ブログ · · 約 8 分で読めます

音声 AI に外部のシステムを使わせる:MCP サーバーより API でつなぐ

電話の音声 AI に予約や顧客の照会をさせるとき、MCP サーバーを直接つなぐと、ログインした人のアカウントで全部の会話が動きます。誰の権限で呼ぶかを決められる API(URL と API キーの連携・会話中のツール)でつなぐ理由と、電話ならではの注意点、voicast での作り方を説明します。

要点

  • MCP サーバーを会話の AI に直接つなぐと、設定した人が OAuth でログインしたトークンで、その環境のすべての会話から呼ぶ作りになります。電話をかけてきた誰もが、その人の権限で操作できることになります。
  • 電話の音声 AI には、誰の権限で呼ぶかを決められる API でつなぐのが安全です。voicast では、URL と API キーの連携か、会話中のツール(自社のサーバーで受けて呼ぶ)を使います。
  • どちらの形でも、待ち時間の上限・ツールの数の絞り込み・書き換えの前の読み上げと同意・返す量の制限が、チャットより大事になります。

電話の音声 AI に、予約の空きの確認や顧客の照会をさせるには、外部のシステムをツールとしてつなぎます。MCP(Model Context Protocol)のサーバーをつなぐ方法もありますが、電話のように不特定の相手が話しかける会話では、誰の権限でそのシステムを呼ぶのかを決められる API でつなぐのが安全です。この記事では、その理由と、API でつなぐ 2 つの方法、電話ならではの注意点を説明します。

会話中に外部のシステムを使う 3 つの形

音声 AI が会話中に外部のシステムを使う形は、大きく 3 つに分けられます。

形 呼ぶときの権限 向いているとき
会話中のツール(自社のサーバーで受けて呼ぶ) 自社のサーバーが、事業者ごとに決める 呼び先が自社の予約システムなど、決まっている
URL と API キーの連携 連携のために発行した API キー ほかの会社の REST API を、そのまま呼べば済む
MCP サーバーを直接つなぐ 設定した人が OAuth でログインしたアカウント 1 人の利用者が、自分のために AI を使う(チャットや開発の道具)

MCP は、AI が外部のシステムのツールを使うための共通の約束です。システムの側が「MCP サーバー」としてツールの一覧(名前・説明・引数の形)を公開し、AI の側がそれを読んで呼び出します(MCP の仕様)。Claude や Cursor のように、1 人の利用者が自分のアカウントで使う AI にはよく合います。一方で、電話の音声 AI に直接つなぐと、次の問題が出ます。

MCP サーバーを電話の AI に直接つなぐときの問題

誰の権限で呼ぶかが、ログインした人に固定される

リモートの MCP サーバーの認証は、MCP の認可の仕様(OAuth 2.1 の認可コードと PKCE)で決まっています(認可の仕様)。ログインするのは、管理画面で連携を設定した人です。音声 AI の基盤の側でつなぐと、そのトークンで、その環境のすべての会話から MCP サーバーを呼ぶことになります。

電話をかけてくるのは不特定の相手です。AI が呼ぶツールは、ログインした人のアカウントでできることすべてに及ぶので、相手の言い方しだいで、その人の権限で読める情報や書き換えに手が届くおそれがあります。その人が退職してアカウントが止まると、すべての会話の連携が一度に切れます。相手のシステムの記録にも、実際に話した相手ではなく、ログインした人の操作として残ります。

ツールの中身が、こちらの確認なしに変わる

MCP サーバーのツールの一覧と説明は、相手のシステムの側が持っています。ツールが増えたり説明が変わったりすると、エージェント設定を変えていなくても、AI の振る舞いが変わります。電話の応対は、変えたら試してから出すのが基本なので(エージェント設定のバージョン)、知らないうちに変わる部分はなるべく少なくしたいところです。

注釈は保証ではない

MCP の仕様には、ツールが読むだけかどうかを示す注釈(readOnlyHint など)がありますが、仕様自身が「信頼できるサーバーから来たもの以外は、注釈を信用しない」よう求めています(MCP のスキーマ)。読むだけと言い切れないツールは、確認してから使う側に倒す必要があります。

API でつなぐ 2 つの方法

API でつなぐと、呼ぶときの権限を、連携のために用意した API キーや、自社のサーバーの判断に限れます。

1. URL と API キーの連携

相手のシステムが REST API を公開しているなら、その API を URL と API キーで連携し、呼び出すパスと引数をツールとして定義します。API キーは、特定の人のアカウントではなく、音声 AI のために発行したもの(読むだけや予約の作成だけに権限を絞ったもの)を使います。AI に見せる操作は、こちらで定義したツールだけです。相手が API に操作を足しても、ツールの定義を変えるまで AI の振る舞いは変わりません。

2. 会話中のツール(自社のサーバーで受けて呼ぶ)

事業者(テナント)ごとに相手のシステムのアカウントが違う SaaS では、会話中のツールを使い、自社のサーバーで呼び出しを受けます。受けた側は、どの事業者の会話かを見て、その事業者の鍵で相手のシステムを呼びます。相手が MCP サーバーしか公開していない場合も、自社のサーバーから呼べば、どのアカウントで・どのツールを呼ぶかを自社で決められます。鍵を指示文やツールの引数に入れてはいけません。

電話で外部のシステムを使うときの 4 つの注意

どちらの方法でも、チャットでは気にならないことが、電話では会話の質に直結します。

  1. 待ち時間の上限: ツールを呼んでいるあいだ、相手は無音か「お調べします」の声を聞いて待っています。上限を決めて打ち切り、間に合わなければ「担当者から折り返します」に切り替える流れを用意します。
  2. ツールの数と名前: 全部の操作を AI に見せると、AI はツールを選び間違えやすくなり、指示文も長くなります。通話の用途に要るツールだけを渡します。
  3. 書き換えの前の確認: 予約を作る・取り消すなど、相手のシステムを書き換えるツールは、内容を読み上げて相手の同意を得てから使います(聞き取った内容の読み上げ確認)。
  4. 返す量: ツールの結果は、そのまま AI の入力になります。長い結果を返すと、返事が遅くなるうえ、AI が要らない情報を話してしまうおそれがあります。答えるのに要る項目だけを返します。

voicast での作り方

voicast では、会話の AI に MCP サーバーを直接つなぐ連携は提供していません。外部のシステムは、URL と API キーの連携か、会話中のツールでつなぎます。

URL と API キーの連携は、POST /v1/connections で作り、呼び出すツール(10 個まで)を保存すると使えます。

bash
curl https://api.voicast.jp/v1/connections \
  -H "Authorization: Bearer $VOICAST_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{ "connector": "http", "secret": "<API キー>", "input": { "base_url": "https://api.example.com", "header": "Authorization" } }'

保存したツールは、エージェント設定の connectors に { "connection": "con_…", "actions": ["*"] } と書くと、会話中の AI が使えます。応答が 3 秒以内に無ければ打ち切り、timeout を AI に渡します。「確認してから使う」にしたツールは、AI が内容を読み上げ、相手が同意してから使います。

会話中のツールは、エージェント設定の tools に書きます。

json
"tools": [
  {
    "name": "create_booking",
    "description": "予約を入れる。空きを伝えて、相手が日時を選んだら使う",
    "url": "https://saas.example.com/voicast/tools",
    "confirm": true,
    "parameters": { "properties": { "start": { "type": "string" }, "name": { "type": "string" } }, "required": ["start", "name"] }
  }
]

voicast はツールを使うたびに、その URL に署名付きで POST します。要求の call.tenant.external_id で事業者が分かるので、どの鍵で相手のシステムを呼ぶかをそこで決めます。待つのは 8 秒までで、応答は 4,000 文字で切って AI に渡します。くわしくは 会話中に AI が API を呼ぶ を見てください。

なお voicast 自身も MCP サーバー(https://api.voicast.jp/mcp)を持っています。こちらは、開発者が Claude Code などから自分のアカウントでエージェント設定やテナントを作るためのもので、Claude Code から MCP で voicast のエージェントを作る で紹介します。

よくある質問

相手のシステムが MCP サーバーしか公開していないときは、どうしますか。

会話中のツールで自社のサーバーに呼び出しを受け、そこから MCP サーバーを呼びます。どのアカウントで、どのツールを呼ぶかを自社のサーバーで決められるので、電話の相手にログインした人の権限がそのまま渡ることはありません。

URL と API キーの連携と、会話中のツールはどちらがよいですか。

相手の API をそのまま呼べば済み、鍵が環境に 1 つでよいなら、URL と API キーの連携が手軽です。事業者ごとに鍵が違う、結果を整えてから AI に渡したい、複数のシステムをまとめて呼びたいといった場合は、会話中のツールが向いています。

ツールが失敗したら、AI は何と言いますか。

失敗や時間切れを AI に伝え、おわびして担当者からの折り返しにつなげるのが基本です。ツールの結果を待つあいだも黙らないよう、「お調べしますので、少々お待ちください」などの一言を入れます。

関連記事