Claude Skills + MCP 企業内AIアシスタント構築

AIツール実践 Claude Skills MCP 企業内AIアシスタント AIアーキテクチャ

Claude Skills + MCPは企業内AIアシスタントの運用可能なアーキテクチャであり、Skillsでワークフローをパッケージ化し、MCPでデータを接続することで、プロンプトの管理困難や権限の制御不能を解決します。

私たちは数十社の中小企業にAIアシスタント導入を支援してきましたが、よくある失敗はモデルの性能不足ではなく、AIを単なるチャットボックスとして扱うことにあります。

私たちの実測によると、カスタマーサポートのプロセスでは、Skillsを使わない場合は毎回8,000～14,000トークンを消費していましたが、Skillsルーティングを導入するとトークン使用量が30%～60%削減されました。コスト管理については多LLMルーティングによるコスト削減をご参照ください。

なぜ中小企業は今Claude Skills + MCPを検討すべきか

多くの経営者は「AIがもっと成熟してから導入すべきか」と尋ねますが、2024年は合理的でも、2026年にはリスクが高まります。

企業AIの課題は「モデルが回答できるか」から「知識、権限、プロセスを安定的に呼び出せるか」へと変化しています。

導入前：各部署がそれぞれプロンプトを作成し、バージョンが文書やチャット履歴、個人メモに散在しています。

導入後：SOP、テンプレート、検索ロジック、承認ルールをSkillsとしてパッケージ化し、MCPを通じて認可されたデータを読み取ります。

Anthropicのドキュメントによると、Agent Skillsは命令、プログラム、リソースをClaudeが呼び出せる能力としてパッケージ化します（https://docs.claude.com/en/docs/agents-and-tools/agent-skills/overview）。MCPはAIと外部データ・ツールの接続方法を標準化します（https://modelcontextprotocol.io/specification/latest）。

この二つが企業内AIアシスタントに欠かせない知識ツールとデータ接続を補完します。

Claude Skillsとは：SOP・知識・ワークフローを能力としてパッケージ化

Claude Skillsは長文のプロンプトテンプレートではなく、使用タイミング、手順、例、ブランドガイドライン、フィールド説明、スクリプトを含むワークパッケージのようなものです。

一般的なプロンプトテンプレートは管理が難しく、従業員がコピー後に文言を変更したり制限を漏らしたり、古いバージョンを使い続けることがあります。

Skillsは集中管理され、ClaudeはまずSkill名と説明を読み、関連タスク時にのみ完全な内容を読み込みます。Anthropicはprogressive disclosureによりコンテキスト負荷を軽減できると述べています（https://support.claude.com/en/articles/12512176-what-are-skills）。

私たちは主に4種類のSkillsを分解しています：ドキュメント型、分析型、プロセス型、ブランド型。まずは見積もり、会議記録、カスタマーサポート返信、月次レポートから始めます。

Skillsがない場合：AIは会社のフォーマットや見積もりロジックを理解できません。

Skillsがある場合：Claudeは提案Skill、ブランドトーン、見積もり制限を読み込みます。

最初のSkillsは8個以内に抑え、週に20回以上繰り返されるプロセスを優先してください。

MCPとは：Claudeが企業内部データに安全に接続する仕組み

MCP（Model Context Protocol）はデータ接続の課題を解決します。AIが企業データやツールに接続する方法を標準化し、各システムごとにカスタム開発する必要をなくします。

MCPがない場合、企業はCSVをエクスポートしたり、各ツールに専用コネクタを作成したりします。短期的にはデモ可能ですが、長期的には維持困難です。

MCPはクライアント、ホスト、サーバーの構成を採用し、AIアシスタントはMCPクライアントを通じてサーバーを呼び出し、Drive、CRM、ERP、データベース、内部APIと連携します。

価値はAIが何を見て何を行い、どの記録を残すかを制御できる点にあります。

私たちはMCPサーバーを企業データの境界として扱い、各サーバーに明確な責務を持たせ、万能サーバー化を避けます。

評価前にMCPプロトコルとAIエージェント標準をご覧ください。

実際の企業内AIアシスタントアーキテクチャ

運用可能な企業内AIアシスタントは通常5層構造です。

入口層：Claude、Slack、Teams、社内ポータルやカスタマーサポートのボタンで、本人認証とタスク分類を担当します。

Skills層：週報、広告異常検知、契約リスク、新人SOP問答など。各Skillにはオーナー、バージョン、テストケースが必要です。

MCPサーバー層：ドキュメントライブラリ、CRM、チケット、BI、データベースクエリを含み、ツールを制限します。

権限層：SSO、グループロール、データ分類、フィールドマスキング、許可リストと連携します。

監視層：タスク、Skill、MCPツール、トークン使用量、エラー率、手動修正率、機密ルールを記録します。

プロセスはビジネス成果に連動させ、カスタマーサポートは初稿採用率、営業は修正回数、財務はエラー率を確認します。ガバナンスについては企業AI導入ガバナンスフレームワークをご参照ください。

90日間導入ロードマップ（D0D30 / D31D60 / D61~D90）

90日間で完全なプラットフォームを作るのではなく、部門で利用可能かつ成果を測定できる第一版アシスタントを作ります。

D0～D30：プロセスとデータの棚卸。2部門、6～8の高頻度プロセスを選び、回数、時間、エラー率を定量化します。

この期間に権限も整理し、全員閲覧可能、部門限定、要約のみ閲覧可能などを決定します。

D31～D60：Skillsと最初のMCPサーバーを構築。各Skillに使用タイミング、出力形式、反例、テスト問題を設定します。

MCPサーバーはまず読み取り専用で、知識ベース、CRM、注文、FAQの照会のみ許可します。

D61～D90：本番稼働、監視、拡張。毎週利用量、成功率、手動修正率、トークンコスト、権限ブロック回数を確認します。

初稿採用率が40%未満の場合、Skillが抽象的すぎるかデータ品質が低いことが多く、例と反例の追加が効果的です。

ツールの組み合わせはClaude、Codex、Gemini、Playwrightツールセット実践を参考にしてください。

よくある導入課題と解決策

課題1：すべての知識を巨大なSkillに詰め込む。タスク単位で分割し、部署単位で分けないこと。

課題2：MCPサーバーの権限が大きすぎる。リリース前に細粒度ツールに変更し、フィールドマスキングを実施。

課題3：バージョン管理がない。Skillsが日常業務に入ったらバージョン管理とロールバックを行う。

課題4：正答率のみ追求し、監査可能性を無視。データソース、Skill、権限ルールの記録が必要。

課題5：コストルーティングを無視。分類や要約は低コストモデルを使い、契約リスクは高性能モデルを使う。これは多LLMルーティングによるAPIコスト削減の核心です。

よくある質問

Claude Skillsは一般的なプロンプトテンプレートと何が違うのですか？

プロンプトテンプレートはコピー可能なテキストですが、Claude Skillsはタスクに応じてClaudeが読み込む能力パッケージで、ドキュメント、例、スクリプト、リソースを含みます。

IT部門がない小規模企業でもMCPは使えますか？

可能ですが、最初から自社構築は避け、ホスティングツールや既存コネクタ、読み取り専用MCPサーバーを利用することを推奨します。

コストはどの程度ですか？

コストは利用量、モデル、クエリ頻度に依存します。Skillsルーティングによりトークン使用量が30%～60%削減されることが多いです。

データセキュリティはどう確保しますか？

セキュリティをプロンプトに依存せず、企業はサーバーとデータ層でSSO、ロール権限、フィールドマスキング、ホワイトリスト、ログ記録を実施すべきです。