【2026年最新】MCPとは？仕組み・APIとの違い・メリット・広告活用を解説

生成AIやAIエージェントを業務で利用していても、広告媒体や社内データとの連携を接続先ごとに開発していては、活用範囲を広げるほど運用が複雑になります。こうした接続の課題に対する共通仕様として注目されているのが、MCP（Model Context Protocol）です。

MCPは、対応するAIアプリケーションと外部のデータやツールを共通の方法でつなぐための仕組みです。ただし、接続方法をそろえても、データの品質や分析結果の妥当性まで自動的に保証されるわけではありません。

本記事では、MCPの仕組み、API・RAG・Function Calling・A2Aとの違い、広告データとAIを連携するメリットや手順を解説します。広告媒体の管理画面上のコンバージョン（CV）と、商談・受注・売上までをどのようにつなぐべきかも整理します。

MCPでつなぐ前に、広告データの計測基盤を整える

媒体管理画面のコンバージョンだけでなく、広告接点から商談・受注・売上までを分析するには、媒体を横断した計測環境が必要です。

広告効果測定プラットフォーム「アドエビス」は、広告データとCRM・SFAなどの顧客データをつなぎ、媒体横断の評価に使う計測データを蓄積します。

広告データをAIによる分析に活用し、受注・売上まで見直したい方は、以下より資料をご覧ください。

1. MCP（Model Context Protocol）とは？

MCP（Model Context Protocol）とは、生成AIやAIエージェントを外部のデータソース・ツールへ接続するためのオープンな共通仕様です。これまでは、AIを外部サービスと連携させようとすると、サービスごとに個別の連携処理を作り込む必要がありました。

MCPは、この個別対応の手間を減らし、AIアプリが共通の方法で外部のツール・データにアクセスできるようにすることを目的としています。

また、MCP自体は生成AIのモデルやAIエージェントではありません。接続先のデータが正しいか、AIの回答が妥当かを判定する仕組みでもない点に注意が必要です。

MCPはAnthropicによって2024年に公開され、2025年12月にLinux Foundation傘下のAgentic AI Foundation（AAIF）へ寄贈されました。これにより現在は、一法人ではなく中立的なコミュニティ主導で仕様やSDKの整備が進められています。

参照：「Donating the Model Context Protocol and establishing the Agentic AI Foundation」Anthropic

続いて、2026年最新のMCPを取り巻く状況を紹介します。

1-1. 【2026年最新】MCPの仕様・対応状況は導入前に確認する

MCPの仕様は現在も更新が続いており、2026年7月28日には、ステートレス化やMulti Round-Trip Requestsなどを含む大規模な仕様改訂が公開されました。

今回の改訂で導入された主な内容は以下の5点です。

• やり取りのたびに接続状態を維持する必要のない「ステートレス」なプロトコルコアへの移行
• サーバーとクライアントが複数回のやり取りを行えるMulti Round-Trip Requests
• リクエストの種類をヘッダーで示すヘッダーベースのルーティング
• 認証まわりの強化
• 長時間かかる処理を扱うためのTasks拡張

あわせて、MCPサーバーから対応クライアントの会話UI内に、グラフや表などのインタラクティブなUIを表示できる拡張仕様「MCP Apps」も、2026年1月に最初の公式拡張として提供が始まっています。

これらの改訂は、広告・マーケティング業務にも影響します。

長時間かかる分析処理の扱い方、操作前の追加確認の仕組み、ダッシュボード形式でのデータ表示、企業利用を想定した認証の強化など、実務でMCPを使う際の使い勝手や安全性に関わる部分が中心です。

ただし、クライアントやサーバーによって対応時期や実装済みの機能は異なるため、あるクライアントで使えた機能が別のクライアントでは未対応であるというケースも起こり得ます。

MCPを業務に取り入れる際は、本記事の内容を出発点としつつ、実際に使う予定のクライアント・サーバーの公式情報を都度確認することがおすすめです。

参照：

• 「MCP 2026-07-28 Release」Model Context Protocol Blog
• 「MCP Apps（SEP-1865）公開」Model Context Protocol Blog
• 「Extension Support Matrix」Model Context Protocol
• 「行政手続等調査データ（約75,000件）をMCPで自然言語分析可能に」デジタル庁

2. MCPの仕組みと3つの基本機能

MCPでは、AIアプリケーションである「ホスト」、ホスト内で接続を管理する「クライアント」、データや機能を提供する「サーバー」が連携します。

例えば、AIアプリケーションがホスト、接続を管理する機能がクライアント、広告実績を取得する接続先がMCPサーバーに該当します。

MCPサーバーが提供する主な基本機能は、次の3つです。

AIはユーザーの依頼に応じて利用可能な機能を確認し、必要なToolsやResourcesなどを選びます。ただし、すべてのMCPサーバーが3機能を実装しているとは限りません。接続候補を比較する際は、名称だけでなく、提供機能とデータ範囲まで確認しましょう。

参照：

• 「Architecture」Model Context Protocol
• 「Tools」Model Context Protocol

3. MCPとAPI・RAG等との違い

MCPとよく比較される技術に、API・RAG（Retrieval-Augmented Generation）・Function Calling・A2A（Agent-to-Agent）があります。まず押さえておきたいのは、MCPは既存のAPIを置き換えるものではないという点です。

広告媒体やCRMのAPIをMCPサーバー経由でAIが利用する構成も多く、MCPとAPIは「置き換え」の関係ではなく、役割の異なる技術として組み合わせて利用できます。たとえば、MCPサーバーが既存のAPIを利用してデータや機能を提供する構成があります。

それぞれの技術は、接続する対象や標準化している範囲が異なります。

APIはシステム同士がデータや機能をやり取りするためのインターフェース、RAGは外部の文書やデータを検索してAIの回答に反映させる手法、Function CallingはAIが特定の関数を呼び出す仕組み、A2Aは複数のAIエージェント同士が連携するための仕様です。

参照：

• 「Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks」arXiv
• 「A2A Protocol」A2A Project
• 「Function calling」OpenAI

API・RAG・Function Calling・A2Aとの違い

APIについては、以下の記事でも詳しく解説しておりますので、ご参照ください。

⇒ APIとは？API連携の仕組みや活用例を図解で簡単に解説

4. マーケティング領域でのMCP活用状況

広告媒体やマーケティングサービスの側でも、MCPへの対応が徐々に進んでいます。

ここでは、媒体・サービス側の対応状況、MCPによって広告データとAIがつながりやすくなる背景、そして接続方式の共通化だけでは解決しない課題の3点を順に整理します。

• Google広告など媒体・サービス側でもMCP対応が進んでいる
• MCPによって広告データとAIをつなぎやすくなる
• 媒体ごとのデータをつなぐだけでは横断評価に課題が残る

4-1. Google広告など媒体・サービス側でもMCP対応が進んでいる

広告媒体・サービス側でMCP対応を進めている例として、Google Ads MCP Serverが挙げられます。現行版は読み取り専用の実装で、自然言語での問いかけを起点に、Google Ads APIからキャンペーンデータを取得・分析できる仕組みです。管理画面を開いて条件を絞り込む代わりに、「先月クリック数の多かったキャンペーンを教えて」といった問いかけでデータを取得できる点が特徴です。

ただし、提供されている機能や認証方式、対応範囲はサービスごとに異なります。読み取り専用か、更新まで行えるのか、どのデータ項目が取得できるのかは公式情報で確認する必要があり、「MCP対応」という言葉だけで機能範囲を判断しないよう注意が必要です。

参照：「Google Ads API MCP Server」Google Developers

4-2. MCPによって広告データとAIをつなぎやすくなる

MCPサーバーを介することで、広告媒体・計測ツール・CRMなどが持つデータや機能を、AIから共通の方式で利用しやすくなります。これまでは連携先ごとに個別の接続処理やデータの添付作業が必要でしたが、MCPを使うことでこうした個別対応の手間を減らせる可能性があるのです。

一方で、AIが分析へ反映できる情報の新しさは、MCPという接続方式そのものではなく、接続先から取得できるデータの内容や更新頻度に依存します。MCPを導入すれば自動的にリアルタイムの情報が手に入る、というわけではない点は理解しておく必要があるでしょう。

4-3. 媒体ごとのデータをつなぐだけでは横断評価に課題が残る

媒体ごとの管理画面データは、指標の定義や成果の計上ルール、アトリビューションの計測方法などがそれぞれ異なります。そのため、複数媒体のデータをMCP経由でつなげたとしても、単純に数値を合算すると、同じコンバージョンの重複計上や、認知施策などの間接効果の見落としが起こり得ます。

MCPはあくまで接続方式を共通化する仕組みであり、媒体を横断した計測ルールやデータ品質そのものを自動的に統一するものではありません。

広告効果の評価方法については、以下の記事でも詳しく解説しておりますので、ご参照ください。

⇒ 広告の効果とは？主な指標やプロモーション方法を紹介

5. MCPをAI連携に活用するメリット

ここでは、広告データとAIをMCPでつなぐことで、業務上得られるメリットを紹介します。ただし、接続方式の標準化と、データ自体の統合・品質改善は別の論点であり、両方をあわせて理解しておくことが重要です。

• 広告媒体・計測・顧客データへの接続方法を共通化しやすい
• 接続先の最新の広告実績や顧客データをAIの分析に反映できる
• 集計・レポート作成・原因分析の工数を削減できる
• 同じ連携基盤を複数のAIツールや業務で再利用しやすい

5-1. 広告媒体・計測・顧客データへの接続方法を共通化しやすい

広告媒体、アクセス解析、効果測定、CRM・SFAなど、接続先ごとにばらばらだった接続方式をMCPで共通化することで、AIアプリごとに個別の実装や保守を行う手間を減らしやすくなります。

新しいAIツールを導入するたびに接続処理を作り直す必要が少なくなる点は、実務上のメリットといえるでしょう。

接続の共通化によって期待できる効果

• AIアプリごとの個別実装・保守コストの軽減
• 新しいAIツール導入時の接続作業の簡素化
• 接続仕様のドキュメント化・引き継ぎのしやすさ

ただし、実際に利用する際は、利用するMCPサーバー・クライアント・認証方式の対応状況を確認することが必須です。

5-2. 接続先の広告実績や顧客データをAIの分析に反映できる

AIは学習済みの知識だけでなく、権限の範囲内で接続先から取得できる広告実績や顧客データを、回答や分析に反映できます。過去の学習データに含まれない直近の実績についても、MCP経由で接続先のデータを参照することで、分析材料として活用しやすくなるのです。

AIの分析に反映しやすくなるデータの例

• 直近の広告費・コンバージョンなどの実績データ
• 直前まで更新された商談・受注などの顧客データ
• キャンペーンの設定内容や配信状況の最新の状態

ただし、情報の新しさは接続先のデータそのものと更新頻度に依存するものであり、MCP自体がリアルタイム性を保証する仕組みではありません。

5-3. 集計・レポート作成・原因分析の工数を削減できる

分析のたびに各媒体の管理画面からデータをダウンロードし、AIへ手作業で添付する手間を省きやすくなる点も、MCP活用のメリットです。複数画面からの転記や、定例レポートの作成、数値変動の確認といった作業を、自然言語での問いかけを起点にした処理へつなげやすくなります。

工数削減の効果を測る観点

• レポート作成にかかる処理時間
• 手作業による転記・入力の修正回数
• AIによる分析結果の採用件数・採用率

効率化の効果は、こうした処理時間・修正回数・利用率などの指標で継続的に測定することが可能です。

5-4. 同じ連携基盤を複数のAIツールや業務で再利用しやすい

対応するクライアントであれば、一度構築したMCPサーバーを複数のAIツールや業務で再利用しやすくなります。分析用途だけでなく、レポート作成や社内問い合わせ対応など、複数の業務へ同じ連携資産を展開できる余地がある点は、従来の方法と比べて強みと言えるでしょう。

同じMCPサーバーを再利用しやすい業務の例

• 広告データの分析・定例レポート作成
• 社内向けの問い合わせ対応・チャットボット
• 施策会議・レビュー用の資料作成支援

もっとも、クライアントごとに対応している機能には差があるため、注意が必要です。

6. MCPで連携できる主なデータ一覧

MCPを使ってAIと連携できる広告・マーケティングデータは、発生源や用途によっていくつかに分類できます。

ここでは、代表的な4つのデータ種別と、それぞれでAIに何をさせられるかを整理します。なお、MCP自体がデータを保有しているわけではなく、接続先のAPIやMCPサーバー、利用権限によって取得できる範囲が決まる前提です。

• 広告媒体の配信・費用・コンバージョンデータ
• アクセス解析・効果測定の行動・コンバージョンデータ
• CRM・SFA・受注・売上データ
• 商品・ターゲット・施策・クリエイティブなどの定性情報

6-1. 広告媒体の配信・費用・コンバージョンデータ

広告媒体が保有する配信データには、表示回数、クリック数、費用、コンバージョン数、キャンペーンや広告グループといった単位の情報が含まれます。MCP経由でこれらのデータを取得できれば、AIによる自然言語でのレポート作成や、数値変動の確認に活用できます。

注意したいのは、媒体ごとにコンバージョンの定義や計上ルールが異なる点です。たとえば、同じコンバージョンでも、媒体によって成果として計上する期間や条件が異なる場合があります。そのため、各媒体のコンバージョン数をそのまま合算すると、実際の成果数とずれる可能性があります。媒体を横断して分析する際は、各媒体の計上ルールを確認し、共通の基準で評価することが重要です。

6-2. アクセス解析・効果測定の行動・コンバージョンデータ

流入経路やサイト内での行動、コンバージョン、広告接点といった、媒体横断で成果を判断するためのデータも、MCPを通じてAIと連携できる対象です。媒体ごとの管理画面だけでは見えにくい、ユーザー行動全体の流れを把握する材料になります。

こうしたデータを扱う際は、計測条件やCookieの取り扱い、ユーザーの同意状況、データの欠損がどの程度発生し得るかをあらかじめ確認しておくことが欠かせません。

広告効果の測定方法や主な指標については、以下の記事でも詳しく解説しておりますので、ご参照ください。

⇒ 広告の効果とは？主な指標やプロモーション方法を紹介

6-3. CRM・SFA・受注・売上データ

CRMやSFAに蓄積されたリード、商談、受注、売上、顧客属性といったデータも、MCP経由でAIが参照できる対象です。これらを広告データと組み合わせることで、広告接点からコンバージョンだけでなく、その先の事業成果まで含めて評価する用途に活用できます。

一方で、こうしたデータには個人情報が含まれることが多いため、利用目的や権限の範囲、保存期間をあらかじめ限定しておく必要があります。

6-4. 商品・ターゲット・施策・クリエイティブなどの定性情報

AIがもともと知らない自社固有の前提情報を共有することで、一般論にとどまらず、自社の商品やターゲット、施策の背景を踏まえた分析を行いやすくなります。

具体的には、商品・サービスの特徴、価格、強み・弱み、想定ターゲット、顧客課題、競合状況、訴求軸、KPI、キャンペーン目的といったマーケティング情報が該当します。

これに加えて、実施期間、入稿物、LP・クリエイティブ、予算・配信設定、過去の変更履歴とその理由、会議メモなどの施策情報も、AIに渡す定性情報として扱えます。

配信実績とひも付けたい定性情報の例

• 訴求軸・クリエイティブの変更履歴とその理由
• ターゲティング設定の変更タイミング
• 会議での意思決定メモ・仮説の記録

こうした定性情報と配信実績をひも付けることで、AIは「数値が上がった・下がった」という結果だけでなく、どのような前提や施策変更が数値に影響した可能性があるのかまで踏まえて分析しやすくなります。自社の状況に沿った改善仮説を整理しやすくなる点は、定量データだけでは得られない価値と言えるでしょう。

7. MCPの具体的な活用シーン・事例

広告データとAIをMCPで連携させることで、実務上どのような活用例が考えられるのでしょうか。ここでは、接続するデータ、AIに依頼する処理、得られる出力、そして人が確認すべき点という流れで、5つの活用例を紹介します。

MCPやAIが自動的に正しい分析結果を保証するものではないという前提を踏まえながら見ていきましょう。

• 複数媒体の実績を集計して定例レポートを作成する
• 数値の大きな変化を検知し、変動要因を分析する
• 広告接点から商談・受注までを横断分析する
• 予算配分や改善施策の仮説を作る
• 施策情報と実績を照合し、次の打ち手を整理する

広告業務全体でのAI活用については、以下の記事でも詳しく解説しておりますので、ご参照ください。

⇒ 広告業界におけるAI活用完全ガイド｜使い方や活用事例・おすすめツール5選もご紹介

7-1. 複数媒体の実績を集計して定例レポートを作成する

広告媒体や計測基盤から必要な数値をMCP経由で取得し、共通フォーマットのレポートや要約をAIに作成させる例です。手作業での転記やフォーマット調整にかかっていた時間を、確認と修正の工程に振り向けやすくなります。

このとき重要なのが、指標の定義、対象期間、通貨、タイムゾーンをあらかじめ固定しておくことです。これらの前提がそろっていないと、媒体をまたいだ比較の際に数値がずれる原因になります。

7-2. 数値の大きな変化を検知し、変動要因を分析する

費用、コンバージョン数、CPA、ROASといった指標の急激な変化を検知し、媒体・キャンペーン・施策変更・サイト状況を横断して原因候補を整理する使い方も考えられます。人が毎日すべての数値を目視で確認する負荷を軽減できる点がメリットです。

ただし、AIが提示した原因候補をそのまま採用するのではなく、元データと変更履歴に照らして検証する工程は欠かせません。

ROASの計算方法や広告費の目安については、以下の記事でも詳しく解説しておりますので、ご参照ください。

⇒ 広告の費用対効果（ROAS）とは？ROIとの違い、計算式や広告費の目安を解説

7-3. 広告接点から商談・受注までを横断分析する

広告接点、コンバージョン、リード、商談、受注・売上までをつなぎ、媒体の管理画面だけでは見えにくい事業成果への貢献度を分析する活用例です。特に検討期間の長いBtoB商材では、広告接点と受注の間にタイムラグがあるため、こうした横断的な視点が重要になります。

この分析を行うには、CRM・SFAのデータと広告接点のデータを、顧客IDなどの共通キーや連携機能を使って対応づけられる状態にしておく必要があります。

また、複数の広告接点を経てコンバージョンに至る場合は、どの広告接点が成果にどの程度関わったのかを整理する視点も必要です。こうした広告接点ごとの貢献度を捉える考え方の一つに、アトリビューション分析があります。

アトリビューション分析の考え方については、以下の記事で詳しく解説しています。

⇒ アトリビューション分析とは？メリット・実際のやり方を解説

7-4. 予算配分や改善施策の仮説を作る

媒体別・施策別の成果と、予算やリソースなどの制約条件から、予算配分の見直し案や停止・拡大候補、検証すべき仮説をAIに整理させる使い方です。人が一からたたき台を作る手間を省き、検討の出発点として活用できます。

一方で、実行前には、AIが示した根拠データやリスク、検証に必要な期間は人が確認する必要があります。AIの提案をそのまま実行に移すのではなく、判断材料の一つとして扱うようにしましょう。

7-5. 施策情報と実績を照合し、次の打ち手を整理する

訴求内容、ターゲティング、クリエイティブ、入札・配信設定の変更履歴と実績を照合し、成果の差が生まれた要因と、次回検証すべき案を整理する活用例です。数値の変化だけでなく、その背景にある施策変更を合わせて振り返ることができる点が特徴です。

こうした振り返りを継続することで、単発の分析にとどまらず、施策改善のサイクルとして定着させやすくなります。

AI活用の具体的な事例については、以下の記事でも詳しく解説しておりますので、ご参照ください。

⇒ 広告業界におけるAI活用完全ガイド｜使い方や活用事例・おすすめツール5選もご紹介

8. MCPを導入・連携する手順

広告データとAIをMCPで連携する際に必要な準備から運用までを、6つの手順に分けて解説します。

• AIで解決する業務課題とKPIを決める
• 接続するデータソースと指標の定義を整理する
• MCPクライアントとサーバーを選び、操作範囲を決める
• 認証と最小権限を設定する
• 指標・重複・欠損を検証してから本番データへ接続する
• ログ・承認フロー・評価基準を整えて運用する

8-1. AIで解決する業務課題とKPIを決める

最初に、「レポート作成に毎月10時間かかっている」「CVは増えているが受注への貢献が分からない」など、現在の課題を具体化しましょう。MCPサーバーの選定から始めると、接続自体が目的になりかねません。

最初に決める項目

• AIに任せたい作業
• 人が確認・判断する作業
• 業務効率を測るKPI
• 広告施策を評価するKPI

業務面ではレポート作成時間や修正回数、施策面ではCPA、商談化率、受注率、ROASなどが候補です。業務効率と広告成果を分けて測ると、MCP導入による変化を説明しやすくなります。

8-2. 接続するデータソースと指標の定義を整理する

次に、広告媒体、アクセス解析、効果測定、CRM・SFAのうち、課題の解決に必要なデータソースを洗い出しましょう。接続できるデータをすべて集める必要はありません。

データソースごとに整理する項目

• データの所有部署と管理者
• 更新頻度と保存期間
• 接続方法と認証方式
• 指標の計上条件と日時基準

CV、商談、受注、売上などは、名称だけでなく計上条件まで明文化しましょう。媒体間のコンバージョンを単純合算しないよう、横断評価で基準にするデータと重複を排除する際のルールも決めることが重要です。

8-3. MCPクライアントとサーバーを選び、操作範囲を決める

課題とデータを整理した後に、利用するAIアプリケーションとMCPサーバーを選びましょう。AIアプリケーション側が、必要なMCP仕様や拡張機能に対応しているかも確認してください。

選定時に確認する項目

• MCPサーバーの提供元と更新履歴
• 取得できるデータと指標
• 読み取り・更新それぞれの操作範囲
• サポート方針と障害時の連絡先

初期段階は、レポート取得などの読み取り操作に限定するのが現実的です。予算変更や外部送信まで行う場合は、業務上の必要性と取り消し方法を確認してから範囲を広げましょう。

8-4. 認証と最小権限を設定する

接続先ごとに認証情報を分離し、業務に必要なアカウント・データ・操作だけを許可する設定を行いましょう。有効期限の短いトークンやシークレット管理の仕組みを利用し、認証情報を平文で保存することは避けましょう。また、認証情報を別のサービスへそのまま使い回すことは避けましょう。例えば、クライアントから受け取ったトークンを下流APIへそのまま転送する「トークンパススルー」は、セキュリティ上の問題につながります。

権限設定の確認項目

• 接続できる広告アカウント
• 参照できるデータの範囲
• 実行を許可する操作
• トークンの有効期限と失効手順

権限は業務に必要な範囲へ絞り、開発・検証・本番のアカウントを分けましょう。異動や退職、利用終了時に速やかに無効化できるよう、定期的な棚卸しも必要です。

8-5. 指標・重複・欠損を検証してから本番データへ接続する

本番接続の前に、期間と対象を限定したデータで検証しましょう。媒体管理画面、計測ツール、CRM・SFAの数値が完全には一致しない場合もあるため、差分の有無だけで判断しないことが大切です。

検証する項目

• 広告費、CV、商談、受注の件数
• 計測期間とコンバージョンの重複
• 日付、通貨、税、タイムゾーン
• ID連携率、更新遅延、データの欠損

差分が生じた箇所と理由を記録し、許容範囲もセットで定めておきましょう。想定を超える欠損や重複が見つかった場合の停止条件も決めてから、本番データへ段階的に接続してください。

8-6. ログ・承認フロー・評価基準を整えて運用する

検証を終えた後も、接続したまま放置するのではなく、利用状況と出力品質を継続的に確認します。予算・配信設定の変更やデータの外部送信には、人による承認を組み込みましょう。

運用開始後に記録・評価する項目

• データへアクセスした利用者と日時
• 実行したツールと操作結果
• 元データとの一致率と修正回数
• 判断に利用できた出力の割合

MCPの仕様やサーバー側の機能は更新される可能性があります。権限、プロンプト、検証用データを定期的に見直し、変更後も同じ条件で利用できるかを確かめてください。

9. MCPでデータを扱う際のセキュリティ対策

広告データをMCPで扱う際に確認したいセキュリティ対策を、4つに分けて解説します。

• 信頼できるMCPサーバーとデータソースだけを接続する
• 個人情報・認証情報・機密データへのアクセスを最小限にする
• プロンプトインジェクションとデータ流出を防ぐ
• 予算・配信設定の変更や外部送信には人の承認と監査ログを設ける

9-1. 信頼できるMCPサーバーとデータソースだけを接続する

出所が不明なMCPサーバーを接続すると、認証情報の窃取やデータの外部送信、意図しない処理につながるおそれがあります。公式提供元または社内審査済みのサーバーを優先してください。

接続前の確認項目

• 配布元と開発主体
• ソースコードと依存関係
• 更新履歴と脆弱性情報
• 問い合わせ先とサポート期間

MCP Registryに掲載されていても、掲載自体が安全性を保証するものではないため、自社のセキュリティ基準による評価が必要です。

参照：「About MCP Registry」Model Context Protocol

9-2. 個人情報・認証情報・機密データへのアクセスを最小限にする

広告データには、顧客情報、売上、未公開施策などが含まれる場合があります。分析目的に不要な情報へAIがアクセスできる状態を避け、データ範囲を絞り込みましょう。

機密データを扱う際の対策

• 氏名や連絡先を削除・仮名化する
• 集計済みデータを優先して利用する
• 認証情報と分析データの保管場所を分ける
• トークンの有効期限と失効状況を確認する

また、認証トークンを別の接続先へ転送する「トークンパススルー」は、MCPの認可仕様で禁止されています。接続先ごとに正式な認証を行い、必要な範囲だけを許可しましょう。

9-3. プロンプトインジェクションとデータ流出を防ぐ

広告文、LP、外部文書、ツールの説明文などは、AIにとって「信頼できない入力」になり得るものとして扱う必要があります。悪意のある指示が埋め込まれたテキストをAIが読み込むことで、意図しない操作が実行されてしまう「プロンプトインジェクション」と呼ばれるリスクが指摘されているためです。

組み合わせて実施する対策

• 読み取り対象を許可リストで制限する
• データを送信できる宛先を限定する
• 実行環境をサンドボックスで分離する
• 入力内容と出力結果を検査する

ツール名や説明文だけでは、実際に行われる処理を判断できません。実行前に操作内容と送信先を表示し、利用者が確認できる状態にします。

9-4. 予算・配信設定の変更や外部送信には人の承認と監査ログを設ける

広告予算や配信設定の変更権限をAIへ与えると、誤った指示や入力データによって費用が増えたり、配信が停止したりする可能性があります。メールや外部ストレージへの送信も、情報流出につながり得る操作です。

更新・外部送信前に確認する項目

• 対象となる広告アカウント
• 変更前後の値と想定される影響
• データの送信先と送信範囲
• 承認者と取り消し方法

包括的な事前承認だけで済ませてしまうと、想定していなかった操作まで許可してしまう可能性があるため、操作の重要度に応じて承認のタイミングを分けることが安全な運用につながります。

参照：

• 「Security Best Practices」Model Context Protocol
• 「Authorization」Model Context Protocol

10. MCP活用でよくある失敗パターンと対策

MCPを使った広告データ連携では、データの定義や検証方法によって、いくつかの問題が起こる可能性があります。

ここでは、失敗の内容、それによって起こる問題、防止策という流れで、5つのパターンを紹介します。

• 指標の定義をそろえずに複数データを接続する
• 媒体管理画面のコンバージョンを合算し、重複を見落とす
• 媒体ごとのデータだけで広告成果を横断評価する
• AIの分析結果や改善案を元データで検証しない
• 業務効率だけを見て広告施策の費用対効果を測定しない

10-1. 指標の定義をそろえずに複数データを接続する

媒体・計測ツール・CRMのあいだで、コンバージョン、売上、日付、顧客の定義がそろわないまま接続してしまうと、AIが、誤ったデータを前提にもっともらしい分析結果を出してしまうことがあります。定義のずれは数値としては見えにくいため、気づかないまま施策判断に使われてしまうリスクもあります。

こうした事態を防ぐには、データソース間の照合ルールをあらかじめ決めておくことが有効です。

10-2. 媒体管理画面のコンバージョンを合算し、重複を見落とす

複数の広告媒体に接触したユーザーが1回コンバージョンした場合でも、各媒体の管理画面ではそれぞれ成果として計上されることがあります。この状態で管理画面上の数値を単純に合算すると、実際のコンバージョン数を上回る数字になってしまうケースが起こり得ます。

媒体横断で共通のルールに基づいて計測・評価する体制を整えることが、この問題への対策になります。

10-3. 媒体ごとのデータだけで広告成果を横断評価する

媒体ごとの管理画面データだけを横並びにして比較すると、重複コンバージョンや間接効果、さらには商談・受注・売上まで含めた成果を、共通の基準で判断することが難しくなります。媒体単位の数字が良く見えても、事業全体で見ると必ずしも成果につながっているとは限りません。

媒体横断で取得した共通ルールの計測データをもとに、広告成果を評価する仕組みが必要です。

10-4. AIの分析結果や改善案を元データで検証しない

AIが出した要約や原因候補、予算配分の案をそのまま採用してしまうと、データの欠損、定義のずれ、推論の誤りを見逃してしまう可能性があります。AIの分析は効率化に役立つ一方で、その精度は入力データの質に左右されます。

根拠となったデータ、対象期間、変更履歴を人が確認するプロセスを、分析結果の採用前に組み込んでおくことが欠かせません。

10-5. 業務効率だけを見て広告施策の費用対効果を測定しない

レポート作成にかかる時間の短縮など、MCP導入による業務効率の指標だけを見ていると、肝心のCPA・ROAS・売上・利益への影響が見えなくなってしまうことがあります。業務が効率化されても、広告施策そのものの費用対効果が改善しているとは限りません。

信頼できる計測データを土台にして、業務効率と広告成果の両方を継続的に評価する視点が求められます。

マーケティングの効果測定の全体像については、以下の記事でも詳しく解説しておりますので、ご参照ください。

⇒ マーケティングの効果測定とは？方法・重要指標・ツールを徹底解説

11. 広告分析の精度を高める「アドエビス」

ここまで見てきたように、AIやMCPを業務に取り入れても、広告成果を正しく判断するには、その土台となる計測データの精度が欠かせません。指標の定義がそろっていなかったり、コンバージョンが重複計上されていたりすれば、どれほど優れたAIエージェントであっても、分析や判断にも誤りが生じる可能性が高まるためです。

当社が提供する「アドエビス」は、サービス提供開始から20年、累計導入企業数11,000件以上、広告効果測定ツールの導入シェアNo.1(※)を誇る、流入からコンバージョン・売上までを可視化する広告効果測定プラットフォームです。

※ 2024年8月期 指定領域における市場調査 調査機関：日本マーケティングリサーチ機構

ここでは、AI・MCP活用の観点から見たアドエビスの強みを4点紹介します。

アドエビスの4つの強み

• 強み①：高精度な計測データをAI分析・改善の土台にできる
• 強み②：広告・CRM・売上データをつなぎ、施策の真の成果を評価できる
• 強み③：アドエビスの計測データをMCP経由でAI活用につなげられる
• 強み④：AD EBiS Campaign Managerと併用し、施策情報と計測結果をまとめて振り返れる

11-1. 強み①：高精度な計測データをAI分析・改善の土台にできる

広告の管理画面に並ぶクリック数やコンバージョン数だけでは、その裏で実際に受注や売上につながっているキーワード・施策までは判断できません。アドエビスは、こうした数値の背景にある「本当に成果へ貢献している施策」を一元管理で可視化し、成果につながっていない広告への投資を抑えて、利益を生む施策へ予算を寄せる判断をしやすくします。

その土台となっているのが、サーバー側で発行する1st Party Cookieなどを活用した計測の仕組みです。

ITPをはじめとするCookie規制による計測データの欠損を抑えることで、AIによる分析へ渡すデータの品質を高めやすくなります。

11-2. 強み②：広告・CRM・売上データをつなぎ、施策の真の成果を評価できる

アドエビスは、広告接点の計測結果とCRM・SFA・売上データを連携させることで、コンバージョン数だけでなく、商談や売上まで含めて施策の成果を評価できます。

SNS広告や動画広告のような、すぐにはコンバージョンへつながりにくい認知施策についても、間接効果まで評価に含められる点が特徴です。これにより、単体のチャネル評価にとどまらず、マーケティング全体の費用対効果を見渡した判断がしやすくなります。

あわせて、Google・Meta・LINEヤフーなど主要な広告媒体から、広告費のデータを日次で自動取得・同期する「媒体シンク機能」も提供しています。

手作業でのデータ突合や、スプレッドシートへの転記に伴うミスといった運用の手間を減らし、最新の費用対効果をより迅速に一元管理しやすくなる機能です。

11-3. 強み③：アドエビスの計測データをMCP経由でAI活用につなげられる

アドエビスは、生成AIやAIエージェントと広告計測データを標準的な方法で連携するMCPに対応し、2026年9月上旬より、アドエビスを利用中の一部の顧客を対象に先行提供を開始しております。現在、MCPはClaudeのみで先行提供中です。

この対応により、生成AIやAIエージェントがアドエビスに蓄積された広告計測データを直接参照し、広告成果の分析やレポート作成に活用できるようになります。

さらに、広告成果の監視、要因分析、施策検討、報告といった、それぞれ役割の異なる複数のAIエージェントが、アドエビスの計測データを共通の判断材料として連携できるようになる点も見込まれています。

広告媒体のCVに加えて、広告接点から商談・受注・売上までをAI分析へ活用したい方は、以下よりアドエビスの資料をご覧ください。

11-4. 強み④：AD EBiS Campaign Managerと併用し、施策情報と計測結果をまとめて振り返れる

「AD EBiS Campaign Manager」は、当社イルグルムが提供する広告運用の課題発見、要因分析、改善案の整理を支援するAIエージェントです。

アドエビスと併用すると、キャンペーンの目的や変更履歴などの定性情報と、広告効果測定の定量データを関連づけて振り返れます。

これにより、「どの施策変更の後に、どの指標が変わったか」を確認し、次の検証案を整理しやすくなります。アドエビスとAD EBiS Campaign Managerの機能・契約条件は異なるため、導入時には必要な範囲を確認してください。

12. MCPに関するよくある質問（FAQ）

最後に、MCPを用いた広告データ連携を検討する際によくある4つの質問へ回答します。