見出し画像

AIが「何でもできる一人」から「専門家チーム」に変わる日

ハヤシタカサン（AIエージェント・マネジメント・コーチ）

前回からの続きです。


「MCPって何ですか？」

最近、こう聞かれることが増えました。
AIエンジニアの間では「これを知らないと出遅れる」とまで言われているのに、日本ではまだあまり語られていません。

今回はこのMCPと、その先の話をします。

MCP（Model Context Protocol）は、2024年11月にAnthropicが公開したオープン規格です。

https://www.anthropic.com/news/model-context-protocol

簡単に言うと「AIと外部ツールをつなぐための共通の言語」です。
データベース、API、ファイルシステム、企業のSaaSツールなど、これらをAIエージェントが操作するには、従来はそれぞれ個別に接続を実装する必要がありました。MCPはその「接続方法」を標準化しました。

2026年6月現在、どれほど広まっているか。数字で見てみましょう。

  • SDK月間ダウンロード数：約9,700万件（リリース時から4,750%増）

  • 対応AIプラットフォーム：Claude、ChatGPT、Gemini、Microsoft Copilot、VS Codeなど6以上

  • ガバナンス：Linux Foundation傘下の「Agentic AI Foundation」へ移管済み
    （OpenAI・Google・Microsoftも参加メンバー）

Anthropicが始めた技術規格に、競合のOpenAI・Googleまでが参加しています。これが事実上の業界標準になった証拠です。

MCPだけでは足りない。「Skills」という考え方

MCPがツール接続のコネクタだとすれば、エージェントが実際に何をするかを教えるのが「Agent Skills」です。

Anthropicはこれを「organized folders of instructions, scripts, and resources that agents can discover and load dynamically（エージェントが動的に発見し読み込める、指示・スクリプト・リソースのまとまり）」と定義しています。

Anthropic自身の言葉を借りれば「Skills can complement MCP servers by teaching agents more complex workflows」。
MCPがツール接続の規格なら、Skillsはそのツールを使って「どんな複雑な仕事をするか」をエージェントに教えるものです。

2025年末には、このSkills規格自体もAAIF（Agentic AI Foundation）を通じてオープン規格として公開されました。
MCPと同様に、特定のプラットフォームに縛られない設計です。
MCPでツールをつなぎ、Skillsでタスクを教える。この組み合わせが、2026年型エージェントの基本インフラです。

チャットボット一人から、専門家チームへ

MCPとSkillsが揃うと、何が変わるのか。

従来のAI活用は「一人の万能アシスタント」に何でも頼む形でした。
でも人間の仕事と同じで、一人に何でも任せると精度が落ちます。

海外で注目されているのが「Multi-Agent Systems（マルチエージェントシステム）」という設計思想です。
専門特化した複数のエージェントが協調して動きます。

たとえばこういう構成が考えられます。

  • Research Agent：情報を収集・整理する

  • Analyst Agent：データを分析・解釈する

  • Reviewer Agent：品質チェック・ファクト確認をする

  • Execution Agent：外部システムへの書き込みや操作を実行する

これは「デジタルチームを組む」という発想です。
一人の万能AIに頼むのではなく、役割と権限を与えた専門家チームを編成します。

2025年は「コーディング」、2026年は「ナレッジワーカー」

海外のビルダーたちの間では、エージェントの発展フェーズについてこんな整理がされています。

2025年は「Coding Agents」の年でした。
コードを書く・テストする・デバッグするという開発ワークフローへのAI統合が一気に進みました。GitHub CopilotやCursorがその象徴です。

2026年は「Knowledge Worker Agents」の年とされています。
複数のSaaSを横断して、ドキュメントを読み・分析し・承認フローを動かし・メールを送る。そういった「知識労働者が普段やっている仕事」をエージェントが担い始めています。

具体的には、採用の候補者書類を読み込んで採用担当に要約を送る採用エージェント、契約書のリスク条項を洗い出して法務に通知するコンプライアンスエージェント、月次経費を自動集計してSlackで承認依頼を出すバックオフィスエージェントなどが実例です。
コーディング以外の「頭脳労働」に、エージェントが入り込んできています。

LangChainの調査（2026年）によれば、すでに57%の組織が本番環境でAIエージェントを運用しています。「実験段階」はもう終わっています。

次回予告

次回はこのシリーズのラストです。
「どうやって動かすか」の技術から、「どうやって管理するか」の経営に視点を移します。

Inference Economics（推論コスト経済学）とEvals（評価）という海外で急浮上しているこの2つの概念が、AIエージェントマネジメントの核心です。

いいなと思ったら応援しよう！