MCP・API・既存システム連携｜AIエージェントと社内データをつなぐ導入支援

AIエージェントを実際の業務で活用するには、生成AIだけでは足りません。PLM、ERP、CRM、情報共有基盤、データベース、ファイル、Webシステムなど、企業内にある情報や機能を、AIから安全に利用できる状態にする必要があります。

GBSは、新しいAIシステムへすべてを置き換えるのではなく、既存システム・既存データを活かすことを前提に、MCP、API、データベース連携、ファイル連携などから適切な接続方法を検討します。

重要なのは「AIとシステムがつながること」そのものではありません。どの情報を正本とするか、誰の権限で利用するか、AIが何を実行できるか、どこで人の承認を必要とするかまで含めて設計することで、AIエージェントが実際の業務で利用できる環境を目指します。

このようなお悩みはありませんか

AI時代のシステム連携では、「接続できるか」だけでなく、「AIがその接続をどう利用するか」を考える必要があります。

AI導入で重要なのは、「既存システムを捨てること」ではなく「AIから使えるようにすること」

企業には、長年の業務で利用してきた多くのシステムとデータがあります。

PLMには製品情報やBOM、ERPには受発注や会計情報、CRMには顧客・商談情報、情報共有基盤には文書や社内ナレッジが蓄積されています。

これらをAI活用のために一律に別システムへ移行する必要はありません。

GBSでは、既存システムが持つ役割を整理し、そのシステムを情報の正本として残しながら、AIエージェントが必要な情報や機能を適切な範囲で利用できる構成を検討します。

AIが別の場所にすべてのデータを複製するのではなく、必要なときに既存システムから情報を取得したり、許可された操作を実行したりできる状態を目指します。

MCPとは ― AIとデータ・ツールをつなぐための標準的な接続方式

MCP（Model Context Protocol）は、AIアプリケーションと外部のデータやツールを接続するためのオープンなプロトコルです。

従来は、AIアプリケーションごと、業務システムごとに個別の連携処理を実装するケースが多くありました。MCPでは、AIが利用できるツールや情報を共通の方法で公開し、MCPに対応するクライアントから利用できるようにします。

MCPサーバーは、AIが利用できる情報や機能を、用途に応じて公開します。

• Tools：検索、登録、計算、システム操作など、AIが実行できる機能
• Resources：文書、データ、システム情報など、AIが参照できる情報
• Prompts：特定の業務や利用目的に応じたプロンプトなど

MCPを利用することで、AIと各システムとの接続方法を標準化しやすくなり、AIモデルやAIアプリケーションが変わった場合にも、既存のデータやツールを活用しやすい構成を検討できます。

MCPとAPIは、どちらか一方を選ぶものではありません

MCPとAPIは競合する技術ではありません。

APIは、システムが外部へデータや機能を提供するためのインターフェースです。一方、MCPは、AIアプリケーションやAIエージェントから、それらのデータやツールを利用しやすくするための標準的な接続方法です。

例えば、既存システムがすでに提供しているAPIをMCPサーバーの内部から呼び出し、その機能をAIエージェントへToolとして公開する構成も考えられます。

すべてをMCP化する必要はありません

MCPはAIとシステムを接続する有力な選択肢ですが、すべての連携をMCPへ変更する必要はありません。

用途、既存システムの仕様、処理頻度、リアルタイム性、安全性、運用体制などによって、適した接続方式は異なります。

GBSでは、「MCPを導入すること」を目的にせず、API、Webhook、データベース接続、ファイル連携、既存の連携基盤などを含めて、業務に適した構成を検討します。

MCPサーバーは、AIへ何を公開するかを決める重要な境界

MCPサーバーを構築する場合、既存システムのすべての機能をそのままAIへ公開する必要はありません。

むしろ、「AIが業務上必要とする機能だけを、適切な粒度で公開する」ことが重要です。

例えば、基幹システムの汎用的な更新APIをそのままAIへ渡すのではなく、「対象案件の状態を確認する」「指定した部品情報を取得する」「承認済みデータだけを登録する」といった業務単位のツールとして整理する方法があります。

GBSでは、接続技術だけでなく、現在の業務プロセスとシステムの役割を確認したうえで、AIへ公開する機能の単位を整理します。

「つながること」と「安全に使えること」は別の問題です

MCPを導入したからといって、AIとシステムの接続が自動的に安全になるわけではありません。

AIエージェントが利用できる情報やツールが増えるほど、認証、アクセス権、実行権限、人による承認、ログなどの設計が重要になります。

AIの接続方式と、AIの実行を制御する仕組みは分けて考える必要があります。

AIから利用する前に、「情報の正本」を整理する

AIとシステムを接続すると、技術的には複数の情報源を同時に利用できるようになります。しかし、複数のシステムに似た情報が存在する場合、「どの情報が正しいのか」が整理されていなければ、AIも正しい情報を判断できません。

例えば、製品名、顧客情報、担当者、価格、部品情報などが複数システムに存在し、それぞれ内容や更新日時が異なっている場合があります。

そのため、AI連携の前提として次の点を整理します。

• どのシステムを情報の正本とするか
• どのシステムがその情報を更新するか
• 複製された情報はどのタイミングで同期されるか
• 最新版をどのように判断するか
• AIはどの情報源を優先して参照するか
• 情報が矛盾した場合にどう処理するか

AI連携を検討することで、それまで人が経験的に補っていた情報管理上の問題が見えることもあります。

GBSでは、単にAIを接続するのではなく、業務と情報の流れまで確認し、AIが利用できる情報基盤を整理します。

既存システムごとに、AIとの接続方法を整理する

接続方式は、業務・システム・リスクから選ぶ

AIと既存システムをつなぐ方法はMCPだけではありません。

GBSでは、現在のシステム構成と業務要件を確認し、必要に応じて複数の接続方式を組み合わせます。

新しい技術へ置き換えることより、既存環境を活かしながら保守性、安全性、コストのバランスが取れた構成にすることを重視します。

MCP・AI連携では「ツールの意味」をAIが理解できる設計も重要です

AIから利用できるツールを増やしても、それぞれの役割や利用条件が曖昧であれば、AIが適切なツールを選べない可能性があります。

そのため、MCPサーバーやAI向けツールの設計では、単に既存APIを公開するだけでなく、「このツールは何をするものか」「どのような場合に利用するのか」「どの入力が必要か」「どの結果を返すのか」を明確にします。

• ツールの目的を明確にする
• 似た機能のツールを必要以上に増やさない
• 入力項目と入力可能な範囲を制限する
• 出力をAIが扱いやすい構造にする
• エラーや例外をAIが判断できる形で返す
• AIが次の処理を判断するために必要な情報を返す

AIにとってわかりやすいツール設計は、誤ったツール選択や不要な再試行を抑え、処理時間や利用コストを管理するうえでも重要です。

MCP・既存システム連携のPoCで確認すること

MCPサーバーが起動し、AIからツールを呼び出せただけでは、本番利用できるとは判断できません。

GBSでは、実際の業務を想定し、接続、権限、データ品質、操作結果、性能、運用などを確認します。

• 必要なデータを正しく取得できるか
• AIが適切なツールを選択できるか
• 利用者の権限が正しく反映されるか
• 権限外の情報へアクセスできないか
• 誤った入力や想定外の指示を適切に処理できるか
• 更新処理が意図した範囲に限定されているか
• 人による承認が必要な処理を自動実行しないか
• システム・APIへの負荷が許容範囲か
• 処理時間が実際の業務で利用できる範囲か
• AIによる不要なツール呼び出しやリトライがないか
• 実行履歴を必要な範囲で確認できるか
• エラー時に停止・再実行・人への引き継ぎができるか

PoCでは「MCPが動くか」ではなく、「AIエージェントが既存システムを使って実際の業務を安全に完了できるか」を確認します。

GBSのMCP・API・既存システム連携支援の進め方

1．対象業務を整理する

まず、AIから何の情報を取得し、どの処理を実行したいのかを整理します。接続技術から考えるのではなく、AIエージェントが担当する業務を明確にします。

2．既存システム・データを確認する

必要な情報がどのシステムにあるか、どの情報を正本とするか、APIやその他のインターフェースが利用できるか、現在の認証・アクセス権はどうなっているかを確認します。

3．接続方式を選定する

MCP、API、データベース接続、ファイル連携、既存連携基盤などから、対象業務と既存環境に適した方法を検討します。

4．AIへ公開するツール・データを設計する

AIが利用できる情報、実行できる操作、入力項目、出力結果、実行条件などを整理します。必要以上のデータや機能を公開しない構成を検討します。

5．認証・権限・承認を設計する

利用者のアクセス権、AIの実行権限、人による承認、ログなどを整理します。重要な処理については、AIだけで実行を完結させない方法も検討します。

6．PoCで実際の業務を検証する

限定した業務・システムから接続し、データ取得、ツール選択、権限、処理時間、安全性、システム負荷、運用方法などを確認します。

7．本番導入・運用へつなげる

PoCの結果をもとに、監視、ログ、障害対応、仕様変更への対応、接続先・ツール管理などを整理し、段階的に対象システムや業務を広げます。

GBSが既存システムとのAI連携で重視すること

AIエージェントと既存システム連携は、一体で考える

MCPやAPIは、AIエージェントへデータやツールを提供するための接続手段です。

実際の業務自動化では、その接続を使ってAIが何を行うか、どこまで自動で処理するか、何をもって業務完了とするか、人がどこで判断するかまで設計する必要があります。

よくある質問

既存システムを、AIエージェントが安全に使える仕事道具へ

AI活用のために、これまで構築してきた業務システムをすべて作り直す必要はありません。

重要なのは、既存のシステム・データの役割を整理し、AIから利用するために必要な接続方法、権限、業務ルールを設計することです。