- 法令・税務・労務・国会・不動産・財務の6領域それぞれに、日本の公的データへ直結するMCPサーバーが揃った。国交省にいたっては、省庁公式のサーバーを自らGitHubで公開している
- 導入の軽さには差がある。
npx一行で入る法令・税務・労務系に対し、国会はDocker、国交省系はPython環境、財務のDexter JPはbunとAPIキーの用意が要る - 選び方は「業務に直結する1本」から。職種別の対応表と、導入の軽さ×用途の広さのマトリクスを記事後半にまとめた
01何が起きたのか
個々のツールはそれぞれ以前から公開されていたもので、単体の目新しさで選んだわけではありません。重要なのは、法令・税務・労務・国会・不動産・財務という実務の主要な領域で、日本の公的データを扱うMCPサーバーが2026年7月時点で一通り揃ったという事実です。この記事は、その現在地を1枚の地図にする試みです。
ラインナップを先に並べておきます。法令のhourei-mcp-server、税務のtax-law-mcp、労務のlabor-law-mcp、国会会議録のkokkai_giji_mcp、不動産・国土データの国交省公式MCP、そして財務データのDexter JPという顔ぶれです。開発元は個人の開発者から省庁の公式リポジトリまで幅があり、導入の重さもnpx一行からPython環境の構築まで大きくばらけています。だからこそ「どれを、どの順で入れるか」という比較・選定の目線が要る、というのが本記事の立ち位置です。
02なぜ「日本特化」のMCPが必要なのか
前提として、ChatGPTやClaudeのような汎用モデルが日本の法令・制度に弱い理由は、大きく3つに分けられます。第一に、学習データの偏りです。モデルの訓練データは英語圏の文書が中心で、日本語の条文・通達・裁決例のような専門文書は相対的に薄くなります。第二に、鮮度の問題があります。モデルの知識は学習時点で止まるため、毎年の税制改正や新法の施行には原理的に追従できません。第三が、もっともらしい捏造、いわゆるハルシネーションです。存在しない条番号や古い税率を、自信のある口調で返してくる。一字違えば結論が変わる法令・税務の世界では、これが致命傷になります。
MCP（Model Context Protocol）は、この構造を変えるための共通規格です。AIエージェントに外部のツールやデータソースを接続する取り決めで、Claude Code・Cursor・Codexといった主要なエージェントが対応しています。法令MCPをつないだAIは、条文を「思い出して」答えるのではなく、e-Govから原文を「引いて」答えるようになります。記憶で答えるのではなく、参照して答える。日本特化MCPの価値は、この転換に集約されます。
6ツールがそれぞれどの公的データを引くのかを、先に地図として一望しておきます。以降の各節は、この地図の上から順に並べました。
03法令 — hourei-mcp-server
1本目は、6本の中でもっとも導入が軽い法令検索のサーバーです。groundcobra009氏が公開するhourei-mcp-serverは、政府の法令データベースであるe-Gov法令APIに接続し、「個人情報保護法の第27条には何と書いてある？」といった質問に条文の原文で答えられるようにします。
ツールは法令名検索・条文取得・改正履歴の3つに絞られた、潔い構成です。名前がうろ覚えでも法令名検索で正式名称と法令番号を特定し、条文取得で本文を引く、という流れが会話の中で完結します。改正履歴を引けるのも実務では地味にありがたい部分で、「この条文はいつ、どう変わったか」を確かめてから答えさせる使い方が可能です。
導入はnpx hourei-mcp-serverの一行で済みます。e-Gov法令APIはAPIキーなしで使えるため、アカウント登録も鍵の発行手続きも要りません。MCP対応クライアントの設定にコマンドを書き足せば、そのまま動き出します。
注意点を挙げるなら、個人開発のオープンソースで、リポジトリにライセンス表記が見当たらない点です（2026年7月時点のGitHubリポジトリ情報より）。個人の検証には差し支えないものの、業務ツールへの組み込み前には作者への確認を挟むのが安全です。幸いe-Gov法令APIを扱うMCPサーバーはnpm上に複数公開されており、乗り換え先には困りません。まず1本入れて「AIが条文の原文を引く」体験を掴む入り口として、導入の軽さは魅力です。
04税務・労務 — tax-law-mcp／labor-law-mcp
2本目と3本目は同じ作者によるきょうだいツールなので、まとめて紹介します。kentaroajisaka氏が公開するtax-law-mcpとlabor-law-mcpは、どちらもMITライセンスのオープンソースで、e-Gov法令APIの上に省庁の通達データを重ねているのが共通の特徴です。
tax-law-mcpのカバー範囲は、所得税法・法人税法・消費税法など24の税法（施行令・施行規則を含む）、国税庁の基本通達・措置法通達17本、そして国税不服審判所の公表裁決事例1,950件に及びます。条文だけでなく通達と裁決まで引けるため、「条文上はこうだが、実務の取り扱いはどうなっているか」という税務特有の二段構えの問いに対応できます。
設計で目を引くのは、ハルシネーション対策を明示的なワークフローに組み込んでいる点です。公式READMEによると、Claudeがまず仮の回答を作り、引用した条文・通達を実際にAPIで取得して原文と照合し、ズレがあれば修正する、という往復を最大4ラウンド繰り返します。根拠条文付きの回答が返ってくるのは、この仕組みの結果です。
labor-law-mcpは同じ設計思想の労務版で、労働基準法や労働安全衛生法など45の労働・社会保険法令に、厚労省の法令等データベースの通達と、安全衛生情報センター（JAISH）の安衛通達を重ねています。「労基法」のような略称で引ける配慮もあり、社労士や人事担当の下調べを想定した作りだと分かります。
導入はどちらも一行です。npx -y tax-law-mcp、npx -y labor-law-mcpをそれぞれMCP設定に登録するだけで、2本を並べて入れる場合も手順は変わりません。
注意点は2つあります。1つ目は、通達の取得が国税庁・厚労省サイトの構造に依存しているため、サイト側の改修で動かなくなる可能性を抱えている点です。もう1つは、税務・労務の最終判断は資格者の領分だという線引きです。原文を引けるようになっても、AIの回答は下調べとして扱い、申告や労務判断そのものは税理士・社労士の確認を通すことをおすすめします。
05国会 — kokkai_giji_mcp
4本目は毛色が変わって、国会の議事録です。seiichi3141氏のkokkai_giji_mcpは、国立国会図書館が提供する国会会議録検索システムAPIに接続し、国会での審議を会議単位・発言単位で検索できるようにします。検索結果には発言や会議録本体へのURL、PDF版へのリンクが含まれるため、AIの要約から原典へすぐに飛べる作りです。
使いどころは、法令系MCPとの合わせ技にあります。条文はe-Govで引けても、「なぜこの条文が生まれたのか」「国会でどんな懸念が議論されたのか」までは条文からは読めません。立法趣旨や大臣答弁の変遷を会議録から掘り、条文の解釈に文脈を足せます。リサーチや記事執筆の裏取りにも使えるタイプのツールです。
導入はDocker経由が案内されており、docker pull seiichi3141/kokkai-giji-mcp:latestでイメージを取得して登録します。国会会議録検索システムAPI自体はAPIキー不要です。
06不動産・国土 — 国交省公式のMCPサーバー
5本目の見どころはツールの機能そのものより「発行元」にあります。国土交通省は、省庁として自らMCPサーバーをGitHubで公開しています。行政データのAI連携を役所の側から進めている実例として、6本の中でも異色の存在です。
1つ目のmlit-dpf-mcpは、国や民間のデータを横断検索できる「国土交通データプラットフォーム」のAPIに接続します。キーワード検索、矩形や地点からの距離による位置検索、属性での絞り込み、データ本体やファイルのダウンロードなど18のツールを備え、橋梁・トンネルといったインフラ関連のデータからボーリング柱状図まで、プラットフォームが束ねるデータ群を引ける守備範囲の広さが特徴です。動作要件はPython 3.10以上で、プラットフォームのAPIキーも発行しておく必要があります。ライセンスはMITです。
地価や不動産取引に踏み込みたい場合は、同じく国交省が公開する地理空間MCP Server（α版）の出番です。こちらは不動産情報ライブラリのAPIに接続し、地価公示・都道府県地価調査・不動産取引価格に加え、洪水・高潮・津波の浸水想定や土砂災害警戒区域といった防災情報まで、公開時の25種から拡充された30種類のデータを扱います。物件調査で価格相場とハザードを同じ会話の中で確かめる、という不動産実務に直結する構成です。
注意点は国交省自身が明記しています。いずれもα版としての提供で、「動作保証は行っておりません」という一文がリポジトリにあります。Python環境の構築とAPIキーの発行が要るぶん、npx勢より導入の敷居は高めです。それでも、出どころが省庁公式であることの信頼性は他の追随を許さない強みで、不動産・建設・防災まわりの業務なら検討する価値があります。
07財務 — Dexter JP（EDINET DB）
最後の6本目は、上場企業の財務データです。Dexter JPは、金融庁のEDINETに提出された開示書類を構造化した「EDINET DB」を基盤に、日本の上場企業およそ3,800社の財務分析を会話で進められる自律型のリサーチエージェントです。米国株向けOSSのdexterを日本市場向けに作り直したプロジェクトという出自を持ちます。
厳密に言うと、Dexter JP本体はMCPサーバーではありません。EDINET DBが提供するMCPサーバー（17ツール）を頭脳に組み込んだエージェント側の実装で、「ソニーと任天堂を投資対象として比較して」のような問いに対し、財務データの取得・検証から比較表の生成までを自律的に進めます（開発元の解説記事）。MCPサーバー単体を自分のClaude Codeへつなぎたい場合は、EDINET DBのMCPを直接登録する選択肢もあります。
機能面の柱は、100を超える財務指標と33業種でのスクリーニング、そしてDCF法による企業価値評価です。割引率の計算に日本国債の利回りを使うあたりにも、日本市場前提の作り込みが表れています。対応LLMはOpenAI・Anthropic・Google・xAI・OpenRouter・Ollamaと幅広い顔ぶれで、/modelコマンドから切り替える方式です。
導入はbunを使い、リポジトリを取得してbun installで依存を入れます。必要なのはEDINET DBのAPIキー（無料枠あり）で、あとは使いたいLLMのAPIキーを1つ用意すれば動きます。株価データを扱うJ-Quants APIキーは任意、ライセンスはMITです。
注意点は運用コストと使い方の線引きにあります。LLMのAPIキーを使う以上、分析を回すほど従量課金が積み上がります。そして当然ながら、投資判断は自己責任の領域です。エージェントの出す数字は、EDINETの原本開示に立ち返って確かめる前提で使ってください。
086ツール比較一覧
ここまでの内容を一覧に落とします。導入の軽さと、必要なものの違いに注目して眺めると、6本の性格の差がはっきり見えるはずです。
| ツール | 領域 | 接続データ | 導入 | 必要なもの | ライセンス |
|---|---|---|---|---|---|
| hourei-mcp-server | 法令 | e-Gov法令API | npx hourei-mcp-server |
なし（キー不要） | 表記なし |
| tax-law-mcp | 税務 | e-Gov＋国税庁通達＋裁決事例 | npx -y tax-law-mcp |
なし（キー不要） | MIT |
| labor-law-mcp | 労務 | e-Gov＋厚労省通達＋JAISH | npx -y labor-law-mcp |
なし（キー不要） | MIT |
| kokkai_giji_mcp | 国会 | 国会会議録検索システムAPI | docker pull seiichi3141/kokkai-giji-mcp |
Docker | 表記なし |
| mlit-dpf-mcp ほか | 不動産・国土 | 国交データPF＋不動産情報ライブラリ | リポジトリ取得＋Python環境 | Python 3.10+／APIキー | MIT（α版） |
| Dexter JP | 財務 | EDINET DB（＋J-Quants任意） | リポジトリ取得＋bun install |
bun／EDINET DBキー／LLMキー | MIT |
次に、この6本を職種の側から引き直します。全部を入れる必要はなく、上の職種別の表で、自分の仕事に挙がっているツールを1本選んで始めれば十分です。
09選び方の指針
最後に、どれから入れるかの指針を3つの軸に絞ります。第一の軸は業務領域です。MCPサーバーはつなぐほどツール定義が会話のコンテキストを消費するため、手当たり次第に入れるより、毎日の業務に直結する1本へ絞るほうが結果的によく働きます。第二の軸は導入の軽さで、npx一行で入る3本と、Docker・Python・bunの環境構築が要る3本の間には、試すまでの距離に明確な差があります。第三の軸が運用の持続性です。発行元は公式か個人か、更新は続いているか、ライセンスは明示されているか。kokkai_giji_mcpやhourei-mcp-serverの節で触れたとおり、この確認は業務利用の前提になります。
tax-law-mcp税務labor-law-mcp労務
hourei-mcp-server法令・キー不要
国交省公式MCP不動産・国土Dexter JP財務
kokkai_giji_mcp国会・Docker
この2軸を1本の道筋にすると、次のフローになります。迷ったら左上、つまり「軽くて職種を問わない」場所から入るのが定石です。
6本に共通するのは、参照先がすべて官公庁の公開データか、その構造化データベースだという点です。AIモデル側の日本語対応が厚くなるのを待つのではなく、日本のデータのほうをAIへつなぐ。国交省が公式サーバーを出したことが示すように、この流れは個人開発の実験段階を越えつつあります。まずは業務に一番近い1本を選び、AIが原文を引いて答える感触を確かめてみてください。比較検討に必要な材料は、この記事にすべて並べました。
10よくある質問
なぜ日本特化のMCPサーバーが必要なのですか？
汎用モデルが日本の法令・制度に弱い理由が3つあるためです。学習データが英語圏中心であること、知識が学習時点で止まり毎年の改正に追従できないこと、そして存在しない条番号や古い税率をもっともらしく返すことです。MCPをつなぐと、記憶で答える形から原文を引いて答える形に変わります。
いちばん導入が簡単なのはどれですか？
法令検索のhourei-mcp-serverです。npx hourei-mcp-server の一行で導入でき、接続先のe-Gov法令APIはAPIキーなしで使えるため、アカウント登録も鍵の発行も要りません。
省庁が公式に出しているMCPサーバーはありますか？
あります。国土交通省が不動産・国土データ向けのMCPサーバーを自らGitHubで公開しています。2026年7月時点ではα版で、導入にはPython環境が必要です。
APIキーの取得は必要ですか？
ツールによって異なります。法令・税務・労務系はAPIキーなしで動きますが、財務のDexter JPはbunとAPIキーの用意が必要で、国会会議録のkokkai_giji_mcpはDockerが要ります。
ライセンスは確認したほうがよいですか？
業務ツールに組み込むなら確認が必要です。tax-law-mcpとlabor-law-mcpはMITライセンスですが、hourei-mcp-serverはリポジトリにライセンス表記が見当たりません（2026年7月時点）。個人の検証には差し支えないものの、組み込み前に作者への確認を挟むのが安全です。
どれから入れるのがよいですか？
業務に直結する1本から始めるのが確実です。導入の軽さと用途の広さには差があるため、まず1本入れてAIが原文を引いて答える感触を確かめてから、必要に応じて増やす順序をおすすめします。