MCPとは。生成AIの会話で需要予測を動かす公式MCPサーバー

需要予測・AI公開 2026年11月8日更新 2026年11月9日11分で読めます

「来週の月曜は何ケース出そうか」とChatGPTやClaudeに打ち込み、学習済みの予測AIが出した数字を会話の中で受け取る。2026年11月5日に提供が始まったMatrixFlow公式MCPサーバーを使うと、こうした頼み方で需要予測を動かせるようになりました。MCP（Model Context Protocol）を通して出荷実績のCSVを渡せば、データの登録から学習、翌週の物量の予測値と上限・下限の受け取りまでを、画面の操作を覚えずに会話で進められます。

会話の相手は生成AIですが、数字を出しているのは生成AIではなく、その向こうで動くMatrixFlowの予測エンジンです。センター長にとって変わるのは、予測AIの設定を覚える手間がなくなり、いつも使っているAIアシスタントへの頼み方ひとつで翌日の人数の材料がそろうところです。以下では、MCPの仕組みから、倉庫の出荷実績を人員計画までつなぐ流れ、社内で聞かれる安全面の答えまでを順に見ていきます。

MCPは、AIアシスタントと外部のサービスをつなぐ共通の規格です

MCPは、Anthropicが2024年11月25日にオープンな標準として公開した、AIアシスタントと外部のデータやツールをつなぐための取り決めです。それまではAIの種類と業務システムの組み合わせごとに個別のつなぎ込みが必要でしたが、MCPは接続の形を1つにそろえ、一度作った受け口をClaudeからもChatGPTからも使えるようにしました。公式の説明ではAIアプリケーションにとってのUSB-Cの差し込み口にたとえられていて、機器ごとに違う線を用意しなくてよくなる、という意味合いです。2025年12月にはLinux Foundation傘下のAgentic AI Foundationに寄贈され、特定の1社のものではない規格として運営されています。

表1　MCPで出てくる言葉と、今回の記事での中身

言葉	意味	この記事での中身
MCP	AIアシスタントから外のサービスを呼び出すための決まり	ChatGPT・Claude・Gemini・CopilotなどとMatrixFlowをつなぐ決まり
MCPサーバー	サービスの側が用意する受け口。AIに使わせる操作を並べておく	MatrixFlow公式MCPサーバー（データ登録・学習・予測などの操作）
MCPクライアント	受け口に接続して操作を呼び出す側。AIアシスタントのアプリが担う	センター長が普段使っているChatGPTやClaudeの画面
OAuth 2.1	パスワードを渡さずに、使ってよい範囲だけを許可する認可の仕組み	MatrixFlowのログイン画面で接続を許可するときの方式

MCPサーバーは、サービスの側が用意する操作の受け口です

MCPサーバーと聞くと社内に機械を置くように聞こえますが、利用者が何かを立てる必要はありません。サービスを提供する会社が、AIに任せてよい操作を一覧にした受け口をネットの上に用意し、利用者はAIアシスタントの設定画面にそのURLを登録するだけです。MatrixFlowの場合は、接続先のURLを登録したあとにMatrixFlowのログイン画面が開き、そこで許可すると会話から操作できるようになります。Excelのアドインを入れる感覚に近く、社内で決めておくのは、どのAIアシスタントで、どの範囲の操作を許すかという点です。

公式MCPサーバーでは、データの登録から学習・予測・最適化までを会話で頼めます

MatrixFlow公式MCPサーバーで会話から頼めるのは、データセットの登録、AIの学習、予測の実行、期間を区切った時系列予測、条件に合う組み合わせを探す最適化、マニュアルの検索の6つです。会話で作ったプロジェクトや学習済みのAIは、あとからMatrixFlowの画面でも確認や修正ができるので、最初は会話で試し、細かい調整は画面で行うという分け方もできます。表2は、公表されている6つの操作を、倉庫の仕事に置き換えたものです。

表2　会話から頼めることと、倉庫での使い道

会話から頼めること	中身	倉庫での使い道
データの登録	CSVを渡してデータセットにし、列の型や欠損の状況を見る	WMSから出した日別の出荷実績を渡し、抜けている日がないかを見てもらう
AIの学習	予測したい列を伝えて学習させ、進み具合と精度を受け取る	出荷ケース数の列を指定して、曜日や月末の波を学ばせる
予測の実行	学習済みのAIで予測し、結果を会話の中で受け取る	翌週の荷主別や大分類別の出荷数を受け取る
時系列予測	指定した期間の予測値と、上限・下限を受け取る	翌週7日分の物量を、多めと少なめの幅つきで受け取る
最適化	目標値と制約を伝え、条件を満たす入力の組み合わせを探す	目標と制約を数字で言える計画で、条件に合う組み合わせの候補を出してもらう
マニュアル検索	MatrixFlowのマニュアルから該当するページを示してもらう	画面で調整するときの操作手順を、その場で聞く

接続先は https://mcp.ai.matrixflow.net/mcp で、AIアシスタントの設定画面でこのURLを登録し、開いたMatrixFlowのログイン画面で許可すれば準備は終わります。対応しているのはChatGPT・Claude・Gemini・Copilotなどで、今後はClaudeとChatGPTの公式ディレクトリへの掲載や、Microsoft 365 Copilotへの対応も予定されています。社内で業務に使ってよいAIアシスタントがすでに決まっているなら、そこから始めるのがいちばん早い入り方です。

倉庫では、出荷実績のCSVから翌週の物量と人員計画までを1つの会話でつなげます

倉庫での使い方は、WMSから出した日別の出荷実績を会話に渡し、学習させ、翌週の物量を上限と下限つきで受け取り、その数字を持ち場ごとの人数に直すという4段の流れになります。渡すデータは日付と出荷ケース数の列があれば始められ、荷主別や大分類別の列、販促や祝日の印があれば予測の材料が増えます。図1は、月曜の朝に翌週の計画を立てる場面での流れです。

図1　月曜の朝に翌週の人数を決めるまでの会話の流れ

WMSから過去2年分の日別の出荷実績をCSVで出し、会話に添付して「これを登録して、欠けている日を教えて」と頼む

▼

「出荷ケース数を予測したい。曜日と祝日の影響も見て学習して」と頼み、進み具合と精度を会話で受け取る

▼

「来週月曜から日曜までの出荷ケース数を、上限と下限つきで出して」と頼み、7日分の予測値を受け取る

▼

予測値を持ち場ごとの人時生産性で割り、日ごとの必要人数を出す

上限の日だけ応援の候補を決め、下限の日は別の作業に人を回す

▼

翌週の実績が出たら同じ会話に戻し、予測との差を見ながら次の週の計画を立てる

図1の4段目の人数への換算は、予測値を工程ごとの人時生産性で割るだけの計算なので、同じ会話の中でAIアシスタントに頼んでも、受け取った数字をいつものシフト表に貼って計算してもかまいません。大事なのは、予測が出た時点で人数の前提が決まるように、持ち場ごとの1人1時間あたりの処理数を先に表にしておくことです。出荷物量から持ち場ごとの人数を落とす考え方は、出荷物量から必要人員を決めるページにまとめています。

上限と下限を使うと、翌日の人数に幅を持たせて決められます

上限と下限が返ってくると、人数を1つの数字で決め打ちしなくてすみます。たとえば翌週月曜の予測が9,800ケースで、上限が10,600ケース、下限が9,000ケースだったとし、ピッキングの人時生産性が1人1時間120ケース、1日8時間の勤務だとします。予測値なら約82人時で11人、上限なら約89人時で12人、下限なら75人時で10人という計算になり、11人で組んだうえで、上限に振れた場合に呼べる応援を1人決めておけば足ります。下限に近い日が続くと分かっていれば、その日は棚卸しや格納の前倒しに人を回す段取りを前の週のうちに組めます。

予測が外れる幅は、データの細かさと先の長さで変わります。日別で荷主ごとに細かく分けるほど、また2週間先、1か月先と先を延ばすほど、上限と下限の幅は広がります。会話で受け取った精度の数字が自社の許せる幅に入っているかは、ケース数を人数に直して判断すると、現場の言葉で決められます。

来月の出荷数は、月次にまとめた実績で同じ手順を回します

翌月の荷主との打ち合わせや、派遣会社への人数の申し込みに使う月の出荷数も、手順は同じです。日別の実績を月ごとに合計したCSVを渡して学習させ、翌月から3か月先までの予測値と上限・下限を受け取れば、荷主の販促予定と並べて「この月は上限側に寄りそうだ」という話を数字で始められます。

公表されている実例は、部品メーカーの月次発注数を平均誤差約3%で読んだものです

MatrixFlowが公表している実例は、ある部品メーカーの月次の発注数を、Claudeとの会話から予測したもので、テスト期間の平均絶対誤差は平均発注数の約3%でした。流れは、実績のCSVを渡して「これで学習したい」と頼むところから始まり、時系列予測のモデルであるMFTransformerV2で学習したあと、「可視化して分析して」と頼み、精度と予測に効いている要因を会話の中で受け取っています。表3は、その3つの段取りを並べたものです。

表3　部品メーカーの月次発注数での実例の流れ

段取り	会話で頼んだこと	返ってきたもの
学習	実績のCSVを渡し、これで学習したいと伝える	データの登録と、MFTransformerV2での学習
分析	結果を可視化して分析するよう頼む	予測の精度と、予測に効いている要因
予測とレポート	予測期間のCSVを渡し、予測してレポートにするよう頼む	予測値・上限と下限・精度・注意点のレポート

約3%という数字は、部品メーカーの月次の発注数という、月ごとにまとめた数字での結果です。倉庫の日別の出荷物量は、曜日や天候、荷主の販促で日ごとの振れが大きく、月にまとめた数字より外れの幅は広がりやすいので、自社の数字で同じ水準になるとは読まないほうが安全です。予測の当たり具合を何で測り、どこまでなら現場で使えるかは、需要予測の精度はどこまで上がるのかで、外れの合計を実績の合計で割る測り方から詳しく書いています。

情報システム部門に聞かれる安全面は、5つの仕組みで答えられます

公式MCPサーバーの安全の仕組みは、OAuth 2.1での接続、段階に分けた権限、削除する操作を置かない設計、アカウントごとの分離、いつでもできる接続の解除の5つです。現場の長が生成AIで予測を回したいと相談すると、情報システム部門からは、パスワードをAIに渡すのか、AIが勝手にデータを消さないか、ほかの会社のデータが混ざらないか、やめたいときに止められるかの4つがまず聞かれます。表4の問いと答えは、社内の稟議の資料にそのまま写して使えます。

表4　社内で聞かれる安全面の問いと、公式MCPサーバーの答え

聞かれること	仕組み	中身
パスワードをAIに渡すのか	OAuth 2.1による接続	利用者本人がMatrixFlowにログインし、許可の画面で中身を見て接続する。パスワードはAIアシスタントに渡さない
AIに何でもさせてしまわないか	権限の段階的な付与	接続した直後に許されるのは閲覧・作成・推論の3つだけ。学習は必要になった時点で利用者が改めて許可する
AIがデータを消さないか	削除する操作を置かない	データやAIを削除するツールは用意しておらず、言い間違いや誤操作で消えることがない
ほかの利用者のデータが見えないか	アカウントごとの分離	接続はアカウントごとに分かれ、ほかの利用者のデータは参照できない
やめたいときに止められるか	いつでも解除できる	MatrixFlowの設定画面「接続中のアプリ」から、いつでも接続を切れる

OAuth 2.1は、MCPの仕様が、ネット越しにつなぐときの認可の方式として土台に置いている仕組みです。利用者が許可の画面で範囲を見てから接続するので、AIアシスタントの側には、許した範囲の操作だけができる鍵が渡る形になります。一方で、会話に添付した出荷実績はAIアシスタントの側にも渡るので、そのアシスタントを業務で使ってよいかという社内の決まりは、MatrixFlowとは別に整えておく必要があります。

生成AIは言葉、予測AIは数字を受け持ち、MCPがその2つをつなぎます

MCPでつなぐ意味は、生成AIの頼みやすさと、予測AIの数字の確かさを、1つの会話の中で両方使えるようになることにあります。生成AIは、文章をまとめたり問いに答えたりするのは得意ですが、自社の何年分もの出荷実績から曜日や季節の規則を学び、上限と下限つきで先の数字を出すのは、予測を専門にしたAIの仕事です。物流での両者の分担は、物流でAIは何ができるのかでも書いたとおりで、MCPはその分担を残したまま、入り口を会話の1つにまとめます。表5に、どちらか1つだけを使う場合と、MCPでつないだ場合の違いを並べました。

表5　生成AIだけ、予測AIだけ、MCPでつないだ場合の違い

	生成AIだけ	予測AIの画面だけ	MCPでつないだ場合
頼み方	言葉で頼める	画面の操作を覚えて進める	言葉で頼める
先の数字の出し方	渡した表を集計して見立てを返す	学習済みのモデルで予測値と上限・下限を出す	学習済みのモデルで予測値と上限・下限を出す
結果のまとめ方	文章や表にまとめるのが得意	画面のグラフと表で見る	予測の数字を、そのまま報告の文章や表にまとめてもらえる
作ったAIの扱い	残らない	画面で確認・修正できる	会話で作ったAIも画面で確認・修正できる

需要予測のAIがどんな仕組みで量と要因の関係を見つけているのか、何が得意で何ができないのかは、需要予測AIとは。できることと、できないことで詳しく扱っています。MatrixFlowは、AIが課題を読み解き、過去の実績から手法を選び、MatrixFlowを動かして予測AIを組み立てる「AI構築AI」を構想していて、公式MCPサーバーはその3つ目の段階を動かすための接続にあたります。

会話で予測を始める前にそろえておくもの

WMSから日別の出荷実績を出せるか（日付と出荷ケース数の列があれば始められる）
予測したい単位を決めたか（センター全体か、荷主別か、大分類別か）
持ち場ごとの1人1時間あたりの処理数を表にしてあるか
社内で業務に使ってよいAIアシスタントが決まっているか
MatrixFlowのアカウントを持っているか、持つ担当者を決めたか

この機能は、LOGISTICS TODAY主催の「第4回物流DX会議2026」の登壇でも紹介しました。話した中身は第4回物流DX会議2026 登壇レポートにまとめています。

よくある質問

MatrixFlowのアカウントがなくても使えますか

接続のときにMatrixFlowのログイン画面で許可する手順があるため、MatrixFlowのアカウントが必要です。会話で作ったプロジェクトや学習済みのAIは、そのアカウントの画面からも確認できます。

ExcelのファイルでもAIに渡せますか

公表されている手順はCSVを渡す形なので、Excelで管理している出荷実績は、CSV形式で保存し直してから会話に添付します。列の見出しを1行目にそろえ、日付の書き方を統一しておくと、登録のときの確認が早く終わります。

執筆

株式会社MatrixFlow需要予測AI「MatrixFlow」の開発元。内閣府SIP 国家実証プロジェクトに参画し、物流センターの出荷物量予測と人員・配車計画の支援を行っています。記事の内容は公開時点の情報です。