MCPとAPIは何が違うのか：AI時代のプロトコルを基礎から整理する

APIは数十年にわたり、システム間の「共通言語」として機能してきた。エンドポイントを定義し、リクエストを送ればレスポンスが返る——予測可能でクリーンな仕組みだ。従来型ソフトウェアにはこれで十分だった。

しかし大規模言語モデルが登場すると事情が変わる。モデルは1つのエンドポイントだけでなく、10個のエンドポイントを連鎖させたり、非構造化データを解釈したり、追加の質問をしたりする必要がある。単なる「ツールへのアクセス」だけでなく「文脈(コンテキスト)」そのものを必要とするようになった。

MCPサーバーは、サービスやデータソースのそばに置かれる軽量なプロセスで、自分が何をできるかをJSON schemaで記述する。モデルはWebSocketやHTTPなど標準化されたインターフェース経由でこのサーバーに接続し、利用可能なリソースのメタデータを受け取る。

接続後、モデルは推測ではなくメタデータをもとに関数を直接呼び出せる。必要な入力、各フィールドの意味、期待される出力形式まで自己記述されているため、開発者がスキーマをプロンプトエンジニアリングしたりレスポンスを整形し直したりする必要がない。個別のAPI統合ごとにドキュメントを読み込んでペイロードをマッピングする従来の手間を、MCPは丸ごと抽象化する。

HTTPがFTP・Gopher・Telnetといった乱立するプロトコルを統一しインターネット全体を相互運用可能にしたように、MCPは各社が独自に作っていたプラグイン形式や統合レイヤーを1つのオープンプロトコルへ集約しようとしている。一度コネクタを作れば、対応する全てのモデルがそれを使える世界だ。

結論として、APIは無くならない。APIは決定論的なシステム同士のやり取り向けであり、MCPはモデルが「自分に何ができるか」を推論するための確率的なシステム向けだ。MCPはAPIの1つ上のレイヤーに位置し、静的なルートを「モデルが推論できる生きたインターフェース」へと変えていく。