MCPとFunction Callingの違い｜OpenAI APIでの使い分け

OpenAI APIで外部ツールを使う方法として、よく比較されるのが「Function Calling」と「MCP」です。

どちらもモデルに外部データや操作手段を与える仕組みですが、役割は同じではありません。

• Function Calling：自分のアプリ内にある関数を、モデルから呼び出すための仕組み
• MCP：外部サービスやツール群を、共通プロトコルでAIへ接続する仕組み

結論から言うと、アプリ固有の処理にはFunction Calling、複数のAIクライアントから再利用したい外部連携にはMCPが向いています。両者を組み合わせる設計も可能です。

この記事では、Responses APIを前提に、違い・選び方・安全設計を整理します。

MCPとFunction Callingの違いを比較

最初に、実装時に迷いやすいポイントを一覧で比較します。

「どちらが新しいか」ではなく、「どこにツールを置き、誰が管理するか」で選ぶのがポイントです。

Function Callingとは

Function Callingは、モデルへ関数名・説明・引数のJSON Schemaを渡し、必要なときにfunction_callを返してもらう仕組みです。

モデルがPython関数を直接実行するわけではありません。アプリ側が次の処理を担当します。

1. モデルが返した関数名と引数を確認する
2. 許可した関数だけを実行する
3. 実行結果を同じcall_idのfunction_call_outputとして返す
4. モデルから最終回答を受け取る

最小のツール定義は次のようになります。

TOOLS = [
    {
        "type": "function",
        "name": "get_order_status",
        "description": "注文IDから現在の配送状況を取得する。",
        "parameters": {
            "type": "object",
            "properties": {
                "order_id": {"type": "string"},
            },
            "required": ["order_id"],
            "additionalProperties": False,
        },
        "strict": True,
    }
]

Function Callingの実装全体は「Function Calling入門｜Pythonで複数ツールを呼ぶ」で詳しく解説しています。

Function Callingが向いているケース

• 自社DBの検索や在庫確認
• アプリ固有の料金・スコア計算
• 既存バックエンドの関数をAIから呼びたい
• 入出力やエラー処理を細かく管理したい
• ツール数が少なく、1つのアプリで完結する

MCPとは

MCPはModel Context Protocolの略で、AIアプリと外部ツールやデータソースをつなぐ共通プロトコルです。

OpenAIのResponses APIでは、リモートMCPサーバーやコネクタをtype: "mcp"の組み込みツールとして指定できます。

from openai import OpenAI

client = OpenAI()

response = client.responses.create(
    model="gpt-5.6",
    tools=[
        {
            "type": "mcp",
            "server_label": "knowledge_base",
            "server_description": "社内ナレッジを検索するMCPサーバー",
            "server_url": "https://your-mcp.example.com/mcp",
            "allowed_tools": ["search_documents", "read_document"],
            "require_approval": "always",
        }
    ],
    input="返品手続きの社内ルールを調べてください。",
)

print(response.output_text)

実際には、接続するMCPサーバーの仕様に合わせてserver_urlや認証情報を設定します。OpenAIが管理するコネクタを使う場合は、connector_idとOAuthアクセストークンを指定します。

MCPが向いているケース

• すでに利用したいMCPサーバーがある
• Google Workspaceなどの外部サービスへ接続したい
• 同じツール群を複数のAIアプリから再利用したい
• ツールの追加・更新をクライアントから分離したい
• 標準化された接続方式を採用したい

迷ったときの選び方

次の順番で判断すると整理しやすくなります。

1. アプリ内部の処理か

自社DBの検索、計算、既存Python関数など、アプリ内部で完結する処理ならFunction Callingが第一候補です。

MCPサーバーを新設することもできますが、1つのアプリでしか使わない小さな関数なら、接続層を増やすメリットが小さい場合があります。

2. 複数のAIから再利用するか

同じツールを複数のAIクライアントやプロジェクトから使うなら、MCPにまとめる価値があります。

ツール定義や認証処理をサーバー側へ集約でき、クライアントごとの重複実装を減らせます。

3. 外部サービスへの接続が中心か

ファイルストレージ、カレンダー、開発ツールなど、外部サービスとの接続が中心ならMCPやコネクタが向いています。

一方、外部APIを1本だけ呼ぶ小規模な機能なら、Function Callingから既存APIクライアントを呼ぶ方が単純です。

4. セキュリティ境界をどこへ置くか

Function Callingでは、関数の許可リスト、引数検証、承認画面をアプリ側で設計します。

MCPでは、接続先サーバーの信頼性に加えて、allowed_toolsとrequire_approvalを設定します。どちらを使う場合も、モデルの判断だけで購入・削除・公開などを実行させないことが重要です。

MCPとFunction Callingは併用できる

MCPとFunction Callingは二者択一ではありません。

例えば、次のように役割を分けられます。

• Function Calling：社内の商品価格や在庫を取得する
• MCP：Google Driveから提案書テンプレートを取得する
• アプリ側：両方の結果を検証し、ユーザー承認後に文書を保存する

アプリ固有の業務ロジックはFunction Calling、汎用的な外部連携はMCPへ分けると、責任範囲が明確になります。

Responses APIの基本から確認したい場合は「OpenAI Responses API入門｜Pythonで使い方を解説」も参考にしてください。

セキュリティで注意すること

MCPは便利ですが、外部サーバーへモデルの文脈やデータを送る可能性があります。信頼できないMCPサーバーへ機密情報を渡してはいけません。

MCPで確認する項目

• 運営者とサーバーURLを確認する
• 必要なツールだけをallowed_toolsで許可する
• 読み取りと更新・削除を分離する
• 機密操作ではrequire_approvalを有効にする
• 外部へ共有される引数をログで確認できるようにする
• OAuthトークンをコードやログへ出さない
• ユーザー入力によるプロンプトインジェクションを想定する

Function Callingで確認する項目

• 関数名を許可リストで照合する
• strict: trueとJSON Schemaを使う
• Python側でも引数の値を検証する
• ツール結果から機密情報を除く
• 購入・削除・公開の前に人間の承認を入れる
• 最大ターン数と再試行回数を設定する

出力形式を固定したいだけなら、ツール連携ではなくStructured Outputsが適しています。「Structured OutputsとFunction Callingの違い」で使い分けを整理しています。

よくある質問

MCPはFunction Callingの代わりになりますか

すべてを置き換えるものではありません。MCPはツールやデータソースを共通方式で接続する仕組みで、Function Callingはアプリが用意した関数をモデルと受け渡す仕組みです。用途によって使い分けます。

小規模なアプリでもMCPを使うべきですか

利用したいMCPサーバーがすでにあるなら有力です。アプリ固有の関数が数個だけなら、Function Callingの方が構成を小さく保てます。

MCPなら承認処理は不要ですか

不要にはなりません。特に外部送信、更新、削除、購入などは承認対象にします。Responses APIではMCPツールにrequire_approvalを設定できます。

ツールが多いほど便利ですか

必ずしもそうではありません。MCPサーバーのツールが多いと、選択に使うトークンや待ち時間が増える可能性があります。必要なツールだけをallowed_toolsで絞ります。

まとめ

MCPとFunction Callingの違いは、ツールの置き場所と再利用範囲にあります。

最初は必要最小限のツールだけを接続し、読み取り処理から始めます。更新や削除を追加するときは、権限・承認・監査ログを一緒に設計してください。

参考資料

• OpenAI公式：Function calling
• OpenAI公式：MCP and Connectors