AnthropicがStainless買収でエージェントAI開発はどう変わる?

はじめに

AnthropicによるStainlessの買収は、SDKやMCPサーバーを自動生成する基盤を取り込む動きとして注目されています。モデル単体の性能勝負から、開発者が日常的に触る周辺ツールの勝負へと、競争の重心が移ってきた象徴的な一件だと私は見ています。

ここで重要なのは、これが単なる技術補強ではなく、OpenAIやGoogleも利用してきたSDK生成基盤をAnthropicが内製化するという競争構造の変化である点です。本記事では買収の経緯や技術的な意味合い、さらにメモリツールによる永続記憶の活用まで、開発者と企業のAI導入担当者の双方に関わる論点を順に整理します。

AnthropicとStainlessの概要

Anthropicの事業とClaude

AnthropicはAIモデル「Claude」シリーズを開発・提供している企業です。同社のエージェント型コーディングツール「Claude Code」は、一般公開からわずか6か月で年間売上換算10億ドルの節目に到達しました。これはソフトウェア開発の現場でClaudeが実務に組み込まれつつあることを示す数字です（参照*1）。

Anthropicは自社のAPIを通じて外部の開発者にClaudeの機能を提供しており、SDKの品質やドキュメントの充実度が開発者のプラットフォーム選定に直結します。私自身、ChatGPT、Claude、Gemini、Perplexityなどを業務課題ごとに比較していますが、モデルの賢さだけで採用先が決まる時代はすでに終わりつつあります。実際に使われるのは、SDKが整い、ドキュメントが揃い、エージェントとして外部ツールに繋ぎやすい環境です。今回のStainless買収は、その流れの中で打たれた一手だと捉えるとわかりやすいでしょう。

Stainlessの創業経緯と技術

StainlessはAPIの仕様書から複数言語向けSDKを自動生成する技術を提供してきました。加えて、CLI（コマンドラインツール）やMCPサーバーの自動生成にも対応しており、数百社がStainlessの仕組みを利用しています（参照*2）。

創業者のAlex Rattray氏はペンシルバニア大学で経済学を学んだのち、Stripeの開発者プラットフォームチームにエンジニアとして参加し、APIドキュメントの刷新やAPIクライアントSDKを動かすシステムの立ち上げに携わりました。Stripeでの経験を通じて、APIの規模が拡大するにつれ手作業で7つのプログラミング言語のSDKを保守する負担が膨大になるという課題を実感したことが、Stainless創業の原点となっています（参照*3）。

Anthropicの公式SDKはすべてStainlessの技術によって生成されてきたという関係性があり、両社は初期から緊密に連携してきました。SDK品質への強いこだわりが両社を結びつけた背景といえます。

買収の背景と経緯

報道された買収額と交渉過程

Stainlessの買収額は、少なくとも3億ドルと報じられました。The Informationの報道によると、AnthropicはStainlessを少なくとも3億ドルで買収する交渉を進めていたとされています。ただし報道時点ではタームシート（条件概要書）は未署名であり、条件は流動的な状態でした。仮にこの取引が成立すれば、AnthropicはOpenAIやGoogleが公式のコードライブラリを開発者向けに配布する際に依存してきたインフラを所有することになります（参照*4）。

その後、Stainless自身がAnthropicへの合流を公表し、Claude Platformの機能強化とエージェントとAPIの接続に注力するため、既存のホスト型製品は段階的に終了すると発表しました（参照*5）。報道から合流発表に至る経緯は、交渉が比較的短期間で進んだことをうかがわせます。

Anthropicの連続買収戦略

Stainlessの買収は、Anthropicにとってわずか半年ほどの間に行った4件目の買収とされています（参照*6）。同社はAIの知覚・操作に関する課題解決を目指すVercept社も取得しており、Verceptは外部向け製品を終了してAnthropicに合流し、コンピュータ操作機能の開発を推進するとしています（参照*7）。

さらに、Claude Codeが年間売上換算10億ドルに到達したタイミングで、JavaScriptランタイム「Bun」の開発元も買収し、Claude Codeのさらなる高速化を図っています（参照*1）。逆に言えば、Anthropicはモデル単体での差別化がいずれ難しくなることを織り込んだうえで動いている、と読むのが自然です。生成AIビジネスで最後に差がつくのは、業務理解、データ整備、ワークフロー化、定型化された出力形式、そして現場が使えるUIです。Anthropicは、その下回りを買い集めているのです。

SDKとMCPの仕組み

SDKの役割と自動生成の利点

SDK（ソフトウェア開発キット）は、開発者がAPIを手軽に利用するためのあらかじめ構築された橋のような存在です。SDKがなければ、開発者はHTTPリクエストの書式を逐一把握し、認証ヘッダーを手動で設定し、生のJSONレスポンスを解析し、エラー処理をゼロから書かなければなりません。SDKがあれば関数を呼ぶだけで動作し、導入に要する時間は数日から数分に短縮されます（参照*4）。

Stainlessの技術はこのSDKをAPI仕様書から自動で生成するものであり、TypeScript、Python、Go、Java、Kotlinなど多言語に一括対応できる点が強みです（参照*2）。Stripe時代に7言語のSDKを手動で保守する負担を経験した創業者が、まさにその課題を解くために作り上げた仕組みといえます。新しいAPIエンドポイントが追加されるたびに複数言語のコードを手作業で修正する非効率が、自動生成によって解消される構造です。

MCPの基本構造と普及状況

MCP（Model Context Protocol）は、開発者がデータソースとAIツールの間に安全な双方向接続を構築するためのオープン標準です。構造はシンプルで、開発者はMCPサーバーを通じてデータを公開するか、MCPクライアントを構築してサーバーに接続するかのいずれかを選べます（参照*8）。LLMを外部システムに接続するには通常多くのカスタムコードが必要ですが、MCPはそうした手間を減らすための部品を提供しています（参照*9）。

普及面ではすでに1万以上のアクティブな公開MCPサーバーが存在し、開発者ツールからFortune 500企業の運用まで幅広くカバーしています。ChatGPT、Cursor、Gemini、Microsoft Copilot、Visual Studio Codeなど主要なAI製品がMCPを採用しており、AWS、Cloudflare、Google Cloud、Microsoft Azureといったクラウド基盤からもデプロイ支援が提供されています（参照*10）。MCPはAnthropicが策定した標準でありながら、業界横断で利用が広がっている点が特徴的です。つまりAnthropicは、プロトコルの標準化で先行したうえで、その実装基盤までを自社に取り込みつつあるわけです。

買収がもたらす戦略的優位性

競合SDK基盤の取り込み

この買収で見逃せないのは、金額の大きさよりも、それが生み出す競争上の構図です。AnthropicがStainlessを取得した場合、OpenAIやGoogleのモデルへのアクセスを支える重要な流通チャネルを所有することになります（参照*6）。StainlessはAnthropicの公式SDKだけでなく、数百社のSDK生成を担ってきたため、買収によってその知見と技術がAnthropic内部に蓄積されます。

Anthropicのプラットフォームエンジニアリング責任者は「エージェントは接続できるものがなければ役に立たない。Stainlessチームを迎え入れることで、Claudeがデータやツールに接続する能力を前進させる」と述べています。Stainless創業者のRattray氏も「SDKはそれが包むAPIと同じだけの丁寧さを受けるべきだ。Anthropicは最初期からこの考えに賭けてくれたチームだ」とコメントしました（参照*2）。SDK品質への共通した信念が、買収を自然な流れにしたことがうかがえます。

エージェントAI接続力の強化

Stainlessは従来型のSDK生成に加え、MCPサーバーの自動生成にも大きく軸足を移してきました。OpenAPI仕様からSDKを生成するのと同じ仕組みで、MCPサーバーも自動的に構築できるようになっています。AnthropicはMCPの策定者であり、MCPサーバーの実装を自動生成する企業を取り込むことで、プロトコルの設計と実装の両方を手中に収める形になります（参照*4）。

StainlessはAnthropicへの合流にあたり、Claude Platformの機能とエージェントから外部システムへの接続を加速することに注力すると表明しました。初期からほぼすべてのClaude API公開に携わってきた実績があり、開発者向けの使いやすいインターフェースを設計するという姿勢を共有していると述べています（参照*5）。私が企業の生成AI導入を支援していて痛感するのは、エージェントAIの実用性はモデルの賢さよりも「外部システムに繋がるかどうか」で決まるという点です。社内の基幹システム、SaaS、ファイルサーバーに安全に繋がらないエージェントは、デモ止まりで現場には定着しません。SDKとMCPの自動生成を握ることは、その「繋がる」部分を量産する力を持つということです。

Memory MCPによる永続記憶

メモリツールの動作原理

メモリツールは、Claudeが会話をまたいで情報を保存・取得できる仕組みです。メモリファイルのディレクトリ上でファイルの作成・読み取り・更新・削除を行い、セッション間でデータを永続化します。これにより、すべての関連情報を事前にコンテキストウィンドウ（AIが一度に参照できるテキスト量）へ読み込む代わりに、必要な情報を必要なタイミングで取り出す「ジャストインタイム」型の文脈検索が実現します（参照*11）。

メモリツールはクライアント側で動作し、データの保存場所や方法はユーザー自身のインフラによって制御されます。ゼロデータ保持（ZDR）契約を結んでいる組織では、APIレスポンス返却後にデータが保存されない仕組みが適用されるため、機密性の高い業務にも導入しやすい設計です（参照*11）。

開発ワークフローへの活用例

Claude Opus 4は、それ以前のモデルと比べてメモリ機能の性能が大幅に向上しています。開発者がローカルファイルへのアクセスを提供するアプリケーションを構築した場合、Opus 4は重要な情報を格納する「メモリファイル」の作成と維持に長け、長期的なタスク把握や一貫性、エージェントタスクでの性能向上が得られます。たとえばゲーム「ポケモン」をプレイする実験では、Opus 4が自ら「ナビゲーションガイド」を作成して攻略に活用する様子が確認されました（参照*12）。

開発の現場では、プロジェクトの設計方針やユーザーの好み、過去の意思決定ログなどをメモリファイルとして永続化し、次回の会話で即座に参照する使い方が想定されます。私自身、生成AIに議事録作成やプレゼン資料のたたき台を作らせる際、毎回ゼロから前提を入れ直すコストの高さに悩まされてきました。判断基準、用語、過去のNG例といった「組織固有の文脈」を永続化できれば、AIは初稿生成装置から、業務の相棒へと一歩近づきます。ただし、誰がメモリに何を書き込み、どう監査するかというルール設計を怠ると、便利な実験で終わる点には注意が必要です。

開発者・既存顧客への影響

Stainless製品の終了と移行

Anthropicへの合流に伴い、StainlessはSDKジェネレーターを含むすべてのホスト型製品を段階的に終了すると発表しました。合流発表日以降、新規のサインアップ・プロジェクト作成・SDK生成は利用できなくなっています。既存のStainless顧客には、移行先を案内する専用ページが設けられています（参照*5）。

一方で、OpenAIやGoogleのAPIを利用している開発者にとっては、現時点で直接の影響は生じていません。ただし、主要なAIプラットフォームを新規に選定する開発者は、ベンチマークスコアだけでなく、SDK品質やドキュメントの充実度、ツールチェーンの支援体制、エージェントとの互換性といったエコシステム全体を評価する傾向が強まっています（参照*4）。

MCPセキュリティの課題

MCPの普及が進む一方で、セキュリティ上の懸念も顕在化しています。MCPプロトコル自体には十分なセキュリティ機能が標準で組み込まれておらず、多くのMCP実装にさまざまな脆弱性が見つかっています。たとえば、Invariant Labsの研究者はMCPサーバーにおけるプロンプトインジェクション脆弱性を発見し、本来アクセスできないはずのGitHubプライベートリポジトリからデータを取得できることを実証しました（参照*13）。

上海交通大学と香港科技大学の研究者が発表した論文では、攻撃者がMCPサーバーに悪意ある指示を埋め込み、LLMがMCPクライアントを通じてそれを読み取ってしまう「MCP-UPD」（意図しないプライバシー漏洩）と呼ばれる手法が示されました。セキュリティ企業による分析では、調査時点で使用されている1万5,000以上のMCPサーバーのうち、およそ半数に危険な設定ミスが含まれていたと報告されています（参照*14）。ここで重要なのは、LLMアプリのセキュリティは従来のWebアプリとは別物だという点です。指示と外部入力を分離し、ユーザー入力をそのまま命令として扱わない設計、出力の確認者と責任範囲の明確化、ログ保存と例外処理のルール化。これらを抜きにMCPを社内展開すると、便利さの裏で情報漏洩リスクが静かに広がります。

おわりに

AnthropicによるStainlessの買収は、SDK自動生成とMCPサーバー構築という開発者向けインフラの内製化を一気に進めるものです。競合も利用してきた基盤を取り込むことで生まれる競争構造の変化は、AI業界全体のプラットフォーム選定にも影響を及ぼし得ます。

メモリツールによる永続記憶やセキュリティ課題への対応など、エージェントAIの実用性を左右するテーマは今後さらに具体化していくと考えられます。最後に申し上げたいのは、プラットフォーム選びを「ベンチマークスコア」だけで決めるべきではないということです。SDK品質、ドキュメント、MCPの整備状況、運用ルールに乗せやすいか、失敗時の責任範囲が見えるか。生成AIを業務に定着させるかどうかは、そうした地味な要件の積み上げで決まります。Anthropicの一連の買収は、その地味な要件こそが次の競争軸であることを示しているように、私には見えます。

監修者

安達裕哉（あだちゆうや）

デロイトトーマツコンサルティングにて品質マネジメント、人事などの分野でコンサルティングに従事しその後、監査法人トーマツの中小企業向けコンサルティング部門の立ち上げに参画。大阪支社長、東京支社長を歴任したのち2013年5月にwebマーケティング、コンテンツ制作を行う「ティネクト株式会社」を設立。ビジネスメディア「Books&Apps」を運営。
2023年7月に生成AIコンサルティング、およびAIメディア運営を行う「ワークワンダース株式会社」を設立。ICJ2号ファンドによる調達を実施(1.3億円)。
著書「頭のいい人が話す前に考えていること」が、82万部（2025年3月時点）を売り上げる。
（“2023年・2024年上半期に日本で一番売れたビジネス書”（トーハン調べ／日販調べ））