エンタープライズ MCP アクセス制御: ツール、サーバー、エージェントの管理
.webp)
Built for Speed: ~10ms Latency, Even Under Load
Blazingly fast way to build, track and deploy your models!
- Handles 350+ RPS on just 1 vCPU — no tuning needed
- Production-ready with full enterprise support
これは、現在本番環境で実際に起きているシナリオです。
標準的なオープンソースの GitHub MCP サーバーをデプロイしたとします。目的は単純で、エンジニアリングサポートエージェントに Issue のコメントを読み込ませ、チーム向けに要約させることです。完璧に動作します。エージェントは接続し、list_tools のハンドシェイクを実行して、データの取得を開始します。
2日後、その同じエージェントがハルシネーションを起こします。スレッドを要約する代わりに、誤解したコメントに基づいてリポジトリが「非推奨(deprecated)」であると判断し、delete_repo を呼び出してしまうのです。
なぜこれが起きたのでしょうか?プロンプトインジェクション攻撃ではありませんでした。悪意のあるインサイダーでもありません。根本的なアーキテクチャ上の失敗だったのです。
GitHub 上で見つかる Stripe、Postgres、Kubernetes のサーバーと同様に、標準的な GitHub MCP サーバーはバイナリ構造(全か無か)です。ラップしているすべての API エンドポイントを公開します。サーバーが delete_repo をサポートしており、エージェントに接続文字列を与えれば、エージェントは delete_repo を実行できます。ツールの機能に対するネイティブな .gitignore は存在しません。JSON-RPC ツール定義に対する chmod もありません。
それにもかかわらず、標準的な MCP 実装には粒度が欠けているため、私たちは日常的に最も重要なインフラへの「root アクセス」権限を持つエージェントをデプロイしてしまっています。
これはエンタープライズでの導入においては不可能な話です。必要なのは、これ以上の「AI ポリシー文書」やシステムプロンプトでの厳しい警告ではありません。MCP サーバーを安全でスコープ化されたインターフェースに分割するアーキテクチャパターンが必要です。
私たちはこれを Virtual MCP Server(仮想 MCP サーバー)と呼んでいます。
アーキテクチャ: アグリゲーター vs プロキシ
これを解決するには、LLM とツールの間でトラフィックをどのようにルーティングするかを見る必要があります。現在、エコシステム内で見られる代表的な2つのパターン(Gartner や TrueFoundry のドキュメントでよく引用されるもの)があります。アグリゲーターとプロキシです。
- アグリゲーターパターン これは「導入初期」のアプローチです。複数の背後にあるサーバーにファンアウトする単一のエンドポイントをセットアップします。
- トラフィックフロー: エージェント -> アグリゲーター -> [サーバー A, サーバー B, サーバー C]
- 問題点: セットアップは簡単ですが、単一障害点になります。さらに悪いことに、通常は接続されているすべてのサーバーの完全な機能リストをそのままエージェントに返してしまいます。スタック内のあらゆるツールが見えてしまう「God Mode(神モード)」エージェントを作り出してしまうのです。
- プロキシパターン(エンタープライズ標準) これこそが私たちが目指すべき姿です。プロキシは、エージェントと実行層の間に位置するスマートなサイドカーまたはゲートウェイとして機能します。厳密な 1:1 または 1:N のマッピングを作成しますが、決定的な違いがあります。単にパケットをルーティングするだけではないという点です。
プロキシは、リクエストがバックエンドに到達する前にペイロード検査を実行し、ディスカバリー時に安全でないツールを削除できるようにします。tools/list JSON-RPC レスポンスをインターセプトし、エージェントが存在を知るべきでないツールを外科手術のように正確に削除できるのです。

実装: 「仮想サーバー」パターン
これにより、中核となる実装パターンである Virtual MCP Server に話が進みます。
Virtual MCP Server は論理的な構造です。実行ロジックの重複やインフラの再デプロイを行うことなく、物理的な MCP サーバーから特定のツールを参照します。ここで MCP vs API がエンタープライズチームにとって実践的な意味を持ちます。従来の API は通常エンドポイントレベルでアクセスを制限しますが、MCP はエージェントが呼び出しを行う前のディスカバリー段階で、どのツールが可視であるかも決定しなければなりません。SQL の VIEW のようなものと考えてください。ベースとなるテーブル(物理サーバー)を変更することなく、特定のユーザー(エージェント)に対してデータ(この場合は機能)の制限されたサブセットを提示できます。

本番のゲートウェイアーキテクチャでこのパターンを実装する方法は以下の通りです。
ステップ 1: バックエンド接続(「サービスアカウント」) まず、生の高い権限を持つ MCP サーバーをゲートウェイに接続します。
- 接続: ゲートウェイは、postgres-master または github-admin MCP サーバーへの永続接続を確立します。
- 資格情報管理: ゲートウェイは、これらのサーバーで認証を行うために必要な「サービスアカウント」または管理者資格情報を保持します。
- 分離: 決定的な点として、エージェントがこれらの資格情報を目にする事は決してありません。エージェントはツールではなく、ゲートウェイに接続します。ゲートウェイが金庫(Vault)として機能します。
ステップ 2: スライス(マニフェスト) 次に、Virtual Server マニフェストを定義します。これは、物理サーバーのどのツールが特定のエージェントスコープに公開されるかを正確に定義する設定ファイル(通常は YAML または JSON)です。
github-all へのアクセス権を与える代わりに、スライスを作成します。一般的な Virtual Server の設定は以下のようになります。

ステップ 3: クライアントビュー(ハンドシェイク) エージェントが接続を初期化するとき、ゲートウェイと標準的な JSON-RPC tools/list ハンドシェイクを実行します。
エージェントは support-agent-scope Virtual Server に接続されているため、ゲートウェイはこのリクエストをインターセプトします。ステップ 2 で定義されたマニフェストに対してマスターリストをフィルタリングし、サニタイズされたリストを返します。
その結果は?エージェントが delete_repo の呼び出しをハルシネーションすることは技術的に不可能です。その機能はコンテキストウィンドウ内に単に存在しないからです。モデルに「実行するな」と指示しただけでなく、それを実行するための「手」を取り除いたのです。
TrueFoundry の役割
では、このアーキテクチャの中で TrueFoundry は実際にどこに位置するのでしょうか?
ホスティング層としてでも、利便性のためのラッパーとしてでもありません。本番の MCP スタックにおいて、TrueFoundry はプロトコルゲートウェイおよびコントロールプレーンとして機能します。LLM ランタイムとツールの間の実行パス上に直接位置し、強制力を発揮できる場所に存在します。
この配置が重要です。ゲートウェイが MCP 接続を終端するため、JSON-RPC ペイロードをリアルタイムで解析および推論できます。単にリクエストを転送しているのではありません。ツールが実行される前に、意図、アイデンティティ、スコープを解釈しているのです。

これにより、3つの具体的なエンジニアリング機能が有効になります。
- アイデンティティの注入(代理実行)。

自作のエージェントスタックのほとんどは「汎用キー」の問題に悩まされています。エージェントは共有 API トークンで実行されるため、問題が発生したときにログに見えるのは「エージェントが実行した」ということだけです。責任の追及ができません。TrueFoundry のゲートウェイは、入力されたクライアント JWT を検査し、認証された人間のユーザーにマッピングして、適切な OAuth またはサービストークンをダウンストリームに注入します。Alice がリポジトリを削除できない場合、彼女の代理として動作するエージェントも削除できません。エージェントの権限はもはや理論上のものではなく、暗号的に結合されています。
- Virtual Server ランタイム強制。
ゲートウェイは Virtual MCP Server が現実となる場所です。TrueFoundry は、仮想サーバースコープを物理 MCP サーバーと許可されたツールにマッピングするルーティングテーブルを維持します。エージェントが宣言されたスライス外のものを呼び出そうとすると、ゲートウェイは構造化された JSON-RPC エラーを返します。モデルはサイレントエラーを受け取るのではなく、明確な「tool not found(ツールが見つかりません)」を受け取るため、ハルシネーションを起こす代わりに自問自答して修正するのに役立ちます。
- トラフィック検査とリプレイ。
ゲートウェイが接続を終端するため、MCP トラフィックをバッファリングしてトレースできます。これにより、ツール相互作用の PCAP スタイルの検査が可能になります。エージェントがループに陥ったり、誤った決定を下したりしたときに、それに至った高コストな推論ステップを再実行することなく、正確なツール呼び出しシーケンスをリプレイできます。デバッグは推測から検査へとシフトします。
これらを総合すると、エージェントが正しく振る舞うことを「期待する」ことと、不正行為ができないように「強制する」ことの違いとなります。アクセス制御はプロンプトから離れ、本来あるべきインフラストラクチャへと移動します。
多層防御: プロトコルレベルでのガードレール
Virtual Server はエージェントが見ることができるツールを制御します。ガードレールはそれらのツールがどのように使用されるかを制御します。エージェントが sql_query を呼び出すことを許可されているからといって、SELECT * FROM users を実行して顧客データベース全体をコンテキストウィンドウにダンプすることを許可すべきではありません。
ここでガードレールの出番となります。TrueFoundry アーキテクチャでは、ガードレールはプロトコルレベルで JSON-RPC ペイロードをインターセプトし、実行前にトラフィックを検査するミドルウェアとして動作します。
入力ガードレール(エージェント向け WAF) リクエストがバックエンドコンテナに到達する前に、ツールの引数を検証する Python ミドルウェアやシンプルな正規表現ルールを作成できます。
- シナリオ: エージェントが LIMIT 句を欠いたクエリを実行しようとし、データベースをクラッシュさせたり、トークン使用料が跳ね上がったりする可能性があります。
- 対策: 入力ガードレールが sql_query ツールをインターセプトします。引数のペイロードをチェックします。LIMIT が欠けている場合、リクエストを拒否するか、自動的にデフォルトの LIMIT 100 を注入します。
- セキュリティユースケース: 正規表現フィルターは、入力引数内の API キーや秘密鍵などのパターンを検出し、エージェントがサードパーティのログツールに誤ってシークレットを漏洩するのを防ぐことができます。
出力ガードレール(データ損失防止) エージェントは「長文での漏洩」を起こしやすく、必要以上のデータを取得して要約してしまう傾向があります。
- 仕組み: 出力ガードレールは、ツールからの JSON レスポンスが LLM に返される前にサニタイズします。
- 実装: データベースツールが ssn や credit_card という名前の列を返した場合、ガードレールは JSON-RPC レスポンス内でこのデータをハッシュ化またはマスク(例: ****-1234)できます。LLM はコンテキストウィンドウ内に機密データを保持することなく、必要なコンテキスト(「クレジットカードが存在する」)を取得できます。
可観測性: 「思考プロセス」のトレース
従来のソフトウェアでは、API 呼び出しが失敗した場合はログを確認します。500 Internal Server Error とスタックトレースが表示されます。
エージェント型システムでは、「失敗」は多くの場合サイレントです。エージェントはツールを呼び出し、結果を受け取りますが、それを誤解します。あるいは、技術的には動作するもののゴミデータを返す、わずかに間違った引数でツールを呼び出します。標準的なアプリケーションログには「200 OK」と表示されますが、結果は間違っています。

これをデバッグするには、MCP の分散トレーシングが必要です。
TrueFoundry は、エージェントの実行チェーンのウォーターフォールビジュアライゼーションを提供します。単に「リクエスト失敗」を見るだけではありません。すべてのホップでのレイテンシとペイロードを確認できます。
- スパン A(推論): LLM が思考の生成に 200ms を費やします。
- スパン B(ゲートウェイ): ゲートウェイが JWT の検証とリクエストのルーティングに 10ms を費やします。
- スパン C(ツール実行): Postgres コンテナがクエリの実行に 1.5s を費やします。
これが重要な理由: スパン C にドリルダウンして、エージェントが生成した正確な SQL クエリを確認できます。エージェントが存在しないテーブル名をハルシネーションしていることや、非推奨の API パラメーターを使用していることに気づくかもしれません。このプロトコルレベルの可視性がなければ、推測によってブラックボックスをデバッグすることになります。
結論: イネーブラーとしてのセキュリティ
「チャットボット」から「エージェント」への移行は、実質的に「テキスト生成」から「リモートコード実行」への移行です。その現実こそが、ほとんどのエンタープライズのパイロットプロジェクトが PoC 段階にとどまっている理由です。
TrueFoundry はそのギャップを埋めます。AI Gateway を介して Virtual MCP Server パターンを実装すると、セキュリティチームに確率的モデルを信頼するよう求めるのをやめ、決定論的なアーキテクチャを示せるようになります。単にツールをデプロイするのではなく、本質的に影響範囲を制限する、スコープ化されたアイデンティティ認識型インターフェースをデプロイすることになります。
エンタープライズにとって、TrueFoundry は MCP の「パイプ」を提供するだけでなく、バルブ、ゲージ、ロックも提供します。無謀な「root アクセス」エージェントを、信頼できるデジタル従業員へと変貌させます。RBAC なしで本番の Kubernetes クラスタを実行することはないはずです。同様に、TrueFoundry なしでエンタープライズエージェントスタックを実行すべきではありません。
TrueFoundry AI Gateway delivers ~3–4 ms latency, handles 350+ RPS on 1 vCPU, scales horizontally with ease, and is production-ready, while LiteLLM suffers from high latency, struggles beyond moderate RPS, lacks built-in scaling, and is best for light or prototype workloads.














.webp)





.webp)
.webp)
.png)

.png)
.png)
.png)
.png)
.png)
.webp)
.webp)






