【比較】MCP・関数呼び出し・プラグインの違い¶

概要¶

LLM に外部システムを連携させる話になると「MCP」「関数呼び出し（function calling／tool use）」「プラグイン」が必ず混ざって出てきます。どれも「AI に外部の道具を使わせる」ように見えるため、同義語のように扱われがちですが、抽象度（レイヤー）が異なります。

整理すると、関数呼び出しはモデル API レベルの仕組み（モデルが「この関数をこの引数で呼んで」という構造化要求を返し、実行はアプリ側が担う）、MCP はその外部連携を標準化するオープンなプロトコル（クライアント／サーバ間で JSON-RPC により道具・データ・プロンプトをやり取り）、プラグインは特定プラットフォーム上の連携パッケージ／製品形態（ChatGPT plugins が典型で、現在は GPTs/Actions に移行済み）です。レイヤーを取り違えると「MCP と関数呼び出しのどちらかを選ぶ」といった本来不要な二者択一に陥ります。

例えるなら：道具を使わせる三つの層¶

関数呼び出し … モデルという作業者が「ドライバーを 3 番のネジに使いたい」と指示書を出す能力。ただし実際に手を動かして回すのは現場（あなたのコード）。
MCP … 工具と作業者をつなぐ規格化された差込口（USB-C のようなもの）。どのメーカーの工具でも、規格に従えば同じ差込口でつながる。
プラグイン … 特定の店（プラットフォーム）専用に箱詰めされた工具セット製品。その店の中でしか使えないが、利用者は箱を選ぶだけで済む。

詳細比較¶

比較軸	関数呼び出し（function calling / tool use）	MCP（Model Context Protocol）	プラグイン（例: ChatGPT plugins）
レイヤー	モデル API の機能	外部連携の標準プロトコル	特定プラットフォーム上の連携パッケージ/製品
何をするか	モデルが構造化された呼び出し要求（tool_use）を返す	クライアント/サーバ間で道具・データ・プロンプトを規格化して交換	プラットフォームに機能を追加する配布単位
実行主体	アプリ側コード（または基盤側のサーバツール）	MCP サーバが提供、ホスト/クライアント経由で呼ぶ	プラットフォームが仲介して呼び出す
標準化	各 LLM ベンダ API ごとの仕様	ベンダ非依存のオープン標準（JSON-RPC 2.0 ベース）	プラットフォーム固有仕様
主な構成要素	tools 定義／tool_use／tool_result	Host・Client・Server、primitives（tools/resources/prompts）	マニフェスト＋API（OpenAPI 等）
提供範囲	関数（ツール）の呼び出し	tools に加え resources（文脈データ）・prompts も	主にツール的なアクション
再利用性	アプリごとに実装	「一度作れば多くのクライアントで使える」	そのプラットフォーム内に限定
現況	主要 LLM で標準機能	Anthropic 発のオープン標準、広範なクライアント/サーバが対応	ChatGPT plugins は2024年に終了（新規作成終了 2024-03-19／完全終了 2024-04-09）、GPTs/Actions へ移行

よくある誤解¶

誤解1：「MCP と関数呼び出しはどちらかを選ぶ競合技術」 — レイヤーが違うので競合しません。関数呼び出しは「モデルが構造化要求を返す」モデル API の仕組みで、実行はアプリ側（または基盤側のサーバツール）。MCP は「その外部連携をベンダ非依存で標準化する」プロトコルで、内部的にはツール（tools）を扱うため、MCP サーバの tool を関数呼び出しの枠組みでモデルに見せる、という重ね方になります。
誤解2：「MCP は単なる関数呼び出しの言い換え」 — MCP が公開できる primitive は tools だけではありません。公式仕様ではサーバが tools（実行可能な関数）／resources（文脈データ）／prompts（再利用テンプレート） の 3 つを公開でき、*/list で動的に発見し tools/call で実行します。さらに JSON-RPC 2.0 ベースで stdio / Streamable HTTP のトランスポートを抽象化する、より広い枠組みです。
誤解3：「ChatGPT plugins＝MCP の前身で今も主流の連携方式」 — ChatGPT plugins はプラットフォーム固有のベータ機能で、2024 年に終了し GPTs/Actions に置き換わりました。MCP はベンダ非依存のオープン標準であり、plugins の単なる後継というより別レイヤーの標準化です（USB-C のように「一度作れば多くのクライアントにつながる」ことを狙う）。

実務での選び分け¶

1 つのアプリ内で、自前 API をモデルに呼ばせたいだけ → 関数呼び出しで十分。MCP サーバを立てる必要はない。
同じ連携を複数のクライアント（Claude / IDE / 社内エージェント等）から再利用したい／配布したい → MCP サーバとして実装する。「一度作れば多くのクライアントで使える」のが効く場面。
モデルに渡すのが「実行アクション」だけでなく「文脈データ」や「定型プロンプト」も含む → MCP の resources / prompts primitive が活きる。関数呼び出し単体では表現しにくい。
特定プラットフォームのエコシステム内で配布したい → そのプラットフォームの仕組み（例: GPTs/Actions）に従う。plugins は終了済みなので新規採用しない。
判断の起点 → 「再利用・配布・ベンダ非依存が要るか？」が Yes なら MCP、単一アプリで閉じるなら関数呼び出し、と切り分ける。

ひとことまとめ¶

関数呼び出しは「モデルが構造化要求を返すモデル API の機能（実行はアプリ側）」、MCP は「その外部連携をベンダ非依存で標準化するオープンプロトコル（tools/resources/prompts を JSON-RPC で交換）」、プラグインは「特定プラットフォーム固有の連携パッケージ（ChatGPT plugins は終了）」。競合ではなくレイヤー違いです。

出典・参考¶

Model Context Protocol「What is MCP?」（オープン標準、AI と外部システムを USB-C のように標準接続）: https://modelcontextprotocol.io/introduction
Model Context Protocol「Architecture overview」（Host/Client/Server、JSON-RPC 2.0、tools/resources/prompts、stdio・Streamable HTTP）: https://modelcontextprotocol.io/docs/learn/architecture
Anthropic「Tool use with Claude」（モデルは構造化された呼び出しを返し、実行はクライアント側コードまたは基盤側サーバツールが担う）: https://platform.claude.com/docs/en/docs/agents-and-tools/tool-use/overview
OpenAI「ChatGPT plugins」（プラグインの位置づけ。後にベータ終了し GPTs/Actions へ移行）: https://openai.com/index/chatgpt-plugins/