WOO X Research：次のナラティブが形成されつつある？ Web3 + MCPがAIエージェントのバトンを引き継ぐ？
TechFlow厳選深潮セレクト
WOO X Research：次のナラティブが形成されつつある？ Web3 + MCPがAIエージェントのバトンを引き継ぐ？
MCPとブロックチェーンの統合には可能性がある一方で、技術的ハードルと市場のプレッシャーという二重の課題に直面している。
Web3業界の深掘り報道に専念し潮流を洞察AIがもたらす意味は人間の労働力を解放し、大多数の業務能力の下限を引き上げることです。しかし現時点ではLLM（大規模言語モデル）の限界が大きく、アドバイスを得るには繰り返し会話を行う必要があり、ユーザー自身がそのアドバイスに基づいて手動で操作しなければならないため、AIが本当に私たちの代わりに仕事をするという理想との間にはまだ大きな隔たりがあります。
ですがもし今後、AIと会話するだけで実際にあなたのコンピュータを使ってメールの返信やレポート作成などの機能を利用でき、さらに自動的に暗号資産のトレーディングまで行ってくれるとしたら、これはまさに生産性の解放というビジョンに一歩近づいたものだと言えるのではないでしょうか？そしてこの技術こそが、現在AI分野で注目されているキーワード——MCPです。
MCPとは何か？
MCP（Model Context Protocol）とは、Anthropic社が2024年11月に発表した「標準化プロトコル」であり、従来のAIモデルが「話す」ことしかできず、「行動する」ことができなかった問題を解決するために設計されました。
MCPという名称を分解してみよう
-
Model：モデル。各種AI大規模言語モデル（例：GPT、Claude、Geminiなど）を指します。
-
Context：コンテキスト（文脈）。モデルに提供される追加データや外部ツールを意味します。
-
Protocol：プロトコル。汎用的かつ標準化された「仕様」または「インターフェース」を指します。
これらを合わせると、「統一された仕様を通じて、AIが単に「話す」だけでなく、直接外部ツールを操作してさまざまなタスクを実行できるようにする」という意味になります。
一般的に私たちがよく使うLLM、たとえばChatGPTやGrokなどは、「テキスト入力 → テキスト出力」という対話形式に限定されています。もしAIにファイルの読み取り、メール送信、データベース照会といった実際の操作をさせたい場合、通常はまずLLMに指示を与え、ユーザーがその応答を見て自ら手動で操作を行い、結果を再度AIに報告して次のアドバイスを得る……というような反復的なプロセスが必要になります。
MCPの登場により、AIはローカルコンピュータ上のファイルを読み取ったり、リモートデータベースに接続したり、特定のネットワークサービスを直接操作したりすることが可能になりました。つまり、AIはもはや単なる文字列の出力にとどまらず、繰り返しや定型的な多くの業務をあなたに代わって遂行できるようになるのです。
動作の概要
-
MCP Host（ホスト）：MCP全体の管理・調整を行う役割。たとえばClaude Desktopはホストの一形態であり、AIがユーザーのローカルデータやツールにアクセスするのを支援します。
-
MCP Client（クライアント）：ユーザーの要求を受け取り、LLM（AIモデル）と通信を行うインターフェース。MCPに対応したチャットアプリやIDE（例：Goose、Cursor、Claude Chatbotなど）が該当します。
-
MCP Server（サーバー）：あらかじめ整理され、注釈付きで提供されたAPI群と考えることができ、AIが利用可能な機能（例：データベース読み取り、メール送信、ファイル管理、外部サービス呼び出し等）を提供します。
MCPがあれば、AIは人間の言語を理解するだけでなく、特定の自然言語をそのままアクション指令に変換し、自動化された操作を実行できます。例えば、営業レポートの整理、顧客へのメール送信、さらにはBlender上で3Dモデリングを行うような命令を直接実行することも可能になります。
参考：https://www.youtube.com/watch?v=FDRb03XPiRo&t=4s
MCPの重要性は何か？
AIと外部ツールをつなぐ架け橋
LLMの根本的な限界は、その内部データが事前学習によって固定されておりリアルタイム更新されない点にあります。つまり、LLMが知っている情報は学習時に取得できた範囲に限られ、学習以降に発生した新しい情報については何も知らないということです。
たとえばLLMが今年2月時点で学習を終えている場合、それ以降の出来事に関する情報は一切持ち合わせていません。
現在主流の手法としてRAG（Retrieval-Augmented Generation）があります。これは「検索システム」と「生成モデル」を組み合わせるアプローチです。この構造では、LLMが回答を生成する前に最新情報を検索し、その結果をコンテキストとしてモデルに提供します。具体的には：
-
情報検索 (Retrieval)：LLMが質問に答える前に、ウェブ検索や内部データベース照会などの検索ツールを使って、その状況に適した最新情報を取得します。
-
生成 (Generation)：検索された情報を補助データ（Context）としてLLMに渡し、より正確でタイムリーな回答を生成できるようにします。
AIが回答する前にBingやGoogleで最新情報を検索し、その結果を回答に統合するのも、RAGの一種です。
MCPとRAGの最大の違いは以下の通りです：
-
RAGは比較的静的なデータでLLMの回答を補強するのに対し、MCPはAIに実際に「行動させ」ることを可能にします。たとえばデータベースの照会、APIの呼び出し、あるいはファイル内容の編集などが含まれます。
-
標準化・汎用性：MCPはUSB-Cのような存在です。異なるベンダーがそれぞれMCP仕様に準拠した機能を開発でき、すべての機器が同じUSB-Cケーブルを使えるように、さまざまなツールが共通のプロトコルで接続できます。MCPがなければ、各開発者がAIから特定のAPIを呼び出す方法を独自に定義せざるを得ず、同じ作業が何度も繰り返されます。MCPにより、共通の仕様を実装するだけで即座に統合可能となり、「車輪の再発明」を防げます。
-
受動的な応答から能動的な実行へ：従来のAIツールは質問に答えるだけでしたが、MCPによりAIは状況に応じてどの指令を実行すべきかを判断し、その結果を読み取って次のステップに進むことが可能になります。このような状況に応じた継続的な修正能力により、AIの実用性は飛躍的に向上します。
-
セキュリティと制御：MCPではすべてのデータをAIモデル側に送信する必要はなく、権限設定やAPIキー管理などを通じてデータアクセスを制御でき、機密情報の漏洩を防ぐことができます。
MCPとAIエージェントの違いは？
そもそもAIエージェントとは何か？
昨年第3四半期にGOATが牽引してAIエージェントのブームが起き、多くの暗号資産ユーザーはWeb3の視点からAIエージェントを認識しました。AIエージェントとは、「自動化」された特定タスク処理が可能なAIシステムを指し、単に人と会話するだけでなく、コンテキストに基づいて自ら行動を起こし、ツールやAPIを呼び出して一連のプロセスを完了できます。たとえばTwitter上で自律的に投稿を行うことも、AIエージェントの代表的な用途です。
AIエージェントの課題
-
標準化の欠如：誰でもエージェントを作れるものの、統一された規格がないため、「このエージェントはA社のモデルしか使えない」「あのエージェントはBシステムのAPIしか呼び出せない」といった問題が発生します。
-
分断化しやすい：AIエージェントは確かに雑務を代行できますが、開発者は大量のAPIフォーマットやルールを個別に定義する必要があり、異なるエージェント間で共通のエコシステムが欠如しているため、統合が困難です。
MCPとAIエージェントの関係：MCPは「プロトコル」であり、AIエージェントは「概念」または「実行方法」です。
-
AIエージェントは、AIが能動的に行動しツールを実行できる能力を強調します。
-
MCPは、異なるAIモデルと外部ツールがどうやってコミュニケーションを取るかに焦点を当て、共通規格としての役割を果たします。
MCPはAIエージェントのより効果的な動作を支援します
-
MCPがなければ、AIエージェントは異なるツールやプラットフォームごとにそれぞれAPIルールを別々に記述する必要があり、開発・保守の負担が非常に大きくなります。
-
MCPがあれば、AIエージェントは仕様に従い、「サーバーリスト」から利用可能なツールを取得して、動的にどのツールを使うかを決定でき、外部リソースへのアクセスもより安全かつ容易になります。
機能範囲の違い
-
AIエージェント：意思決定や論理処理に重点を置き、必要な手順を判断し、どのようなステップを実行すべきかを決定します。
-
MCP：ツールの接続や標準フォーマットに特化しており、外部サービス、データベース、ファイルシステムなどを統一方式でAIに提供する役割を担います。
両者を組み合わせることで、「AIエージェント＋MCP＝AIが何をすべきかを理解し、どこでそれを実行すべきかも把握できる」状態が実現します。
現在の暗号資産市場におけるMCP関連プロジェクトは？
Base MCP
Base公式が開発したフレームワークで、3月14日にリリースされました。これにより、AIアプリケーションがBaseブロックチェーンとやり取りできるようになり、ユーザーは自然言語での会話だけで、開発知識がなくてもスマートコントラクトのデプロイや、Morphoを使った貸借などができるようになりました。
-
BORKはBase MCPを利用して最初に展開されたトークンで、3月14日に発行され、時価総額は最高460万ドルに達しましたが、現在は11万ドルまで下落しており、24時間取引高もわずか9万ドルです。このことから、このプロジェクトの寿命はすでに終了したと判断できます。
-
Flockは分散型AIトレーニングプラットフォームで、現在のMCPは依然として外部のAIモデル上で実行されており、中央集権的なLLMによって処理されていると指摘しています。FlockはWeb3エージェントモデルを提供し、AI駆動のブロックチェーンタスクをローカルで実行することで、ユーザーにより多くのコントロール権を与えることを目指しています。
LYRAOS（天琴座）
LYRAOSは正式名称をLYRA MCP-OSといい、複数のAIエージェントが動作可能なオペレーティングシステムで、AIエージェントがSolanaブロックチェーンと直接やり取りし、暗号資産の売買などの操作を実行できるようにします。
現在、同チームはMCP-OSを使って数千の「AI16ZDAOs」（AI駆動型分散型自律組織）を構築する方法を模索しており、これらは暗号資産投資に活用されます。LYRAIOSのDEMO版は2025年3月21日から22日の間に公開予定で、翌週には正式版がリリースされる見込みです。
現在の時価総額は92.3万ドル（最高264万ドル）、24時間取引高は300万ドル、保有アドレス数は2,922件です。
結論：AI叙事の再燃は時間が試される
MCPはAIが外部ツールとより簡単に、かつ安全に連携できる標準化ルールを提供しており、Web3領域においても大きな可能性を秘めています。しかし、成功事例はまだ限られており、その背景には以下のような要因があるかもしれません：
-
技術統合が未成熟：Web3エコシステムでは、チェーンごと、DAppごとにコントラクトのロジックやデータ構造が異なり、これらをAIが呼び出せるMCPサーバーとして統一的にパッケージ化するには、膨大な開発リソースが必要です。
-
セキュリティと規制リスク：AIに直接コントラクト操作や資金取引を任せることは、堅牢な秘密鍵管理および権限制御メカニズムの設計を必要とし、その難易度とコストは非常に高いです。
-
ユーザーハビットと体験：多くのユーザーは依然としてAIにウォレット管理や投資判断を任せることに懐疑的であり、ブロックチェーン自体の操作ハードルも高いです。体験が複雑すぎたり、明確なユースケースが不足していたりすれば、初心者が長期間使い続けたり投資したりするのは難しいでしょう。
-
審美疲労と市場の冷え込み：以前、AIエージェントが暗号資産市場でブームとなり、実装されていないプロジェクトでもピーク時の評価額が億単位を超えることは珍しくありませんでした。しかし最近はAIバブルが崩壊するフェーズに入り、ほとんどのプロジェクトが90％以上下落しており、AIへの幻想が剥がれつつあります。
MCP叙事は、超強化版AIエージェントと捉えることができます。市場はすでに暗号AIの狂乱を経験しており、徐々に「概念の誇張」と「実際の応用」の違いを理解しつつあります。革新的で実用価値のあるアプリケーションがなければ、投資家やユーザーは簡単には支持しません。BORKのような初期MCPプロジェクトは、明確な差別化や実用性が不足していたため、最終的に注目を集めることができませんでした。これが筆者が考える現行MCP概念が広く流行していない最も重要な理由です。
MCPとブロックチェーンの融合には潜在的可能性がありますが、同時に技術的ハードルと市場のプレッシャーという二重の課題に直面しています。今後、より成熟したセキュリティ体制を統合し、直感的なユーザー体験を提供し、真に価値を生み出す革新アプリケーションを掘り起こすことができれば、「Web3＋MCP」は「一時的な話題」から脱却し、新たなメインストリーム叙事となる可能性を秘めています。
TechFlow公式コミュニティへようこそ
Telegram購読グループ：https://t.me/TechFlowDaily
Twitter公式アカウント：https://x.com/TechFlowPost
Twitter英語アカウント：https://x.com/BlockFlow_News
@WOOXResearch
