AI・エージェント

社内ツールをMCP対応させたら何が起きたか——実装レポート

2026.02.17 / 読了目安 7分 / 執筆: Qronix 開発チーム

#AIエージェント#CAD自働化#データ連携#内製化

2026年に入り、MCP対応ツールを社内標準にする動きが一気に進んでいます。私たちも自社の工数集計とツール配布台帳をMCP対応させ、AIから直接引けるようにしました。結論から言えば、定型の問い合わせ対応が大きく減った一方、ツール定義の設計では派手につまずきました。本記事はその実装レポートです。

ネットワークケーブルPhoto: Unsplash
CONTENTS
1. なぜ社内ツールをMCPにつないだのか 2. 何をつないだか 3. 実装の手順 4. 起きた変化を数字で 5. つまずきと教訓

なぜ社内ツールをMCPにつないだのか

MCPはAIと外部ツールをつなぐ共通規格で、2024年末の登場から採用が広がり、いまや社内システムをMCP対応させること自体が標準化の流れになっています。私たちがこの波に乗った理由は単純で、社内の問い合わせ対応に時間を取られていたからです。

「このCATIAマクロの最新版はどれ?」「先月のツール実行回数は?」。答えは台帳やログにあるのに、聞かれるたびに人が開いて調べて返信していました。データはあるのに、届ける手段が人力。これが私たちの出発点でした。

AIチャットに聞けば台帳を引いて答えてくれる状態を作れれば、この往復は消えます。個別連携を作り込むのではなく、MCPという標準の口を一つ作る。連携先が増えても実装が線形に増えないのが、規格に乗る最大の利点です。

MCPをめぐる流れと私たちの実装2024年11月MCP登場。AIとツールをつなぐ共通規格として公開2025年主要AI各社・開発ツールが相次いで対応、採用拡大2026年初社内システムのMCP対応を標準とする動きが広がる2026年2月私たちも工数集計・ツール台帳・実行ログを接続
規格の普及を待ってから乗る判断も設計のうち

何をつないだか

対象は3つに絞りました。第一に工数集計データベース。案件別・月別の実績を読み取ります。第二にツール配布台帳。社内で配布しているマクロやツールの名称・バージョン・配布先の一覧です。第三にツールの実行ログ。どのツールが、いつ、何回使われたかの記録です。

共通するのは、すでに構造化されていて、問い合わせの頻度が高いデータだということです。逆に、非定型な設計ノウハウのような「文章の知識」は今回見送りました。MCP化の効果が出るのは、まず定型データからです。

なお、つないだのは全て読み取りです。台帳の更新やログの削除といった書き込み系の操作は、この時点では一切公開していません。理由は後述しますが、これは臆病ではなく設計です。

データはあるのに届ける手段が人力。
MCPはその配管工事だった

実装の手順

手順は5段階でした。まず既存DBの前に読み取り専用のAPIを立てる。次にMCPサーバーとしてツール定義を書く。ここで公開する操作を絞り込みます。第三に認証。社内ネットワーク限定にした上でトークンを発行し、誰のAIから呼ばれたかを特定できるようにしました。

第四にログです。AIからの呼び出しを全件記録します。どんな質問に対してどのツールが呼ばれたかが見えると、定義の改善点がすぐ分かります。最初の一週間は読み取り専用で運用しました。この期間のログが、その後の設計を全部決めたと言っていいほど有益でした。

最後が書き込みの検討です。私たちは特許取得済みのAIエージェント「Qi」で「AIに作らせず、検証済みツールを選ばせ、実行前にDSLの関所で検査する」という構成を取っていますが、MCPでも考え方は同じです。書き込み系は最後まで人の承認を残す。この原則だけは崩していません。

社内ツールMCP対応の実装手順読み取り専用APIを用意既存DBには直接触らせないツール定義を絞って公開細分化せず汎用の検索に束ねる認証と呼び出し元の特定社内限定+トークンで誰のAIかを記録全呼び出しをログに記録定義改善の材料は最初の一週間に集まる書き込みは人の承認付きで検討実行前検査の関所を通す設計を維持
書き込みは最後。まず読み取り専用で一週間観察する

起きた変化を数字で

効果が最も分かりやすかったのは問い合わせ対応です。台帳系の定型質問はAI経由で自己解決されるようになり、実測で定型問い合わせの6割が消えました。残る4割は判断を伴う相談で、これは人が答えるべきものです。

副次的な効果もありました。AIから引かれるようになると、台帳の記載漏れや表記ゆれが即座に露呈します。人間は行間を読んで探し当てますが、AIは正直に「見つかりません」と返す。データ品質の悪さが可視化され、台帳を直す動機が生まれました。

一方で、工数集計のような集計系は期待よりも使われませんでした。月次で見る数字は月次のレポートで足りていたからです。MCP化が効くのは「不定期に、単発で、すぐ知りたい」タイプの問い合わせだと分かりました。

MCP接続後の定型問い合わせ60%6割が削減残り4割は判断を伴う相談として人が対応
台帳系の定型質問はAI経由の自己解決に移行(当社実測)

つまずきと教訓

最大のつまずきはツール定義の粒度です。最初、私たちは良かれと思って検索条件別に細かいツールを20個近く定義しました。結果、AIはどれを呼ぶべきか迷い、的外れな呼び出しが増えました。ツール定義は増やすほどAIが迷います。汎用の検索ツール数個に束ね直したら、精度は目に見えて上がりました。

説明文の書き方も効きます。ツールの説明は人間向けのAPI仕様書ではなく、AIが「いつ使うか」を判断するための文章です。「〜を検索する」ではなく「ツールの最新バージョンを聞かれたらこれを使う」と用途で書く。これだけで選択ミスが減りました。

これから社内ツールのMCP対応を検討する方への助言は3つです。読み取り専用から始める。ツール定義は少なく束ねる。呼び出しログを最初から取る。派手さはありませんが、この3つで立ち上がりの失敗はほぼ避けられます。

AIエージェントをどう組み立てればいいか分からない——そこで止まっているなら、遠慮なく相談してください。何を任せて何を任せないかの線引きから、一緒に決めていけます。

社内ツールをMCPにつなぐ手順定型の問い合わせに人の時間が取られる構造化済みで頻度の高いデータを選ぶ既存DBの前に読み取り専用APIを立てるMCPのツール定義公開する操作を絞る社内限定+トークンで呼び出し元を特定AIからの呼び出しを全件ログに残す1週間は読み取り専用で運用的外れな呼び出しが増えている?定義を数個に束ね説明を用途で書く書き込み系の操作を公開する?人の承認を残す定型の質問はAI経由で解決はいいいえはいいいえ
図4: 読み取り専用から始め、呼び出しログで定義を見直し、書き込み系には人の承認を残すまでの流れ。
Qronix 開発チーム

CATIA歴22年超・愛知県の大手自動車メーカー及びグループ各社でCATIAツール開発の技術責任者を務めたメンバーを中心とする、CAD自働化のスペシャリスト集団。2024年創業、特許第7907964号を保有。

「うちの資産でもできる?」
まずその質問からどうぞ。

できる・できないの判定と自働化設計書のご提案までは無料です。

contact@qronix.jp へ相談する
記事一覧をすべて見る →
← 記事一覧へトップページへ →