生成AIパスポート 用語解説
MCPとは
AIエージェントが外部のツールやサービスと連携するための仕組み。
まず押さえる結論
MCPは、生成AIパスポートの「第3章 現在の生成AI（ジェネレーティブAI）の動向」で確認しておきたい用語です。 定義だけでなく、どの場面で使う言葉か、何と混同しやすいか、問題文のどの表現で判断するかまで確認します。
試験での問われ方
定義の言い換え
用語そのものではなく、説明文の一部を言い換えて出されることがあります。
似た概念との比較
同じ章の用語と入れ替えた選択肢に注意します。対象、目的、使う場面を分けます。
具体例からの判断
問題文の事例が、定義のどの部分に対応しているかを先に確認します。
誤答しやすいポイント
- RAGとファインチューニングの混同。RAGは外部知識（ベクトルデータベース）を検索して文脈に加える手法で、モデルの再学習はしない。ファインチューニングは追加学習。
- ディープフェイクと偽情報（ディスインフォメーション）の区別。前者は人物の映像・音声を本物のように偽造する技術、後者は意図的に作られ拡散される偽情報そのもの。
- 生成物の種類の取り違え。Soraは動画、Image Generationは画像、音声生成AIは音声。名前ではなく生成する対象で見分ける。
関連する確認問題
第3章 現在の生成AI（ジェネレーティブAI）の動向 / AIエージェント
AIエージェントに関する記述として最も適切なものはどれか。
AIエージェントは、与えられた目標に対して自らタスクを計画・分解し、外部ツールやサービスと連携（MCP等）しながら自律的に実行するAIを指す。GenSpark・Manus・Skywork AIなどがツール事例として挙げられる。選択肢4は匿名加工情報（特定の個人を識別できないよう加工し、復元できないようにした情報）の説明。
第3章 現在の生成AI（ジェネレーティブAI）の動向 / AIエージェント
AIエージェントが外部のツールやサービスと連携するための仕組みとして挙げられるものはどれか。
MCPは、AIエージェントが外部のツールやサービスと連携するための仕組みとして挙げられる。RAGは外部知識を検索して回答に活かす手法、RLHFは人間のフィードバックによる強化学習、NLPは自然言語処理という技術分野で、いずれも外部連携の仕組みそのものではない。
第3章 現在の生成AI（ジェネレーティブAI）の動向 / AIエージェント
AIエージェントにとって、MCPなどによる外部のツールやサービスとの連携が重要である理由として、最も適切なものはどれか。
言語モデル単体でできるのは基本的にテキストの生成であり、最新情報の取得や他のサービスの操作など現実世界への働きかけはできない。MCP（Model Context Protocol）のような仕組みで外部のツール・データソースと連携することで、AIエージェントは検索・実行・操作を伴う現実のタスクを完了できるようになる。文章生成自体は連携なしでも可能で、学習データが不要になる効果や法律上の義務は存在しない。
同じ章で確認したい用語
到達チェック
- MCPを一文で説明できる
- 同じ章の似た用語と違いを説明できる
- 問題文の具体例から、MCPに関係する論点を拾える
- 関連問題を解き、誤答した選択肢の理由を確認できる