました。

今後は各社のMCP開発がより活発になっていくと思うので前述のGitHub MCPとCircleCI MCPを合わせた運用のようにさまざまなMCPを掛け合わせることで新しい価値ややり方を模索していこうと考えています。
MCPサーバーの作成は言語ごとのライブラリーを利用することで容易にできるので、提供されていないがAPIはあるようなケースでは社内でMCPサーバーの自作を行うのも選択肢の一つになると思います。

◆執筆：ほんだだいき　開発本部開発2部TIMELINE　@hon_d7174

株式会社MonotaRO

MonotaROの藤本です。MonotaROでは、プラットフォームエンジニアリングを進めつつAI開発を社内で推進するため、MCPサーバーを内製して活用しています。

今やAI開発を導入することで開発者の生産性を大幅に向上できることは周知の事実ですが、具体的な活用を通じて組織に定着させるには、単に開発ツールを導入するだけでなく、業務知識をAI開発の中で活用できる仕組みが重要です。
そこで、MCPサーバーを通じて社内の情報を活用することで、より積極的なAI開発が可能になります。

AI開発に早く取り組むメリット

「新しいものに飛びついて先行者利益があるのか、成熟してからプロセスに組み込めばいいのではないか？」という疑問はあるかと思います。

ここ数年のAIの進歩は早く、OpenAIはGPT-3.5が4.5になり、5になろうかというほどです。前のモデルで工夫して使っていたのが次のモデルでは当たり前にできる、なんてことも珍しくありません。
しかし、早い段階で活用できる領域こそ今後の進歩に乗って加速度的に発展する可能性があります。

よく「巨人の肩に乗る」と表現されますが、それによって得られるメリットは乗っていない人からは見えにくいものです。
そして、早くからAI開発に取り組んできた人たちが今まさに注目しているのが、MCPです。

AI開発のネックを解消するMCPサーバー

基本的に、AIは自分が普段開くファイルのことは分かっているだろう、こちらが指示した以上のこともプロフェッショナルとして検討するだろう、分からなかったら聞いてくるだろう、そう期待してもそのようには動いてくれません。
むしろ、賢いエージェントほど無駄なファイルを読んだり無駄な生成をしない傾向があります。

「Vibeじゃなくて、ちゃんと社内の大量のドキュメントの中から関係するものを見つけてプロセスに合うように作業してくれ」と思うところですが、それはとてもコストがかかります。それはそもそも組織内において情報を集約することが難しいだけでなく、RAGやエージェントといった技術的に高度なものが要求されるためです。

AIが進歩したとはいえ、提供されているモデルをコンテキストウインドウの中でどう使いこなすか、を考えるのが現時点では現実的です。
新しいAIモデルはツール呼び出しができて、開発者の指示のもとでAIが自律的に社内の情報にアクセスするためにツールを活用することが可能です。そのためのツールを提供するのがMCPサーバーです。

MonotaROでのAI開発の導入

MonotaROでは、各開発チームへのAI開発ツールの導入と並行して、DevKitという社内向け開発ツールを通じてマイクロサービス開発の標準化を進めています。
そのDevKitにMCPサーバー機能を取り込むことで、ハンズオンを通じてマイクロサービス開発の中でAI開発を活用する手法をワンストップで提供しています。

こうした取り組みとプラットフォームエンジニアリングを通じて、「今すぐできる」AI開発を実践しています。

公開されているMCPサーバーか内製MCPサーバーか

MCPサーバーを作ろう、と言うと「もう誰かが作っているのではないか？すぐに公式が出るのではないか？」という反応もあるかと思います。

これだけMCPが盛り上がっていることを考えると、おそらく公式のMCPサーバーも登場するでしょう。しかし、それが社内のユースケースにマッチしているかは別問題ですし、実際に使ってみてはじめてプロンプトの難しさを実感することも少なくありません。社内のユースケースにマッチした内製MCPサーバーをプロンプトから利用できる状況を作っておくことは、将来的に公式MCPサーバーを評価する上でも役立ちます。

また、野良MCPサーバーの利用は控えた方がいいでしょう。ローカルユーザーの権限で動作するためセキュリティの懸念がありますし、プロンプトを汚染する可能性があります。

活用事例

1. 社内DBスキーマ参照ツール

DBスキーマをGitHubで管理している場合、それをMCPツールとして公開することで、AIエージェントがスキーマ情報を参照してコード生成などに活用できます。

ツール名: lookup-database-information
説明: データベーススキーマ情報を参照します。テーブル名が指定されていない場合はテーブル一覧とコメントを返し、
     指定されている場合は該当テーブルのDDLを返します。
パラメータ:
  - database_schema: データベーススキーマ名 (例: "order", "products", "web")
  - table_name: テーブル名 (オプション)

2. GitHub連携ツール

社内リポジトリのコード検索を効率化するツールも効果的です：

ツール名: search-github-code
説明: GitHub内のコードを検索します
パラメータ:
  - query: 検索クエリ
  - language: プログラミング言語（go, python, yamletc）
  - repo: 対象リポジトリ（オプション）

その他、詳細については、自社ブログの大規模コードベースをAIの業務知識に！作ってわかったMCPサーバー使いこなし術 - MonotaRO Tech Blog
にて紹介しています。

AI+MCPがもたらす変化

MCPサーバーを経由してAIからアクセスしやすい情報が整備されると、それをプロンプトを通じて活用できるようになります。そうしたAIのユースケースが集約され、開発プロセスに反映されることによってますます社内開発者のAI活用が進むという正のサイクルが期待できます。

AIネイティブな組織への進化
MCP活用の成否は、最終的には組織がどれだけAIネイティブであるかに左右されます。単にツールを導入するだけでは不十分で、組織全体として以下の要素が整っていることで成長のサイクルが生まれます。

情報の適切な集約: 開発に必要な情報が体系的に整理されている
開発プロセスの整備: GitHubやJiraなどの開発ツールが標準化されている、リリース手順が共通化されている
プロンプトの定義と共有: 有効なプロンプトパターンを組織的に共有できる

こうしたサイクルを考える上で、AIはテック組織の潤滑油として効果的なところがあり、MCPはその効果を高める添加剤のような役割を果たします。

その意味で、MCPは一度導入したらその後も使い続けなくてはならない、と言うわけではないことは念頭に置いておくべきでしょう。 AIは進歩を続けており、進歩によってMCPを使いこなせるようになることもあれば、MCPが不要になることも十分ありえます。

成長のサイクルが変わってオイルが変われば添加剤も使い分ける、それができるようになってくると成熟したと言えるのではないでしょうか。

まとめ

以上のように、「AIは十分成熟してから担当者が技術選定したりフィットギャップを検討すればよい」という考え方ではAIネイティブな組織になっていくことは難しいといえます。

開発者各自がAIツールを使いこなすだけでなく、組織としての知識をAIに活用させる仕組みを構築することで、真の意味でのAI駆動開発が実現可能になります。MCPはその実現に向けた現実的かつ効果的な一歩と言えるでしょう。

株式会社LegalOn Technologies

当社は「法とテクノロジーの力で、安心して前進できる社会を創る。」というパーパスを掲げ、法務知見とAI技術などの最新テクノロジーを組み合わせたサービスを展開するグローバルカンパニーです。

日本と米国に拠点を置き、法務業務を全方位でカバーするAI法務プラットフォーム「LegalOn Cloud」や、グローバル向けAI契約レビューサービス「LegalOn Global」などを提供しており、グローバルにおけるリーガルテックサービスの有償導入社数は7,000社を突破しています。（2025年3月末現在）
2025年1月からはコーポレート領域を支援するAIカウンセル「CorporateOn」を提供開始し、あらゆる社会課題の解決に向けて事業を推進しています。

下図は「LegalOn Cloud」のアーキテクチャを図示したものです。「LegalOn Cloud」ではマイクロサービスアーキテクチャを採用しており、後述するMCPを活用したAI駆動開発によって、フロントエンドアプリやバックエンドの各サービスの開発効率を向上させることを目指しています。MCPサーバーは、ローカルサーバーとリモートサーバーを併用する予定です。