既存の業務システムと生成AIをつなぐ｜API化とMCPサーバーの構築、古いシステムでの選択肢と権限設計の進め方

「生成AIは便利だが、社内の販売管理や在庫のデータを知らないので、結局コピーして貼り付けている」「AIに在庫を聞いたら、それらしい数字を答えてきた」。ChatGPTやClaude、Copilotなどの生成AIを使い始めた会社の多くが、次にぶつかるのがこの壁です。生成AIは一般的な知識は豊富でも、自社の業務システムの中にあるデータには、そのままではアクセスできません。

この記事では、既存の業務システムと生成AIをつなぐ方法として、システムをAPIで使えるようにする「API化」と、近年広がっている「MCPサーバー」の構築について、仕組み・向いている場面・注意点を解説します。技術の専門家でない方にも分かるよう、発注者として押さえておきたい点を中心にまとめます。

既存の業務システムと生成AIをつなぐとは

既存の業務システムと生成AIをつなぐとは、販売管理・在庫管理・顧客管理などの社内システムにあるデータや機能を、生成AIが必要なときに使えるようにすることです。生成AIとは、文章などを新しく作り出すAIのことで、その中心にあるLLM（大規模言語モデル）は、学習した一般的な知識をもとに答えます。自社の最新の在庫数や、取引先ごとの単価は知りません。

つなぐことで、たとえば次のようなことができるようになります。

つなぎ方には大きく3つの方法があります。業務システムを自社のAIアプリから直接呼び出す方法、システムをAPI化して汎用的に使えるようにする方法、そしてMCPサーバーを作り、MCP対応のAIツールから使えるようにする方法です。これらは対立するものではなく、多くの場合、APIを土台にしてMCPサーバーを作る、という組み合わせになります。

土台になる「API化」

API（Application Programming Interface）とは、あるシステムの機能やデータを、別のシステムから使うための決められた窓口です。たとえば「受注一覧を取得する」「顧客情報を1件取得する」「受注を登録する」といった窓口を用意しておくと、生成AIのアプリや他のシステムから、決められた方法で安全に使えるようになります。

業務システムにAPIがあれば、生成AIとつなぐ作業は比較的進めやすくなります。問題は、社内で使われている業務システムの多くに、外から使うためのAPIがないことです。その場合は、次のような選択肢を検討します。

関連記事API連携とは？既存システムをつなぐ開発の費用と注意点

MCPサーバーとは

MCP（Model Context Protocol）とは、生成AIのアプリと、外部のデータやツールをつなぐための共通の取り決め（プロトコル）です。Anthropicが2024年11月25日にオープンな標準として公開しました。その後、2025年12月9日には、Linux Foundationのもとに設立されたAgentic AI Foundationに寄贈され、特定の企業に依存しない形で運営されています。Anthropicの発表によると、ChatGPT、Gemini、Microsoft Copilot、Visual Studio Codeなど、多くのAIツールがMCPに対応しています。

MCPの仕様では、登場する役割を次の3つに分けています。

MCPサーバーは、AIに対して主に3種類のものを提供できます。ツール（AIが実行できる機能。例：受注を検索する）、リソース（AIや利用者が参照するデータ。例：商品マスタ）、プロンプト（利用者が使う定型の指示や手順のひな形）です。

たとえるなら、APIが「業務システムの窓口」だとすると、MCPサーバーは「その窓口を、AIが理解できる形で案内する受付」のようなものです。それぞれのツールが何をするのかを説明として持っているため、AIは利用者の質問に応じて、どのツールを使えばよいかを判断できます。

API化とMCPサーバー、どちらを選ぶか

前の章のとおり、MCPサーバーは多くの場合、APIやデータベースを土台にして作ります。選ぶポイントは、どのAIから、誰が使うかです。

生成AIのAPIを使って自社専用の業務アプリを作る方法は、次の記事で詳しく解説しています。

関連記事ChatGPT APIで社内業務システムを作る方法と費用

つなぐときに必ず決めること（権限とセキュリティ）

生成AIと業務システムをつなぐと、AIが社内のデータを読み、場合によっては書き換えられるようになります。便利さと引き換えに、設計を誤ると情報漏えいや誤ったデータ登録につながります。MCPの仕様でも、利用者の同意と管理、データのプライバシー、ツールの安全性が重要な原則として挙げられています。たとえば、ツールの実行は任意のコードの実行にあたるため慎重に扱うこと、ホストはツールを実行する前に利用者の明示的な同意を得ること、信頼できないサーバーのツールの説明はうのみにしないこと、などです。また、MCPの仕様は、これらの原則をプロトコル自体で強制することはできないとしており、実装する側の責任で守る必要があります。

• 見せるデータを絞る：AIが参照できる項目を、用途に必要な範囲に限ります。人事・給与などの情報は原則として対象外にします
• 利用者の権限を引き継ぐ：AIを使う人が、もともと見られるデータだけを返すようにします。全データを見られる共通のアカウントでつなぐのは避けます
• まずは読み取りだけにする：登録・更新・削除の操作は、効果を確かめてから追加します。追加する場合も、実行前に人が確認する画面を挟みます
• 操作の記録を残す：誰が、いつ、AIを通じて何を調べ、何を変更したかを記録します
• 外部の情報によるだまし（プロンプトインジェクション）に備える：メールやWebページの文章に紛れ込ませた指示で、AIが想定外の操作をするおそれがあります。重要な操作はシステム側で必ず確認します
• 公開されているMCPサーバーを使う場合は中身を確認する：提供元、権限の範囲、更新の状況を確認してから使います

関連記事AIのセキュリティリスク｜プロンプトインジェクションの仕組みと社内AIの守り方を中小企業向けにわかりやすく解説

進め方と、自社でできること・頼んだほうがよいこと

1. AIに答えさせたい質問を集める「誰が、何を、どのシステムで調べているか」を書き出し、件数の多いものから選びます
2. データの場所と意味を確認する必要なデータがどのシステムのどこにあり、どの項目が何を表すかを整理します。仕様書がない場合は現状の調査から始めます
3. つなぎ方と権限を決めるAPI・MCPサーバー・CSVのどれで始めるか、誰にどの範囲を見せるかを決めます
4. 読み取り専用で小さく試す（PoC）PoC（概念実証）とは、本格導入の前に小さく試して効果と課題を確かめることです。実際の質問で、正しく答えられるかを確認します
5. 範囲を広げ、運用する対象のデータや操作を少しずつ増やし、記録を見ながら改善します。AIツールやMCPの仕様の更新にも対応します

関連記事仕様書がないシステムを改修・移行するには｜現状調査（リバースエンジニアリング）の進め方と期間・費用の目安、調査後の選択肢

よくある質問

まとめ

生成AIを業務で本格的に使うには、社内の業務システムのデータとつなぐことが欠かせません。土台になるのはAPI化で、MCPサーバーを作れば、MCPに対応した複数のAIツールから同じ業務システムを使えるようになります。APIがない古いシステムでも、読み取り専用の参照から始める方法があります。どの方法でも、AIに見せるデータと許す操作を最小限にし、記録を残すことが、安全に効果を出すための前提です。

関連記事AIエージェント導入のリスクと失敗例｜任せすぎで起きることと、防ぐための設計・段階的な任せ方をわかりやすく解説

参考：Anthropic「Introducing the Model Context Protocol」（2024年11月25日）、Anthropic「Donating the Model Context Protocol and establishing the Agentic AI Foundation」（2025年12月9日）、Model Context Protocol「Specification」（2026-07-28版）、cybozu developer network「kintone MCPサーバー」（2025年10月24日）、Microsoft Learn「Microsoft 365 Copilot extensibility overview」（2026年10月12日更新）、個人情報保護委員会「生成AIサービスの利用に関する注意喚起等」（2023年6月2日）。