メインコンテンツへスキップ
cataly design
MCP・A2A・ACPの違い|AIエージェントの3つの規格を整理
AI活用

MCP・A2A・ACPの違い|AIエージェントの3つの規格を整理

#生成AI#Claude
公開日 2026.10.23更新日 2026.10.23
監修者 鹿又勇太
Share On
Share On

MCP、A2A、ACPは、いずれもAIエージェントを外部とつなぐための共通規格(プロトコル)です。名前が似ていて混同されやすいのですが、違いは「何と何をつなぐか」にあります。MCPはAIとツール・データを、A2Aはエージェント同士を、ACPはエディタとコーディングエージェントをつなぎます。この記事では、3つの規格の役割と違いを比較表で整理し、業務でAIを使う中小企業がどこから押さえればよいかを解説します。情報は2026年10月時点のものです。

MCP・A2A・ACPの違いは「つなぐ相手」

この記事の要点

  • MCPは、AIと外部のツール・データをつなぐ規格。AIに社内システムやファイルを使わせるときの土台になる。
  • A2Aは、異なる会社・仕組みでつくられたAIエージェント同士を連携させる規格。
  • ACPは、コードエディタとAIコーディングエージェントをつなぐ規格。主に開発者向け。

3つは競合する規格ではなく、担当する層が異なります。そのため、1つのシステムの中で組み合わせて使われることもあります。業務でAIを活用する立場なら、まずMCPを理解し、複数のエージェントを連携させる段階でA2Aを検討する順番が現実的です。

AIエージェントの「プロトコル」とは

プロトコルとは、異なるシステム同士がやり取りするために決められた共通の約束事のことです。Webページの表示にHTTPという共通ルールがあるように、AIエージェントにも接続方法を揃えるための規格が整備されつつあります。

共通規格がないと、AIとツールを組み合わせるたびに個別の接続処理を作る必要があります。規格に対応していれば、一度つくった接続を別のAIサービスでも使い回せるようになります。AIエージェントそのものの仕組みはAIエージェントとはで解説しています。

MCPとは|AIとツール・データをつなぐ規格

MCP(Model Context Protocol)とは、AIがファイル、データベース、業務アプリなどの外部ツールを使うための共通規格です。2024年にAnthropicが公開し、2025年12月にはLinux Foundation傘下のAgentic AI Foundation(AAIF)へ寄贈され、特定の企業に依存しない形で運営されています。

Anthropicの発表によると、公開されているMCPサーバーは1万以上あり、ChatGPT、Gemini、Microsoft Copilot、Visual Studio Codeなど主要なサービスが対応しています(2025年12月時点)。たとえば、AIがカレンダーを確認して予定を登録したり、顧客管理システムから情報を引いたりする機能の多くが、MCPで実現されています。

公開されているMCPサーバーは1万以上、PythonとTypeScriptのSDKは月間9,700万回以上ダウンロードされています。

出典: Anthropic「Donating the Model Context Protocol and establishing the Agentic AI Foundation」(2025年12月)

APIとの違いなど、MCPの基本はMCPとは?APIとの違いで詳しく整理しています。

A2Aとは|AIエージェント同士を連携させる規格

A2A(Agent2Agent)とは、異なる仕組みでつくられたAIエージェント同士が、互いの能力を確認し、仕事を依頼・分担するための規格です。Googleが2025年4月に発表し、その後Linux Foundationへ寄贈されました。AWS、Cisco、Microsoft、Salesforce、SAP、ServiceNowなどが立ち上げに参加しています。

2026年3月に初の安定版であるv1.0が公開され、同年8月にはMCPと同じAAIFの管轄プロジェクトに加わりました。たとえば、受注を処理するエージェントが在庫確認を別会社の在庫エージェントへ依頼する、といった連携を想定しています。

MCPが「エージェントが道具を使う」ための規格なのに対し、A2Aは「エージェントが別のエージェントと協力する」ための規格です。

ACPとは|エディタとコーディングエージェントをつなぐ規格

ACP(Agent Client Protocol)とは、コードエディタとAIコーディングエージェントをつなぐための規格です。エディタZedの開発元であるZed Industriesが2025年に公開しました。エディタ側とエージェント側がそれぞれACPに対応していれば、好きなエディタから好きなエージェントを呼び出せます。

Claude CodeはACP対応のアダプタを通じてZedから利用でき、Gemini CLIなども対応しています。プログラムの作成や修正をエディタ上でAIに任せる開発者にとっては便利な規格ですが、開発をしない業務担当者が直接扱う場面は多くありません。

「ACP」という略称は、IBMが開発したAgent Communication Protocol(エージェント同士の通信規格)を指す場合もあります。こちらは2025年8月にA2Aへ統合されました。調べるときは正式名称で確認すると混乱を防げます。

3つの規格の比較と使い分け

3つの規格の違いを表にまとめます。

項目

MCP

A2A

ACP

正式名称

Model Context Protocol

Agent2Agent Protocol

Agent Client Protocol

つなぐもの

AIとツール・データ

エージェント同士

エディタとコーディングエージェント

開発元

Anthropic

Google

Zed Industries

公開時期

2024年

2025年4月

2025年

運営

AAIF(Linux Foundation)

AAIF(Linux Foundation)

オープンソース

主な利用者

AIを業務システムと連携させたい企業・開発者

複数のエージェントを連携させたい企業

AIでコードを書く開発者

使い分けの目安は次のとおりです。

  • AIに社内のデータやツールを使わせたい場合はMCP。業務活用の多くはここから始まる。
  • 社内外の複数のエージェントに仕事を分担させたい場合はA2A。
  • エディタでAIに開発を手伝わせたい場合はACP。

中小企業はまずMCPから押さえる

業務でAIを活用したい中小企業が最初に理解すべきなのはMCPです。AIを「答えるだけの道具」から「実際に作業する担当者」に変える土台になるためです。

当社でも、Claudeと社内の業務システムをMCPでつなぎ、タスクの起票、ブログ記事の下書き登録、アクセス解析の集計などをAIが担当しています。人が承認する工程を残したうえでAIに作業を任せられるのは、ツールとの接続が規格化されているからです。運用の詳細はAI組織の作り方で紹介しています。

A2AやACPは、MCPでAIとツールの連携ができてから検討しても遅くありません。規格の名前を追うより、どの業務をAIに任せるかを先に決めることが成果への近道です。

まとめ

MCP・A2A・ACPは、AIエージェントをつなぐ規格ですが、担当する範囲がそれぞれ異なります。

  • MCPはAIとツール・データをつなぎ、業務活用の土台になる。
  • A2Aはエージェント同士を連携させ、複数のAIで仕事を分担できるようにする。
  • ACPはエディタとコーディングエージェントをつなぐ、開発者向けの規格。
  • MCPとA2Aは、どちらもLinux Foundation傘下のAAIFで運営されている。

自社の業務にAIをどう組み込むか検討している場合は、AI業務自動化の進め方も参考にしてください。AIの導入や業務システムとの連携については、サービス一覧からご確認いただけます。

よくある質問

A

既存の接続を使うだけなら、必要ないことが多いです。ClaudeやChatGPTでは、用意されたコネクタを画面上で有効にするだけでカレンダーやファイルとつなげられます。自社独自のシステムとつなぐ場合は、MCPサーバーの開発が必要になります。

A

選ぶ必要はありません。MCPはエージェントとツールの接続、A2Aはエージェント同士の連携を担当するため、組み合わせて使うことを前提に設計されています。両方ともLinux Foundation傘下のAAIFで運営されています。

A

AIに与える権限を必要最小限にすることが基本です。読み取りだけで足りる業務に書き込み権限を渡さない、提供元が分からないMCPサーバーを使わない、外部に影響する操作は人が承認してから実行する、といった運用ルールを決めておくと安全です。

Contact

制作のご依頼やサービスに関するお問い合わせ、
まだ案件化していないご相談など、お気軽にお問い合わせください。

お問い合わせはこちら→

関連する記事

AI組織の作り方|一人会社で21人のAI社員を運用してわかったこと
AI活用

AI組織の作り方|一人会社で21人のAI社員を運用してわかったこと

#生成AI#Claude#業務効率化

21体のAIエージェントによる「AI組織」を一人で実運用する筆者が、その作り方と実際を公開。タスクの流れ、権限規程L1〜L3、請求書自動作成・会計仕訳・予実管理などバックオフィス実例まで、体験ベースで解説します。

生成AIを業務に導入する手順|中小企業の始め方と定着のコツ
AI活用

生成AIを業務に導入する手順|中小企業の始め方と定着のコツ

#生成AI#業務効率化

生成AIを業務に導入したいが、何から始めればよいか分からない中小企業向けに、導入の手順を5ステップで整理しました。使いどころの見極め方、ツールの選び方、社内定着のコツ、つまずきやすい点まで、支援の現場で得た視点で解説します。読めば最初の一歩を踏み出す道筋が見えます。

AI活用の土台は社内データ基盤|定義を揃える経営の第一歩
AI活用データ収集・分析

AI活用の土台は社内データ基盤|定義を揃える経営の第一歩

#データ活用#業務効率化

AIを導入しても成果が出ない原因の多くは、社内の『定義のずれ』にあります。売上やKPIの算出ロジックが揃っていないと、AIは曖昧なまま増幅してしまう。中小企業がAI活用の前に整えるべきデータ基盤と定義の揃え方、最初の一手までを経営者目線の実体験から解説します。

他の記事をみる→