LLMは単体でも、文章の作成や要約、翻訳、質問への回答などを実行できる。ただし、学習後に発生した最新情報を取得したり、社内データベースを検索したり、業務システムを操作したりすることはできない。

　こうした制約を補うのが、外部ツールとの連携である。例えば、AIエージェントが顧客情報を確認するにはCRM（顧客関係管理）システムに接続する必要がある。会議を設定するには、カレンダーやメールのシステムを操作しなければならない。

　しかし、外部ツールごとにAPI（Application Programming Interface）の仕様や認証方式、入出力の形式が異なる。開発者が個別に接続処理を作り込む場合、利用するツールが増えるほど開発や保守の負担も大きくなる。

　MCPは、AIアプリケーションと外部のツール、データベース、サービスとの間に標準的な接続方式を設ける。IBMはMCPを、ハードウェアをさまざまな周辺機器につなぐ「USB Type-C」のような存在だと説明している。

　MCPサーバは、AIエージェントに主に次の3種類の機能を提供する。

1. リソース
   • データベースやファイルなどから情報を取得する
2. ツール
   • APIの呼び出しや計算、データの更新などを実行する
3. プロンプト
   • 再利用可能な指示や処理テンプレートを提供する

　例えば、GitHubと接続するMCPサーバを利用すれば、AIエージェントはリポジトリの情報を取得したり、課題を登録したりできる。Slackと接続すれば、メッセージの検索や投稿が可能になる。

　つまりMCPは、AIエージェントに外部の情報へアクセスし、現実のシステムに対して行動する手段を与える仕組みだ。

SkillsはAIエージェントに「仕事の進め方」を教える

　一方、SkillsはAIエージェントが特定の作業を実行する際に必要な、手順や判断基準、注意事項などをまとめた再利用可能な指示だ。

　AIエージェントは外部ツールを利用できるだけでは、必ずしも企業が期待する方法で仕事を進められるとは限らない。

　例えば、経費申請を確認するAIエージェントが会計システムへ接続できたとしても、それだけでは「どの項目を確認するのか」「どの金額を超えたら上司の承認が必要なのか」「不備があった場合に誰へ連絡するのか」といった業務固有のルールは分からない。

　Skillsには、こうした作業手順や組織固有の知識を記述する。IBMはSkillsを、AIエージェントに自然言語の指示を通じて「どのように考え、作業するか」を教える仕組みと位置付けている。

　Skillsに含められる情報としては、次のようなものが考えられる。

1. 業務を実行する順番
2. 判断に使用する条件
3. 入力データや出力結果の形式
4. 作業時に参照する資料
5. エラー発生時の対応方法
6. 禁止事項や承認が必要な操作

　Skillsは、AIエージェントに新たなシステムへの接続手段を与えるものではない。既に利用可能な情報やツールを、どのような手順で使うのかを定める役割を担う。

MCPとSkillsは競合する仕組みではない

　MCPとSkillsは、どちらか一方を選ぶものとは限らない。企業の業務を実行するAIエージェントでは、両者を組み合わせることが有効だ。

　例えば、顧客から届いた問い合わせに対応するAIエージェントを考えてみよう。

　MCPを利用すれば、AIエージェントはCRMから顧客の契約内容を取得し、製品データベースから仕様を検索し、サポートシステムに対応履歴を登録できる。

　一方、Skillsには、問い合わせ内容を分類する方法や、優先度を決める条件、回答文を作成する手順、担当者へ引き継ぐ基準などを記述する。

　この場合、MCPはAIエージェントに「顧客情報を取得する」「対応履歴を登録する」といった行動手段を与える。Skillsは「どの情報を確認し、どの順番で対応するか」という業務手順を教える。

　IBMの説明に沿えば、MCPはAIエージェントに行動の機会を与え、Skillsはその行動を仕事として成立させるための考え方を与えるものだ。

使い分け方は

　AIエージェントに外部システムへの接続やデータ取得、操作をさせたい場合は、MCPが適している。

　例えば、次のような要件が該当する。

1. 複数の業務システムとAIエージェントを接続したい
2. ツールごとの独自連携を減らしたい
3. 同じ外部ツールを複数のAIエージェントから利用したい
4. 外部データをリアルタイムで取得したい
5. データの登録や更新など、実際の操作を実行したい

　一方、既存のツールを使って特定の業務を安定して処理させたい場合は、Skillsが適している。

1. 社内の標準業務をAIエージェントに実行させたい
2. 担当者のノウハウや作業手順を再利用したい
3. 判断基準や出力形式を統一したい
4. 複雑な作業を一定の順序で進めさせたい
5. 業務ごとの注意事項や禁止事項を守らせたい

　ただし、MCPはAIエージェントがツールを「いつ、何のために使うか」まで判断する仕組みではない。MCPはあくまで標準化された接続層であり、ツールを呼び出す目的やタイミングはLLMやエージェントのオーケストレーション機能が判断する。

導入時は権限と指示の両方を管理する

　企業がMCPやSkillsを利用する場合、利便性だけでなく管理面にも注意が必要だ。

　MCPを通じてAIエージェントに業務システムを操作させる場合、付与する権限が広過ぎると、誤操作や情報漏えいにつながる恐れがある。データの参照だけを許可するのか、登録や更新、削除まで認めるのかを用途ごとに分ける必要がある。

　また、信頼できないMCPサーバを導入すれば、不正な処理や外部へのデータ送信が発生する可能性もある。提供元、実装内容、通信先、認証情報の管理方法を確認しなければならない。

　Skillsについても、記述された指示が古くなったり、誤った業務ルールが含まれたりすれば、AIエージェントはその内容に従って処理を続けてしまう。作成者や承認者、更新履歴、適用対象を管理し、定期的に内容を見直すことが重要だ。

　MCPでは「AIエージェントに何を操作させるか」を管理し、Skillsでは「AIエージェントにどのように仕事をさせるか」を管理する必要がある。

　企業がAIエージェントを業務に組み込む際は、接続できるツールの数だけを増やすのでは不十分だ。MCPによって安全な行動手段を整備すると同時に、Skillsによって業務手順や判断基準を明確にすることが、安定した運用につながる。

本稿は、IBM Technologyが2026年7月7日に公開した動画「MCP vs Skills：Which Is Right for Your AI Agent and LLMs？」を基に作成しました。