MCP 世代に向けたエンタープライズの顧客体験の再構築
AI のルールは毎日のように書き換えられています。従業員や企業はこぞって AI の意味を定義し、その活用法を模索していますが、その中で最も重要な問いがひとつあります。顧客体験と従業員体験の未来を握っているのはあなた自身、それともベンダーでしょうか? その答えはあなたであるべきだと、アバイアは考えています。だからこそアバイアは、AI のオープンな未来を見据え、モデルコンテキストプロトコル(MCP)に対応する Avaya Infinity プラットフォームを構築しています。これは、顧客、市場にとどまらず、企業や公共機関の次なる未来を切り拓く信頼とイノベーションのための、正しい一歩です。
MCP とは
MCP(モデルコンテキストプロトコル)とは、AI モデル(GPT、Claude、Gemini など)が外部ツール、データソース、API、ユーザーコンテキストとセキュアかつ確実に連携できるようにする、新しいオープンスタンダードで、構造化された方法でのやり取りを可能にします。MCP により、AI は単独で動作するのではなく、企業のコンテキスト、ユーザーの履歴、業務の目的と連動しながら、メモリ、関連性、継続性を持って動作できるようになります。MCP により、AI は重要度が高く、大規模な環境でも無限の価値を発揮できるようになります。
「今は様子見をしている時ではありません。アバイアは、モダンエンタープライズ向けの決定的なオープンオーケストレーションエンジンの構築に、今こそ本気で取り組むべき時だと考えています」
David Funck Chief Technology Officer, Avaya
MCP の仕組み
MCP はクライアント→モデル→サーバーのアーキテクチャに基づいて構築されています。
- クライアントはコンテキスト(ユーザー情報、役割、タスク、環境)を収集します。
- モデル(Claude、GPT など)は、コンテキストと利用可能なツールやアクションのリストを受け取ります。
- サーバーは、ツール(API、データベースなど)をホストし、モデルが要求するアクションを実行します。
すべてのコミュニケーションは構造化されたスキーマに従っており、このため、すべてが解釈可能、追跡可能でセキュアです。

Avaya Infinity:夢物語から MCP による実現化へ
アバイアの CEO の Patrick Dennis およびアバイアの CTO の David Funck との単独インタビュー。
AI と MCP による摩擦の解消
これまで AI を顧客体験に取り入れるには、次のどちらを選択するにせよ、不完全さが伴っていました。
- 特定のプロバイダに絞ると、クローズドなエコシステムに依存し、柔軟性や将来の選択肢の幅が狭まる
- 複数のツールとデータサイロにまたがる 1 回限りの統合は、脆弱でコストがかかり、混乱を招く
この選択を誤ると、イノベーションを妨げ、IT チームの負担になります。体験が断片化し、お客様と従業員双方の信頼を損ないます。AI のスピードで進化する世界では、このアプローチは持続不可能です。
オープンでベンダーに依存しない標準である MCP は、すべてを変えます。MCP により、AI モデルはツール、データ、運用ロジックとシームレスに、セキュアかつ大規模に連動できます。専門家はこぞって MCP を AI の USB-C に例えます。つまり、モデル、プラットフォーム、エンタープライズシステムをつなぐ、ひとつの共有コネクタというわけです。
2024 年後半に Anthropic によって構築され、発表されました。OpenAI、Google DeepMind、Microsoft などの大手テクノロジー企業による MCP の急速な採用は、このプロトコルの戦略的な重要性を強く示しています。こうした動きは、クローズドなエコシステムで得られる利益よりも、独自の統合が市場の成長を妨げているという、共通認識が広がっていることを示しています。現在私たちは、相互運用性、透明性、ユーザーによる制御へと向かう根本的な変革を共に創り出しています。
MCP により、AI システムはユーザー、セッション、ビジネスコンテキストを動的に認識して動作できます。Avaya Infinity では、エコシステムが断片化されていたり、エンタープライズ規模であっても、モデルが正確で、関連性があり、パーソナライズされ、ブランドに即した応答を一貫して提供できます。このレベルのコンテクスチュアルインテリジェンスは、業務全体で何千ものワークフロー、ユーザー、統合ポイントを管理する企業にとってきわめて重要です。
Databricks とのコラボレーション
セキュアでスケーラブル、オープンな AI への取り組みの一環として、Databricks と提携し、Avaya Infinity プラットフォームへの MCP 実装にエンタープライズグレードのガバナンスとデータプライバシーをもたらします。このコラボレーションにより、エンタープライズのお客様は、きめ細かなアクセス制御、監査ロギング、構造化および非構造化データソース間のシームレスな統合により、AI ツールを確信を持って導入することができます。
「生成 AI には顧客体験を変革する大きな可能性があります。私たちはアバイアと連携し、企業がデータを迅速に統合し、データと AI のガバナンスおよびセキュリティを簡素化し、最終的には自社のビジネスを深く理解する AI を提供できるよう支援できることを嬉しく思います」
Heather Akuiyibo VP of GTM Integration, Databricks

MCP による断片化からの解放
一般的な企業では、ツールやデータソースの数は "N" 個あり(Salesforce、製品データベース、ナレッジベースなど)、アクセスが必要な AI モデルやアプリケーションの数は "M" 個あります。MCP が登場する前は、各ツールを各 AI モデルに接続するには、独自のポイントツーポイント統合が必要でした。このため、組み合わせに伴う開発作業が爆発的に増加し、構築に多大なコストがかかり、保守が困難で、拡張性に乏しいアーキテクチャとなっていました。
MCP は、標準化された中間層を導入してこのパラダイムを変革し、複雑な N x M 問題をシンプルかつスケーラブルな "N+M" ソリューションに変換します。"N" 個あるツールのそれぞれを 1 つの MCP サーバーでラップするだけでよく、"M" 個ある各 AI モデルに必要なのは 1 つの MCP クライアントだけです。MCP を「話せる」ようになったコンポーネントは、エコシステム内の他の MCP 準拠のコンポーネントと通信できるようになります。これにより、開発のオーバーヘッドを大幅に削減し、冗長な作業を排除し、数十におよぶ脆弱なカスタムコネクタの保守に伴う技術的負債を解消できます。新しいテクノロジー、チャネル、手法への投資によって、カスタマーインタラクションが分断されてしまうことがあります。自分たちがあまり理解されず、大切にされていないと感じる顧客が増え、サービスを提供している企業とのつながりが薄れてきています。こうした問題は多くの企業のコンタクトセンターで最も大きくなります。
アバイアは断片化したコンタクトセンターエクスペリエンスを統合することで、この流れを変えます。チャネル、インサイト、テクノロジー、ワークフローをつなぎ、クラス最高のインタラクションを提供できるようにお手伝いします。
MCP の潜在的な ROI
MCP により、Avaya Infinity ユーザーは、より深いビジネス価値、すなわち、解決にかかる時間の短縮、より自然な会話、より強いブランドの一貫性、顧客と従業員のインタラクションにおけるより高い満足度を実現できます。出力がインテリジェントであるだけでなく、状況を認識し、戦略的に連携している生成 AI で、新しいレベルの成果を達成できます。
初期の研究では、MCP はエンタープライズに劇的な改善をもたらし、多くの分野で時間とコストを削減しています。
MCP使用前 | MCP使用後 | |
統合 | モデル/ツールに応じたカスタムコネクター | 1つのMCPインターフェイスが複数のモデルおよびツールに対応 |
導入時間 | カスタムメイドのエンジニアリングが必要になるため、長時間かつ高額に | 50~70%高速化、再利用によるコスト削減(quiq.com、Palma AI、Humanloop、aibase.com) |
データアクセス | AIはシステムデータを認識できず、コンテキストが失われる | フルリアルタイムコンテキスト:CMS、CRM、EHR、ERP |
リスク管理 | 手作業での検索、不正の検出が遅延 | システム間の即時チェックにより不正行為を30%削減 |
未来は無限の可能性に満ちている
世界で最も影響力のある AI のリーダーたちは、AI の未来がオープンでコンテクスチュアルであり、その可能性は計り知れないと認識しているため、MCP を支持しています。オープンかつインテリジェントなオーケストレーションへの信念と取り組みを継続しながら、アバイアは顧客体験の分野に MCP をもたらすことで変革を先導できることを誇りに思います。
用語集
以下の用語の完全な用語集。
用語 | 定義 | なぜ重要なのか |
MCP(モデルコンテキストプロトコル) | 構造化コンテキストオブジェクトを介してAIモデルがツール、API、メモリと相互作用する方法を標準化するオープンプロトコル。 | ワークフローやエンタープライズシステム全体にわたり、信頼性が高く、解釈可能で、スケーラブルなAIの動作を実現します。 |
コンテキスト | ユーザーID、セッション履歴、役割、時刻、ツールの可用性など、モデルに渡される構造化情報のまとまり。 | モデルが関連性の高い、パーソナライズされた、状況に応じた応答を生成できるようにします。 |
モデル | MCPコンテキストを受け取り、応答を生成する生成AI(例:Claude、GPT-4、Gemini)。 | ループにおける「頭脳」であり、コンテキストを活用して、より賢く一貫性のある意思決定を行います。 |
クライアント | コンテキストを収集し、モデルに送信するアプリケーションまたはインターフェース(例:チャットウィンドウ、エージェントフレームワーク、カスタマーポータル)。 | リクエストとインタラクションを開始するユーザー向けのエントリポイント。 |
サーバー | MCPを介してモデルが利用できるツール、API、関数、データソースをホストするロジック層。 | AI出力が現実世界のビジネスアクションをトリガーできるようにするアクション実行バックエンド。 |
ツール | MCPを介してモデルに公開される個々の関数またはAPI(検索ナレッジベース、チケットステータスの確認、CRMのアップデートなど)。 | モデルが言語を超えて、外部システムでアクションを実行できるようにします。 |
スキーマ | ツールとコンテキストをどのように表現し、モデルに渡すべきかについての構造化された定義(JSONまたはYAML)。 | クライアント、サーバー、モデル間で共通言語を作成し、一貫性を高め、デバッグを容易にします。 |
メモリ | 複数セッションにまたがって永続的に保持されるモデル向けコンテキスト(ユーザー履歴、基本設定、過去のアクション)。 | 顧客を「記憶」するエージェントのように、長期にわたる継続とパーソナライゼーションを可能にします。 |
エフェメラルコンテキスト | 短時間のセッション固有の情報(現在のタスク、一時変数など)。 | AIの応答を現在のインタラクションの間のみ集中的かつ効率的に維持します。 |
エージェント | MCPコンテキストに基づいてアクションを実行し、ツールを呼び出し、意思決定を行うことができるAIシステム。多くの場合、自律型または半自律型のワークフローで使用されます。 | MCPは、安全で有用、制御可能なエージェント動作を可能にする基盤を提供します。 |
オーケストレーション | 複数のステップ、ツール、およびモデル出力を調整して、より高次のビジネス目標を達成すること。 | MCPは、モデルが単一のプロトコルで構造化されたコンテキストとツールにアクセスできるようにすることで、オーケストレーションを簡素化します。 |
オブザーバビリティ | 渡されたコンテキスト、モデルが行った決定、ツールの使用状況を検証する能力。 | AIシステムのデバッグ、コンプライアンス、そして企業におけるAIシステムへの信頼に不可欠です。 |
相互運用性 | さまざまなAIモデルやプラットフォームが、ツールやコンテキストの共有構造で連携する能力。 | MCPは、さまざまなベンダーやアーキテクチャ間でのプラグアンドプレイAIを可能にします。 |