MCPとSkills、どちらを選ぶべきか：IBMが解説するAIエージェント構築の使い分け

LLMは膨大な情報で学習された『予測マシン』のようなもので、多くの質問に答えられるが、正しい答えを引き出すには正しいコンテキストを与える必要がある。役割とタスクだけを与えるのがプロンプトエンジニアリングであるのに対し、データのフォーマット方法やチーム固有のデータベース設定など追加情報まで与えることをコンテキストエンジニアリングと呼ぶ。この違いを理解することが、MCPとSkillsという2つの手法を使い分ける前提になる。

エージェントがCRMのデータを必要とする場合を例に、MCP(Model Context Protocol)がどう機能するかを説明する。サービスのAPI仕様書やトークンをそのままLLMに渡して『間違えないように』と祈るのではなく、MCPはAIモデルが様々なデータソースと対話する方法そのものを標準化する。サービスのAPIをLLMが扱いやすいシンプルな形式に抽象化し、認証も処理する。MCPサーバーはIDEやAIアプリケーションに組み込まれ、LLMが必要な情報についてJSONリクエストを生成し、それをPOSTやGETリクエストに変換してサービスを呼び出す。ほぼすべてのAIツールがサポートする標準化レイヤーだ。

MCPは外部データを与える問題を解決したが、LLMが持っていないドメイン知識——例えば営業チームが望むCRMデータのフォーマット（顧客名・連絡先・そして『好きなクッキーの種類』まで）——を毎回同じ形式で再現可能に与える手段が欠けていた。LLMは本質的に非決定論的なため、この『毎回同じフォーマットにする』という要求は簡単ではない。

Skillsは基本的にメタデータ付きのMarkdownファイルで、タイトル・使うべき場面の説明・実際にLLMに渡されるプロンプトから構成され、フォルダにまとめられる。必要なときだけLLMのコンテキストウィンドウに自動的に読み込まれる点が特徴だ。リアルタイムかつ厳密に権限管理されたデータアクセスが必要な場面（VMの稼働状況の確認など）ではMCPを、再利用可能なカスタム能力を軽量に追加したい場面（投資データの取得・分析など）ではSkillsを選ぶとよい。両者はどちらもオープンソースで、多くのAIツールで広くサポートされており、今日からローカルで使い始められる。