チュートリアル / インフラ・検索
MCP の考え方を仕事に使う：連携の棚卸し
MCP の発想（共通の形式で外部機能を呼ぶ）を、導入前の棚卸しという形で体験します。実際にサーバーを立てなくても、公開範囲を決める作業は同じ手順で行えます。
手
手順
業務を書き出して 1 つ選ぶ
AI に任せたい作業を 5 つ挙げ、まずは 1 つに絞ります。
確認ポイント：「外部の情報か操作が必要」な業務か必要な操作の種類を分ける
選んだ業務について、読み取りと書き込みに分けます。
確認ポイント：読み取りで足りる部分が切り出せているか公開してよい範囲を決める
どのデータ・どの操作を AI から触らせるかを決めます。
確認ポイント：公開しないものも明記できているか確認を挟む条件を決める
書き込みを伴う操作に、人の確認を挟む条件を書きます。
確認ポイント：金額・対外送信などの条件が入っているか記録と見直しの方法を決める
実行内容をどう残し、いつ見直すかを決めます。
確認ポイント：後から確認できる形になっているか
Q
つまずきポイント
公開範囲が広がりすぎる
「最初は読み取りのみ」を原則にし、書き込みは業務を 1 つに絞って追加します。
効果が見えない
接続する前に、その業務にかかっている時間を測っておき、導入後に同じ指標で比べます。
AIクローラーの主要運営者
- Yandexクローラー39種
- Googleクローラー32種
- Baiduクローラー10種
- Amazonクローラー8種
- Metaクローラー8種
- OpenAIクローラー6種
- Anthropicクローラー6種
- Microsoftクローラー6種
- ByteDanceクローラー4種
- Mistral AIクローラー3種
- Awarioクローラー3種
- Semrushクローラー3種