MCP が月間9700万ダウンロード突破 — 16ヶ月で AI エージェントの基盤層に

概要

2026年3月25日、Anthropic の Model Context Protocol（MCP） の月間 SDK ダウンロード数が 9700万 を超えた。

2024年11月のリリース時点では月間約10万。16ヶ月で970倍に成長したことになる。同期間に公開レジストリ上の MCP サーバー数は20,000件超に達し、Claude、GPT-5.4、Gemini、Microsoft Copilot、Cursor といった主要 AI プラットフォームがすべて MCP 対応を完了した。

AI エージェントが外部システムと通信するための「接続規格」が、事実上 MCP に収束した。

MCP の成長軌跡

時点	月間DL数	MCP サーバー数
2024年11月（リリース直後）	〜10万	数十
2025年中頃	〜500万	約425
2025年12月（AAIF 寄贈）	—	約2,000
2026年3月25日	9,700万	20,000+

ガバナンスの転換点

2025年12月、Anthropic は MCP を Agentic AI Foundation（AAIF） に寄贈した。AAIF は Linux Foundation の下に設立された directed fund で、Anthropic、Block、OpenAI が共同創設し、Google、Microsoft、AWS、Cloudflare、Bloomberg がサポートする。

競合ラボ同士が同一のガバナンス構造に入ったことで、MCP は「Anthropic の規格」から「業界のインフラ」に昇格した。

MCP の現在地

接続できるシステムのカバレッジ

カテゴリ	代表的な MCP サーバー
データベース	PostgreSQL, MySQL, MongoDB, Snowflake
CRM / 業務	Salesforce, HubSpot, Notion, Jira
クラウド	AWS, GCP, Azure（各種リソース操作）
開発ツール	GitHub, GitLab, Docker, Kubernetes
コミュニケーション	Slack, Gmail, Google Calendar
生産性	Google Workspace, Microsoft 365

GitHub Copilot や VS Code が MCP クライアントとして動作するため、エンジニアは既存のエディタ環境のままエージェントに外部システムを操作させられる。

2026年ロードマップの焦点

MCP の公式 2026 ロードマップは4つの課題に絞っている。

優先課題	内容
Transport Scalability	Streamable HTTP のロードバランサー問題解消、水平スケーリング対応
Enterprise Readiness	監査ログ、SSO 統合、ゲートウェイ動作の標準化
Governance Maturation	SEP（Spec Enhancement Proposal）プロセス、Working Group への権限委譲
Agent Communication	エージェント間通信（A2A との共存も視野）

実験フェーズは終わった。2026年は本番運用に向けた「堅牢化」の年だ。

なぜ MCP が勝ったか

2024年末時点では、LangChain の Tool、OpenAI の Function Calling、独自プラグイン形式と複数の接続方式が乱立していた。MCP が収束した理由は3点。

1. 双方向ストリーミングと型安全性 単発のツール呼び出しではなく、セッションを維持したまま連続的に状態を保てる。JSON-Schema ベースの型定義が実装者のコストを下げた。

2. クライアント実装の速度 Cursor が早期に対応したことで、エンジニアコミュニティへの普及速度が上がった。ツール側が「MCP サーバーを出せばどのクライアントからも使われる」という構造ができた。

3. 中立的なガバナンス Linux Foundation への寄贈で「Anthropic 依存」というリスクが消えた。エンタープライズが採用しやすくなった。

日本への示唆

SIer・エンタープライズ IT への波及

日本のエンタープライズ IT は SAP、ServiceNow、Salesforce の導入企業が多く、これらはすでに MCP サーバーが存在する。AI エージェントが業務システムに直接アクセスする構造が整いつつある。

2026年以降、SIer が「AI を業務システムに繋ぐ」案件で問われるのは、独自 API 開発の能力ではなく MCP サーバーの設計・セキュリティ設定・運用監視になる。

観点	従来のシステム連携	MCP を使ったエージェント連携
接続方式	カスタム API / ETL	MCP サーバー（標準化）
指示方法	バッチ処理・スケジューラ	自然言語 → エージェント
監査	API ログ	MCP セッションログ + LLM トレース
セキュリティ管理	IP 制限 / API キー	SSO + パーミッション制御（整備中）

エンジニアのスキルシフト

MCP サーバーの実装は Python・TypeScript の SDK で数十行から書ける。しかし本番運用では「どのツールに何の権限を与えるか」というパーミッション設計がボトルネックになる。

ゼロトラスト的な発想でエージェントの権限を最小化し、操作ログを LLM Observability ツールで監視する設計が求められる。これは従来の「API を叩くアプリ」とは異なる脅威モデルだ。

Shadow IT リスク

Qualys の調査（2026年3月）は、企業内で無許可に立ち上げられた MCP サーバーを「AI 版シャドー IT」と位置付けた。開発者が個人の判断で業務データへのアクセスを AI エージェントに付与するケースが増えている。

日本でもエンジニアが Claude Desktop や Cursor に社内 DB の MCP サーバーを接続するケースは既に起きている。情報セキュリティ部門が MCP を把握していない段階では、これがインシデントの入口になりうる。

まとめ

MCP の9700万 DL は単なるマイルストーンではなく、AI エージェントインフラの標準が決まったことを意味する。

Linux Foundation のガバナンスのもと、Claude・GPT-5.4・Gemini がすべて MCP クライアントとして動作する世界で、システム連携の競争軸は「どう接続するか」から「何を・どの権限で・どう監査するか」に移った。

日本のエンタープライズ IT とエンジニアにとっての優先アクションは明確だ。MCP の技術仕様を理解し、セキュリティ設計と Observability を先に整える。接続先は後から増やせる。

概要