VITALIFY.ASIA logo

AI 機能、自社で作る前に。ChatGPT と Claude の中で自社サービスを使ってもらう「MCP」という選択肢

自社サービスにAI機能を直接組み込む代わりに、MCPサーバーとしてChatGPTやClaudeから使ってもらう方法があります。この記事では、架空の予約サービスを例に、MCPの仕組み、LLMコストの考え方、OAuth認証、ディレクトリ審査、MCP Apps、2026-07-28版仕様まで、企画から公開・運用までの流れを解説します。

Nihei TomotakaNihei Tomotaka
AI 機能、自社で作る前に。ChatGPT と Claude の中で自社サービスを使ってもらう「MCP」という選択肢
目次

自社サービスに AI 機能を付けたい。でも、AI の API の利用料は使われるほど増えるので、無料で付けるといくらかかるか読めない。AI 機能の企画ではこの悩みをよく聞きます。

その選択肢の1つが、自社サービスを MCP サーバーとして ChatGPT や Claude に出す方法です。ユーザーは普段使っている ChatGPT や Claude の会話の中から、自社サービスの検索や予約を使えます。会話と推論はユーザーが契約している AI の側で動くので、利用者が増えても LLM の代金は事業者に請求されません。

この記事では、架空の予約サービスを例に、MCP で自社サービスがどう動くのか、コストはどう分かれるのか、誰でも使えるようにするには何の審査が要るのかを、企画担当者の目線で整理します。後半には企画から公開までの進め方と、開発担当者向けの仕様の補足も載せています。

内容は2026年11月17日時点の MCP の仕様(2026-07-28 版) と、OpenAI と Anthropic の公式ドキュメントにもとづきます。

この記事の要点

  • MCP サーバーとして出すと、AI の推論代はユーザーの ChatGPT や Claude のプランの枠で数えられ、事業者に LLM の代金は請求されません。サーバーの運用費は事業者に残ります。
  • ChatGPT や Claude の利用者なら誰でも追加できるようにするには、それぞれのディレクトリへの申請と審査が要ります。プライバシーポリシーや審査用のテストアカウントを求められる、アプリストアに近い手続きです。
  • 作るのは、自社の API を AI が使いやすい単位に切り直した「ツール」と、必要なら会話の中に出す画面です。チャット画面と AI の推論は作りません。

ChatGPT の中で自社サービスが動くイメージ

飲食店の予約サービスを運営している会社を例にします。このサービスを MCP サーバーとして出すと、ユーザーは ChatGPT や Claude に話しかけるだけで店を探して予約できます。

架空の予約サービスを ChatGPT や Claude の中で使う画面と、裏の動きの図

ユーザーが「金曜19時、渋谷で4人。個室のある和食の店を探して」と頼むと、AI が依頼を読み、予約サービスの「店を探す」ツールを呼びます。予約サービスの MCP サーバーは自社の検索 API を呼び、結果を返します。結果には店のカードと予約ボタンのような、事業者が作った画面を添えられます(MCP Apps という拡張です)。「1軒目を予約して」と続けると、AI が「予約する」ツールを呼び、ユーザー本人のアカウントで予約が入ります。ユーザーは最初に一度、予約サービスのアカウントでログイン(OAuth)するだけです。

事業者が作るのは、図の②と③のツールと、会話の中に出す画面です。依頼を読み取る AI も、チャットの画面も作りません。自社の API が既にあれば、その上に MCP サーバーという薄い層を足す形になります。

実際に、国内でもこの形で自社サービスを出す例が増えています。freee は自社で運用する MCP サーバーの URL を公開していて、ユーザーは Claude のカスタムコネクタにその URL を登録するだけで、freee の機能を会話から使えます。ConoHa VPS は Claude のディレクトリにコネクタを載せ、ConoHa のアカウントで認証するだけでサーバーの一覧や作成ができるようにしています(INTERNET Watch, 2026年8月14日)。

MCP とは

MCP(Model Context Protocol)は、AI のアプリと外部のサービスをつなぐための共通の約束事です。Anthropic が2024年11月25日にオープンソースで公開しました。発表では、AI とデータをつなぐ実装がデータの置き場所ごとにばらばらだったことを課題に挙げています。

Every new data source requires its own custom implementation, making truly connected systems difficult to scale.

データソースが増えるたびに独自の実装が必要になり、本当につながったシステムを広げていくのが難しい。

(Anthropic: Introducing the Model Context Protocol)

公式サイトの入門ページは MCP を USB-C にたとえています。AI のアプリとサービスの組み合わせごとに連携を作るのではなく、どちらも同じ差し込み口に合わせて作れば、どの組み合わせでもつながります(What is the Model Context Protocol (MCP)?)。

2025年12月9日には、Anthropic が MCP を Linux Foundation 傘下の Agentic AI Foundation に寄贈しました。この財団は Anthropic、Block、OpenAI の共同設立で、Google や Microsoft なども支援しています(Anthropic の発表)。MCP はもう Claude だけの規格ではありません。事業者から見ると、MCP サーバーを1つ作れば ChatGPT でも Claude でも使ってもらえる前提ができたことになります。

「API キーを置いて動かすもの」との違い

MCP を「設定ファイルに API キーを置くと、AI が代わりに API を叩いてくれるしくみ」と理解している人も多いと思います。2024年の公開当初は、開発者が自分の PC で MCP サーバーを動かす使い方が中心で、その理解で困りませんでした。今の仕様でも、自分の PC で動かす MCP サーバーは資格情報を環境変数から受け取ることになっています(Authorization)。

その後、事業者が自社のサーバーで MCP サーバーを動かし、ChatGPT や Claude がインターネット越しにつなぐ使い方が広がりました。先ほどの予約サービスの例はこちらの形です。

よく知られた使い方と今の主な使い方の比較図
よく知られた使い方(2024年〜)今の主な使い方(2026年)
MCP サーバーが動く場所ユーザーの PC事業者のサーバー
認証設定ファイルの API キーユーザー本人が OAuth でログイン
返せるものテキストやデータ加えて、操作できる画面(MCP Apps)
届け方ユーザーが設定ファイルを書くChatGPT や Claude のディレクトリから追加
使う人設定できる開発者ChatGPT や Claude の一般の利用者

企画として考えるのは、右側の形です。ユーザーに API キーを発行して設定してもらう必要はなく、自社サービスのアカウントでログインしてもらえば使えます。

推論のコストを誰が払うか

自社サービスに AI の機能を足す方法は、大きく2つあります。自社のプロダクトの中に AI を組み込むか、自社サービスを MCP サーバーとして出して ChatGPT や Claude から使ってもらうかです。

自社プロダクトに組み込む場合と MCP で出す場合の請求先の比較図

自社のプロダクトに組み込む場合、事業者が LLM の API を契約し、使われた分のトークン代を払います。ツールを使わせるなら、ツールの定義やツールの結果もトークンとして数えられます。

Tool use requests are priced based on: 1. The total number of input tokens sent to the model (including in the tools parameter). 2. The number of output tokens generated.

ツールを使うリクエストの料金は、1. モデルに送った入力トークンの合計(tools パラメーターを含む)と、2. 生成された出力トークンの数で決まる。

(Claude API: Pricing)

利用者が増えるほど、事業者の請求も増えます。AI 機能を無料で付ければ、使われるほど赤字に近づきます。

MCP サーバーとして出す場合、会話と推論は ChatGPT や Claude の中で動きます。その推論は、ユーザーが契約しているプランの利用枠で数えられます。

App use may count toward your ChatGPT plan limits, feature-specific allowances, and limits imposed by the app provider.

アプリの利用は、ChatGPT のプランの上限、機能ごとの利用枠、アプリ提供者が設けた上限に数えられることがある。

(OpenAI Help: Connected apps in ChatGPT)
Tools and connectors are token-intensive, so managing them helps both maximize your available context window and optimize your usage limits.

ツールとコネクタはトークンを多く使うので、管理すると、使えるコンテキストを広げ、利用上限も有効に使える。

(Claude Help: How do usage and length limits work?)

どちらも、ツールを使った分がユーザーの側の枠から出ることを示しています。事業者に LLM のトークン代が請求されるしくみは、どちらのドキュメントにも見当たりません。事業者が払うのは、MCP サーバーを動かすサーバー代と、サーバーが呼ぶ自社の API や DB の費用です。

自社プロダクトに組み込むMCP サーバーとして出す
LLM の推論代事業者が API の従量課金で払うユーザーのプランの枠で数えられる
事業者が払うもの推論代、サーバー代、自社 API の費用サーバー代、自社 API の費用
画面と体験すべて自社で決められるチャットが中心。画面は MCP Apps の枠の中
ユーザーとの接点自社のアプリChatGPT や Claude の会話の中
公開の手続き自社で決めるディレクトリの審査(次の節)

ただし、「ランニングコストがほぼなくなる」とまでは言えません。残る費用と制約は次のとおりです。

  • MCP サーバーは事業者が自分でホストし、常に動かしておく必要があります。ChatGPT に公開すると、OpenAI が公開後も毎日サーバーをスキャンします(Submit and maintain)。
  • ツールの処理の中で要約などに LLM を使うなら、その代金は事業者が自分の API 契約で払います。推論はホストに任せ、ツールはデータを返すことに徹する設計のほうが、この構造に合います。
  • ユーザーがプランの上限に達すると、自社のツールも使えなくなります。大きな結果を返すツールはユーザーの枠を早く減らすので、Anthropic のディレクトリポリシーはトークンを節約するよう求めています(Anthropic Software Directory Policy)。
  • ChatGPT のプラグインの中で売れるのは物理的な商品だけで、サブスクリプションやデジタル商品は売れません。既存の有料アカウントへのログインは認められています(Plugin guidelines)。収益は、自社サービスの契約や、予約や購入のような本業の取引で得る形が基本になります。

それでも、利用者の数に比例して増える LLM の代金が事業者の請求から外れるのは大きな違いです。既存の顧客に、普段使っている ChatGPT や Claude から自社サービスを使ってもらう方法として、費用の面で始めやすい選択肢です。

誰でも使えるようにするための申請

MCP サーバーを作っただけでは、ChatGPT や Claude の利用者が見つけて使えるようにはなりません。公開前でも、URL を手で入力する「カスタム」の接続なら使えますが、URL を知っている人に限られ、使えるプランにも制限があります。

  • ChatGPT:カスタムの MCP サーバー(書き込みを含む)は Business と Enterprise/Edu で使えます。Pro は読み取りだけです(OpenAI Help: Connecting custom MCP servers)。
  • Claude:カスタムコネクタは Free を含む全プランで使えますが、Free は1つまでです(Add an unlisted connector)。

ChatGPT や Claude の中で検索して追加できるようにするには、それぞれのディレクトリへの申請と審査が要ります。アプリストアへの申請と同じく、プライバシーポリシー、審査用のテストアカウント、ツールの説明の整備が求められます。

公開までの流れの図

OpenAI は Apps SDK で始めた ChatGPT のアプリを、今は「プラグイン」と呼んでいます。ChatGPT と Codex は1つのプラグインディレクトリを共有していて、公開すると両方に出ます(Plugins quickstart)。Claude 側は Claude のアプリ全体で共通の Connectors Directory です(Connectors Directory)。

ChatGPT(プラグインディレクトリ)Claude(Connectors Directory)
申請できる人個人または法人の本人確認を済ませた組織のオーナー有料プラン(Pro 以上)の利用者。Team と Enterprise では Owner
サーバーの条件公開ドメインの HTTPS。ドメインの所有確認ありリモートの HTTPS
認証求める権限を明示認証が要るサービスは OAuth 2.0
ツールの注釈読み取り専用、破壊的、外部に作用するかを全ツールに真偽値で付ける全ツールに名前と、読み取り専用か破壊的かの注釈
申請に添えるものWeb サイト、サポート、プライバシーポリシー、利用規約の URL。テストアカウント。成功する例5件と失敗すべき例3件ドキュメントとプライバシーポリシーの URL、サポート窓口、プロンプトの例3件以上。テストアカウント
審査と公開自動スキャンと人の審査。承認後に自分で公開する。公開する国を指定する自動スキャンのうえ Community として掲載。Anthropic の判断で Verified の審査に進む
公開後毎日スキャンされる。新しいツールは承認まで使えない稼働状況と利用の指標をポータルで見られる

出典:OpenAI の App review、Submit and maintain、Plugin guidelines。Anthropic の Publish to the directory、Submit your connector、Anthropic Software Directory Policy。

審査で落ちやすい点も公開されています。Claude のレビュー基準では、安全な読み取りと危険な書き込みを1つのツールで受け付ける汎用の API ツールや、詳細のないエラーメッセージは通りません(Review criteria)。自社の API をそのまま MCP に並べるのではなく、AI が迷わない単位にツールを切り直す作業が要ります。

また、Claude の MCP Apps のうち、Web サイトの埋め込みなど一部の機能は Verified の掲載でしか使えません(MCP Apps getting started)。画面を出したい場合は、Community の掲載で使える範囲を先に確かめておくと安全です。

両社の申請ページと規約には、掲載の手数料についての記述は見当たりませんでした。審査にかかる日数は両社とも明記していません。

企画から公開までの進め方

ここまでの内容を、企画から公開までの段取りにまとめます。企画担当者が決めることと、開発で作るものを分けて書きました。

段階企画担当者が決めること開発で作るもの
1. 機能を選ぶ会話の中で使われると価値がある機能はどれか。予約サービスなら「探す」「空きを見る」「予約する」既存の API で足りるかの確認
2. ツールを設計する読み取りと書き込みを分けるか、書き込みの前にユーザーの確認を挟むかAI が迷わない単位のツールと、その名前と説明
3. 画面を決める文字だけで返すか、店のカードのような画面(MCP Apps)を出すか画面を出すならその UI
4. 作って試す社内や一部の顧客に試してもらう範囲リモートの MCP サーバー、OAuth のログイン、カスタムの接続での動作確認
5. 申請するどちらのディレクトリに出すか。公開する国プライバシーポリシー、審査用のテストアカウント、テストケースや例の準備
6. 運用する問い合わせと不具合の窓口サーバーの監視、仕様の改定への追従、脆弱性の受付

1と2がいちばん結果を左右します。自社の API をすべてツールにすると、AI がどれを呼べばよいか迷い、審査にも通りにくくなります。ユーザーが会話で頼みそうなことから逆算して、ツールを数個に絞るところから始めるのが近道です。

開発担当者向けの補足

リポジトリに Dockerfile がある理由

公開されている MCP サーバーのリポジトリには、Dockerfile が置かれているものがあります。ユーザーが Docker を使って MCP サーバーを動かす必要がある、ということではありません。

Chatwork の MCP サーバーには Dockerfile がありません。ユーザーが API トークンを環境変数に入れ、npx で自分の PC に起動する形が既定です。freee の MCP サーバーの Dockerfile は、freee が運用するリモートの MCP サーバー(https://mcp.freee.co.jp/mcp)を起動するイメージを作るものです。同じリポジトリの compose ファイルには、Redis や監視の仕組みと合わせて動かす本番の構成も書かれています。

つまり Dockerfile は、事業者が MCP サーバーを自社のサーバーで動かすための部品で、MCP の仕様が Docker を求めているのではありません。リモートの形に移ると、MCP サーバーはふつうの Web サービスと同じように、コンテナで動かし、監視し、台数を増やして運用するものになります。なお、ローカルで動かす MCP サーバーをコンテナに隔離して管理する、Docker 社の MCP Catalog や MCP Gateway という仕組みもあります(Docker Docs)。こちらは使う側の手元の話で、事業者が自社サービスを出すときに必須になるものではありません。

仕様の変遷と 2026-07-28 版

MCP の仕様には日付の版があります。主な変更は次のとおりです(各版の changelog より)。

版主な変更
2024-11-05初版。通信は stdio と HTTP+SSE。ツール、リソース、プロンプト
2025-03-26OAuth 2.1 による認可。通信を Streamable HTTP に置き換え。ツールの注釈(読み取り専用か、破壊的か)
2025-06-18構造化されたツールの出力。サーバーからユーザーに追加の入力を求める Elicitation。MCP サーバーを OAuth のリソースサーバーと位置づけ
2025-11-25URL を開いてもらう形の Elicitation。クライアント登録の新方式(Client ID Metadata Documents)。長時間の処理を扱う Tasks(実験的)
2026-07-28ステートレス化。セッションと初期化の手順を廃止。Sampling、Roots、Logging などを非推奨に

最新の 2026-07-28 版は2026年7月28日に正式版として公開され、現行の版です(Versioning)。いちばん大きな変更はやりとりを1回のリクエストで完結させるようにしたことです。

Make MCP stateless: remove the initialize/notifications/initialized handshake. Every request now carries its protocol version and client capabilities in _meta

MCP をステートレスにする。initialize と notifications/initialized のハンドシェイクを削除する。すべてのリクエストが、プロトコルの版とクライアントの機能を _meta に持つ。

(2026-07-28 Changelog)

これまでの MCP は最初に接続の手順を踏み、そのセッションを保ったままやりとりしていました。そのため、サーバーを複数台に増やすと、同じユーザーのリクエストを同じサーバーに送るか、セッションの状態を共有する仕掛けが必要でした。2026-07-28 版では、どのリクエストも単独で処理できるので、ふつうのロードバランサーやサーバーレスの環境に載せやすくなります。

Any request can now land on any server instance behind a plain round-robin load balancer without needing shared storage.

どのリクエストも、共有ストレージなしに、単純なラウンドロビンのロードバランサーの後ろにあるどのサーバーインスタンスに届いてもよくなった。

(The 2026-07-28 MCP Specification)

リクエストのヘッダーに呼び出すメソッドやツールの名前が載るようになり、ゲートウェイや WAF が本文を読まずに振り分けや計量をできるようにもなりました。サーバーがホストの LLM を借りる Sampling は非推奨になり、Claude は対応していません(Building connectors)。非推奨になった機能には最低12か月の猶予があり、Roots、Sampling、Logging は 2027年7月28日以降の版で削除される予定です(Deprecated features)。仕様は今後、毎年3月と9月の年2回に改定され、次は 2027年3月30日の予定です(MCP release cycle)。新しく作るなら 2026-07-28 版に合わせ、公開後も年2回の改定に追従する体制を見込んでおく必要があります。

まとめ

自社サービスを MCP サーバーとして出すかを考えるときは、次の点を確かめてください。

チェックリスト

・[ ] ChatGPT や Claude の会話の中で使われると価値がある機能を絞った
・[ ] ツールを、読み取りと書き込みを分けた、AI が迷わない単位に切った
・[ ] リモートの MCP サーバーとして動かし、認証が要るなら OAuth でログインさせる
・[ ] 新しく作るなら 2026-07-28 版(ステートレス)に合わせ、非推奨の機能を使わない
・[ ] ツールの中で LLM を使う処理があるなら、その代金を自社で払う前提で見積もった
・[ ] ツールの結果を小さく保ち、ユーザーの利用枠を無駄に減らさない
・[ ] 公開前はカスタムの接続で自社や一部の顧客と試した
・[ ] プライバシーポリシー、サポート窓口、審査用のテストアカウントを用意した
・[ ] 掲載後もサーバーの稼働、テストアカウント、脆弱性の受付窓口を保つ体制がある

Vitalify Asia では、生成AIを既存のサービスや業務システムとつなぐ開発に取り組んでいます。この記事で紹介したような MCP サーバーの社内システムでの実装や、MCP 対応のご相談に向けた調査と見積もりの経験がございます。自社サービスを ChatGPT や Claude から使えるようにしたい、どの機能を MCP にすればよいか分からない、といったことでお困りのことがあれば、こちらからお気軽にご相談ください。

VFAはこれまで2008年から1000件以上の開発に携わってきました。非公開の開発実績もございますので、詳しくはお気軽にご相談ください。

バイタリフィアジアの開発実績一覧


各サービスの仕様は継続的に更新されています。本記事の内容は2026年11月17日時点のものです。

Vitalify Asia Co., Ltd. https://vitalify.asia/

1,000社以上の事業成長を支えた圧倒的な『スピードと柔軟性』で、御社のアイデアを最短で形にします。まずは無料で壁打ちしませんか?

ブログに戻る

関連記事

Gemini TTS を 3.1 から 3.8 に上げるときの注意点。指示文が読み上げられた話からAI Development

Gemini TTS を 3.1 から 3.8 に上げるときの注意点。指示文が読み上げられた話から

Gemini TTSを3.1系から3.8系へ移行すると、指示文の扱い、返却される音声形式、声の選び方、style指定などが変わります。実際の開発で起きた「指示文まで読み上げられる」「音声にノイズが入る」といった問題をもとに、3.1から3.8への移行時に確認すべきポイントと、安定した音声コンテンツ制作の進め方を解説します。

Nihei Tomotaka
チャット画面で動いたAIが、プロダクトでは動かない理由AI Development

チャット画面で動いたAIが、プロダクトでは動かない理由

ChatGPTのチャット画面ではうまく動いた生成AIが、自社プロダクトへAPIで組み込むと期待どおりに動かないことがあります。原因はAIモデルだけではなく、ファイルの読み込み方、出力形式、入力範囲、処理量、画面設計など周辺の仕組みにあります。本記事では、PDFの仕様表をデータ化する事例をもとに、生成AIのプロダクト組み込みで起こりやすい3つの壁と、その対処方法を解説します。

Nihei Tomotaka
UI/UXデザインにおける色彩理論(COLOR THEORY IN UI/UX DESIGN)Product Development

UI/UXデザインにおける色彩理論(COLOR THEORY IN UI/UX DESIGN)

UI/UXデザインにおける色の役割を、Color Wheel、Color Harmony、彩度・明度、コントラスト、WCAG 2.2、色彩心理から体系的に解説します。さらに、Semantic Color System、Light/Dark Mode、60–30–10ルール、実際の3Dキャラクター衣装への応用まで、実践的な配色設計の考え方を紹介します。

Son Phung
ぼくはデューパー、なんでもきいてね!