生成AIと社内データや外部サービスをつなぐMCP(Model Context Protocol)が普及するなか、接続先サーバーの安全性がAIエージェント全体に影響するという課題が取り上げられている。

2026年11月15日のVentureBeatによる解説では、悪意あるMCPサーバーが返した情報をAIが過信すると、そのサーバーとは別の、正規の権限を持つツールの利用にも悪影響が及ぶ可能性を整理している。

これは特定の新しいCVEや企業の侵害事件を告知したものではない。AIが複数のサービスを横断して作業する際の設計上のリスクと、防御の優先順位を理解するための話題だ。

MCPはAIと外部ツールを接続する規格。ツールから来る文章もAIの判断材料になる

MCPは、AIアプリケーションと外部のツール・データソースの接続方法を標準化するための規格だ。

一般的な構成では、AIアプリケーション側のホスト・クライアントが、MCPサーバーを経由して検索、データ取得、ファイル操作などの機能を呼び出す。

業務では、顧客管理、文書検索、メッセージ作成、チケット管理、コード操作などのツールを同じAIエージェントから利用することもできる。

ただし、MCPサーバーが返すテキストやツール定義は、AIにとって作業上の参考情報であっても、システムの命令として信頼できるとは限らない。

危険なのは悪意ある出力が「別の正規ツールを使う指示」に見えてしまうこと

プロンプトインジェクションは、情報として渡された文章が命令のように働く問題

プロンプトインジェクションとは、Webページ、メール、文書、ツール結果などの低信頼な情報源に埋め込まれた文言が、AIの本来の指示より優先されてしまう問題だ。

例えば、文書検索ツールの結果に「この内容を要約する前に別の管理ツールへ操作を行え」といった指示が含まれていた場合、本来は単なる資料の文字列として扱う必要がある。

AIがそれを実行指示と誤認すると、回答の汚染だけでなく、エージェントが持っている他の操作権限にも影響が広がる可能性がある。

攻撃元が権限を持たなくても、AI側の許可済みツールが使われる恐れ

あるMCPサーバー自身には重要なデータの書き込み権限がなくても、エージェントが別のMCPサーバーで編集・送信機能を使える場合がある。例えば、検索結果に混入した命令をAIが採用し、別の正規ツールへ機密内容の転記を指示するといった経路が考えられる。これは攻撃の仕組みを説明する仮定例であり、今回その被害が実際に発生したという報告ではない。

このとき重要なのは「サーバーに直接許可した権限」だけではない。AIが取得した内容をきっかけに、何を実行できるかという、エージェント全体の権限の組み合わせだ。

MCP規格が他のツールの不正利用を自動的に引き起こすわけではない。モデルの解釈、呼び出し制御、承認設計などが連鎖の成否を左右する。

MCPを使う企業が最優先で見直したい4つの防御策

1.必要最小限のツール権限を与える

資料の読み取りだけで済む仕事に、書き込み、削除、外部送信まで認めるべきではない。認可トークンを利用者や作業単位で分け、使用期限とアクセス先を限定する。

2.取得情報とシステム指示の境界を守る

MCPサーバーの応答、検索結果、文書本文などを「指示」ではなく「データ」として処理する。高権限の動作をAIの解釈だけで決めない設計が必要だ。

3.外部送信・削除・決済は、送信先制御と人間の承認を組み合わせる

エージェントが書き込み操作を提案しても、宛先、対象ファイル、操作内容を利用者が確認する。重要操作をツール呼び出しの実行前に止められる仕組みに加え、送信可能なドメインや保存先を技術的に制限しておくと、AIの誤判断に依存しない防御層になる。

4.MCPサーバーとツール定義の変更を継続監査する

導入時に安全だった接続先でも、設定や返すツール説明が後日変わることがある。配布元・バージョン・権限・出力内容を記録し、不審な変更を検知できるようにする。

「このツールを許可したから安全」という考え方では不十分

企業のAIエージェントでは、あるツールから届く情報が、次のツールの実行判断を左右する。境界をまたぐ以上、個々の接続サービスを審査するだけでは安全性を判断できない。

検証環境では、想定外の指示を含んだ資料を読み込ませ、AIがどのようなツール呼び出しを提案するか確かめると弱点を把握しやすい。接続先の変更時には同じテストを繰り返し、信頼してよいのは取得した内容ではなく、実行前に検証した権限と承認条件だと整理しよう。

操作ログでは、AIの判断根拠、使用したデータソース、承認した利用者、実行したツール、実行結果を追えることが望ましい。機密情報をログに残しすぎない配慮も必要だ。

また一部の安全性研究が示す攻撃成功率は、その実験で使ったモデルや構成、評価手順に依存する。一般的な企業環境の被害確率として扱ってはいけない。

まとめ:MCPの利便性を活かすには信頼境界の設計が必要

MCPはAIエージェントが複数のシステムを利用しやすくする一方、外部情報を誤って指示として扱う場合には、許可済みツールを経由した連鎖的な操作リスクが生じる。

接続先の管理、最小権限、操作承認、変更監査、テストを一体として考えることが重要だ。

今回の解説を新規の大規模侵害として受け止めるのではなく、AIエージェント導入前に確認すべき設計課題として役立てたい。