MCPで社内ナレッジを接続する最短ルート|調査メモ・過去提案・議事録をClaude Codeに30分で繋ぐ
調査メモ・過去提案・議事録をClaude Codeから検索できるようにする最小MCPサーバーを30分で組む。RAGを自作せずMCPに任せる理由、ツール設計、機密の出さない設計、発火確認まで実装目線で整理する。

調査メモ・過去提案・議事録をClaude Codeから検索できるようにする最小MCPサーバーを30分で組む。RAGを自作せずMCPに任せる理由、ツール設計、機密の出さない設計、発火確認まで実装目線で整理する。
前回のSkill設計の記事で、Skillには「ローカル記事フォーマット」を入れ、MCPには「外部状態への接続」を任せる、と書きました。実はその裏で、日々の調べ物に一番効いているのはMCPの方です。調査メモ・過去提案・議事録を、Claude Codeから「自然に」呼べるようになると、調べ物の初動がかなり短くなります。
この記事は、その接続を30分で組むときの最短ルートをまとめたものです。完璧なRAGを作る話ではなく、「明日からの業務で普通に使えるところ」までを実装目線で書きます。題材は、調査メモ・過去提案・議事録という、どの組織にもある文書を想定した架空の構成です。社内Wiki・営業提案・サポートチケットなど、ドメインを置き換えても同じパターンで動きます。
バージョン注記: 2026年5月時点のClaude Code(Opus 4.7)と、
mcp公式Python SDKの挙動を前提にしています。MCP仕様・CLI挙動は変わる可能性があるので、本番投入前は必ず公式ドキュメントとリリースノートを確認してください。
TL;DR:この記事でわかること
| テーマ | 学べること |
|---|---|
| なぜMCP | RAGを自作するより、なぜMCPに寄せるべきか |
| 最小構成 | 30分で動くstdio型MCPサーバーの作り方 |
| ツール設計 | search / fetch_doc / list_recent の責務分離 |
| セキュリティ | 機密情報を「出さない」設計の作り方 |
| ワークフロー | 調べ物の会話がどう変わるか |
| 検証 | 「ちゃんと発火しているか」を確認する方法 |
1. なぜRAGを自作するより、MCPに寄せるべきか
最初に向き合うべき問いはここです。「LangChainでRAG組めばよくない?」という声は今もよく聞きます。私も最初は同じことを考えていました。
ただ、半年触ってみて、私の中での結論はかなりはっきりしました。情報の流入元が複数あり、フォーマットが揃わず、毎週更新されるドメインでは、RAG自作はメンテのコストが重すぎる。 調査メモはNotion、顧客情報は社内DB、過去提案はGoogle Drive、議事録はSharePoint、というのがよくある姿です。
ここをMCPに寄せる利点は、私の体感では3つあります。
| 観点 | RAG自作 | MCPサーバー |
|---|---|---|
| 検索精度のチューニング | 自分でembedding/rerank/プロンプトを全部抱える | 既存の検索APIをツールとして包むだけ |
| クライアント側の実装 | アプリごとに繋ぎ込みが必要 | Claude Code・Claude Desktop・他クライアントが共通プロトコルで使える |
| 更新追従 | 再インデックスのスケジューラが必須 | 元データの検索APIを叩くだけなので追従が自動 |
MCPは「Claudeに新しい能力を生やすプラグイン規格」ではなく、「LLMクライアントとデータ源の間の共通プロトコル」として見るのが正確だと思います。だから、自社の検索APIや内部ツールを既に持っているなら、それを薄く包むのが一番速い。
ここはまだ議論が割れるところで、検索精度を本気で詰めたいならRAG自作の余地は残ります。ただ「調査のキックオフ初動を1日短くしたい」レベルなら、MCP+既存検索の組み合わせで十分というのが現時点の私の見立てです。
2. 30分でstdio型MCPサーバーを動かす
ここはかなり実装寄りです。まずは「動くもの」を最短で立てて、それからツール設計を整える順番が、私には合っています。
Python公式SDK(mcpパッケージ)を使い、stdio転送でClaude Codeに繋ぐ最小例です。ファイルは1つで済みます。
# server.py
from mcp.server.fastmcp import FastMCP
from typing import Any
import os, httpx
mcp = FastMCP("team-knowledge")
KB_BASE = os.environ["KB_BASE_URL"] # 社内検索APIのベースURL
KB_TOKEN = os.environ["KB_API_TOKEN"] # 短命のサービストークン
async def _get(path: str, params: dict[str, Any]) -> dict:
headers = {"Authorization": f"Bearer {KB_TOKEN}"}
async with httpx.AsyncClient(timeout=15.0) as c:
r = await c.get(f"{KB_BASE}{path}", params=params, headers=headers)
r.raise_for_status()
return r.json()
@mcp.tool()
async def search_memos(query: str, limit: int = 5) -> list[dict]:
"""Search past research memos by free text."""
data = await _get("/search/memos", {"q": query, "limit": limit})
return [{"id": h["id"], "title": h["title"], "snippet": h["snippet"]} for h in data["hits"]]
@mcp.tool()
async def fetch_doc(doc_id: str) -> str:
"""Fetch the full body of a memo or proposal by ID."""
data = await _get(f"/docs/{doc_id}", {})
return data["body_markdown"]
@mcp.tool()
async def list_recent(kind: str = "memo", days: int = 14) -> list[dict]:
"""List recently updated docs. kind in {memo, proposal, minutes}."""
data = await _get("/recent", {"kind": kind, "days": days})
return data["items"]
if __name__ == "__main__":
mcp.run(transport="stdio")
Claude Code側の登録は、プロジェクト直下に .mcp.json を置くのが運用上ラクです。
{
"mcpServers": {
"team-knowledge": {
"command": "uv",
"args": ["run", "python", "server.py"],
"env": {
"KB_BASE_URL": "https://kb.internal.example.com",
"KB_API_TOKEN": "${env:KB_API_TOKEN}"
}
}
}
}
uv を使っているのは、依存解決と仮想環境がワンコマンドで終わるからです。Pythonの素のvenvでも動きますが、社内に配るとき uv run の方が事故が少ないというのが正直なところです。
ここまでで、Claude Codeを再起動するとツールが見え始めます。初回はだいたいPATHかトークンで詰まるので、後ろで触れる検証コマンドで原因を切り分けるのが早いです。
3. ツール設計:search / fetch_doc / list_recent に分ける
実装より大事なのが、ここです。最初に作ると、get_everything(query) のような万能ツールを置きたくなります。私も最初そうしました。結論から言うと、これはあまり機能しません。
理由は、LLMがツールを選ぶときにツール名と説明文を読んでルーティングするからです。万能ツールは「どんなクエリでも呼ばれる」設計に見えて、実際には「いつ呼べばいいか分からない」設計になります。
私が今落ち着いているのは、責務を3つに分ける形です。
| ツール | 役割 | 返すもの |
|---|---|---|
search_* | 自然文での検索 | 上位N件のID・タイトル・スニペット |
fetch_doc | IDから本文取得 | Markdown化された本文 |
list_recent | 時系列での新着確認 | 直近N日に更新された一覧 |
この分割の良いところは、Claudeが「まずsearchで当たりをつけ、必要そうな1〜2本だけfetch_docする」という自然な流れに乗りやすいことです。最初から本文全部を返すツールにすると、コンテキストが一気に膨らみ、関係ない情報まで会話に混ざります。
descriptionの書き方も効きます。search_memos の説明に「調査メモのみを検索する。議事録は含まない」と一行書いておくと、別のツール(例えば後で足す search_minutes)と競合しにくくなります。ツールのdescriptionも、Skillのdescriptionと同じく「いつ呼ぶか」を書く、というのが私のルールです。
ここで一度立ち止まる価値があります。社内ナレッジを繋ぐとき、「全部つなげる」より「3つに分ける」方が結果的に早く実用化できる、というのは少し直感に反する所感です。
4. 機密情報を「出さない」設計
ここは技術記事として一番丁寧に書きたい部分です。社内の文書には、取引先のNDA下情報・価格交渉の経緯・社内の評価意見が混ざっているのが普通です。MCPに繋いだ瞬間、LLMに全部見せる、と考えると怖いはずです。
私が勧めるガード方針は、4層に分かれています。
| 層 | 何をするか |
|---|---|
| データ層 | 機密フラグ付きドキュメントは検索APIの応答から除外する |
| ツール層 | fetch_doc 側で classification を見て、機密級は要約のみ返す |
| プロトコル層 | MCPサーバー起動時のトークンに最小権限スコープを付ける |
| 監査層 | 全リクエストをサーバー側でログに残し、誰のClaude Codeセッションかタグ付け |
特に「LLMから見える形に出す前の段階で落とす」のが大事だと思っています。プロンプトで「機密情報は出さないで」と指示しても、LLMはあくまでベストエフォートで動きます。MCPサーバー側で物理的に返さないようにしておけば、プロンプトインジェクションでも漏れません。
簡単な例として、fetch_doc の中に分類チェックを足します。
@mcp.tool()
async def fetch_doc(doc_id: str) -> str:
data = await _get(f"/docs/{doc_id}", {})
if data.get("classification") in {"restricted", "nda-locked"}:
return f"[REDACTED] Summary only: {data['summary']}"
return data["body_markdown"]
ここは小さなコード追加ですが、私の中では一番落とせない部分です。セキュリティ担当と話すときも、「LLMが見える領域そのものを物理的に狭めている」という説明が一番通りやすいはずです。
ついでに言うと、出してはいけないのは機密情報だけではありません。社内の人物評価・退職予定・人事情報あたりは、たとえ「公開Wiki」にあっても、MCP経由でClaudeに渡す価値はほぼゼロです。「出せる」と「出すべき」は別、という線引きを最初に決めておくと、後から作業が楽になります。
5. 調べ物の会話そのものが、どう変わるか
ここはコードの話ではないですが、実装より人によっては大事です。MCPを繋ぐ前と後で、調査キックオフの会話の入り口が変わります。
| 接続前 | 接続後 |
|---|---|
| 「この領域、過去に見たことある気がするけど…」 | 「list_recent でこの12ヶ月のメモを出して」 |
| 「あの提案書、誰がDriveに置いてたっけ」 | 「search_memos で『定置型蓄電』をかけて」 |
| 「先月の定例、何が決まったんだっけ」 | 「list_recent で kind=minutes で出して」 |
地味ですが、これがかなり効きます。私の過去の経験で、入社時に投資チームの検討品質の基準が揃っていなくて標準化した、という話を以前書きました。あのときに一番欲しかったのが、まさにこれです。「過去に同じテーマでチームが何を調べたか」が30秒で出る環境があると、新しいメンバーが調査に合流するスピードはかなり早まるはずです。
注意点として、MCPは「探す」を速くしますが、「判断する」までは速くしません。数字の妥当性の確認や、市場前提の検証は、依然として人間が詰める仕事です。ここを混同すると、「Claudeに任せたから大丈夫」という油断が出ます。私自身、最初の数週間は出力を鵜呑みにしかけて、危うかったタイミングが一度ありました。
6. 落とし穴:私が最初の30分で踏んだ地雷
実装そのものは30分でも、私の場合、「動くまで」はもう1時間追加で食われました。代表的な3つを残します。
- stdioのデバッグが見えにくい:Claude Code側のログに出るのはツール呼び出しの結果だけ。サーバー側のprintは標準エラー(
sys.stderr)に出さないと、stdoutを汚してプロトコルが壊れます。print("...", file=sys.stderr)かloggingを使う。 - 環境変数がClaude Code起動時のシェルに依存する:GUI起動だと
.zshrcが読まれない、というハマりが普通にあります。.mcp.jsonのenvで明示するのが一番安全。 - ツール説明文の言語:英語descriptionの方がツールが選ばれやすい場面が多いです。日本語クエリでも英語descriptionは効きます。私は最初日本語にしていて、なぜか発火しないことがあり、原因がここでした。
ここは「公式ドキュメントには書いてないが、触ると分かる」系の話です。半年後の自分のためにメモを残しておく価値があります。
7. 「ちゃんと発火しているか」を確認するレシピ
最後に検証です。「MCP繋いだはずなのにClaudeが知らないと言い張る」状況は、初期段階でかなり起きます。順番に切り分けるのが速いです。
# 1) サーバー単体が起動するか
KB_BASE_URL=... KB_API_TOKEN=... uv run python server.py
# → stdin待ちで止まれば成功(stderrにエラーが出ていないか確認)
# 2) Claude Codeから見えているか
# Claude Code内で `/mcp` を実行
# → team-knowledge が "connected" と出るか
# 3) ツールが選ばれるか
# Claude Codeに「list_recent で memo を出して」と直接指示
# → ツール呼び出しのトレースが出るか
# 4) 自然な依頼で発火するか
# 「直近2週間の調査メモのトピックを要約して」と頼む
# → list_recent → fetch_doc の順で呼ばれるか
ここで4番まで通れば、実運用に入って問題ないラインです。逆に3番で詰まる場合、ほぼツールdescriptionの問題か、ツール名が抽象的すぎる問題です。do_things のような名前は本当に発火しません。
地味な観察ですが、ツール名は動詞_名詞の形にして、対象ドメインを名前に入れるだけで、発火率がかなり上がります。search ではなく search_memos、get ではなく fetch_doc。Skill設計と同じく、ここでも「いつ呼ぶか」を名前と説明に染み込ませるのが効きます。
まとめ:MCPは「LLMの能力」ではなく「組織の地形」を変える
最後に少し引いた話を。MCPを繋ぎ始めて気づいたのは、これはLLMの能力拡張というより、組織のナレッジの地形を変える話だ、ということです。
調査メモ・過去提案・議事録がClaudeから30秒で引けるようになると、新人とシニアの間にあった「過去の文脈を知っているかどうか」の壁が薄くなります。私が以前、3ヶ月でメンバーが単独で投資検討を完結できるまで育てた話を書きましたが、あのとき一番時間を食ったのが「過去の社内文脈の共有」でした。MCPはそこに直接効きます。
逆に言うと、ナレッジが散らかっていて検索APIすらない組織だと、MCP以前の整備が必要です。MCPは魔法ではなく、整っているデータを倍速で活かす道具、というのが現時点の私の見方です。
完璧なものを作らなくていいので、まずは1ツール・1ドメインで30分。明日の調べ物で一度使ってみる。そこから足りないツールを足していく方が、机上で完璧なRAGを設計するより、はるかに速く現場が変わります。
次号の記事案
- 案1:Hooksで事故らない開発環境を作る(PreToolUse/Stopの実用テンプレ) — MCP接続が増えるほど「叩いて欲しくないツール」も増える。PreToolUseで機密ツールをガードし、Stopで監査ログを必ず吐く運用テンプレを実装ベースで整理する。
- 案2:Subagentでブログリサーチを並列分業する型 — 投資・技術・読者ニーズの3軸を別々のSubagentに走らせ、最後に1本の記事に統合する。本記事のMCPサーバーをそのまま「投資Subagent」のデータ源として再利用する設計まで踏み込む。
- 案3:MCPサーバーをstdioからHTTPに移すタイミングと設計 — 個人用stdioから、チーム共有のHTTP/SSEサーバーに切り替えるべきラインはどこか。認証・スコープ・監査・スケールの観点で、移行の意思決定を実装目線で整理する。
関連記事
- 中小企業向けAI運用パッケージの作り方|30万円/月で売る前に設計した5つの中身 — ひとりクリエイターがAI時代に法人案件へ進むなら、ツール納品ではなく「動く運用」を売るべきだ。
- AI運用パッケージの提案書テンプレを全部公開する|7ページ・価格表・リスク管理文言つき — 「提案書、どう書けばいいですか」と何度も聞かれたので、価格と運用設計をそのまま使える7ページの提案書テンプレに落としました。
- Claude Skills・MCP・ウェブ制作・動画生成を実務で使い倒す:エンジニア向け実践ガイド2026 — Claude Codeのスキルシステム・MCPサーバー構築・ウェブサイト生成・Remotion動画制作まで、エンジニアが実際に業務で…
参考資料
本文の事実関係と数値前提は、再審査時にも読者が確認できる一次情報・公的資料を優先して見直しています。
本記事は情報提供を目的としたものであり、特定の銘柄、サービス、契約条件の推奨や投資助言ではありません。執筆者は記事内で触れた銘柄やサービスにポジションまたは利害関係を持つ可能性があります。調査、翻訳、校正の一部に生成AIを利用していますが、最終的な内容はZYL0が確認しています。詳細は免責事項をご確認ください。


















































































