4か月前、私たちはSupabaseとのネイティブ連携という画期的な機能をリリースしました。
これまでを振り返りながら詳しく掘り下げ、MCP（Model Context Protocol）がなぜ次の大きな転換点になり得るのかを見ていきましょう。
Supabaseが必要だった理由
Lovableは、フロントエンドのみに対応した、テキストからアプリを生成するプラットフォームとしてスタートしました。Webサイトの構築には最適でしたが、本番環境で使うアプリとなると限界がありました。実用的なアプリケーションを構築するには、ほぼ必ず次のものが必要です：
- データを保存するデータベース
- ユーザーを管理する認証
- ビジネスロジックを処理するコード実行
バックエンドの要件を満たすうえで、Supabaseは当然の選択でした。その理由は次のとおりです：
- オープンソース：セルフホストできるため、ベンダーロックインがない
- Postgresベース：データベースとして唯一妥当な選択肢
- 主要な認証プロバイダーすべてに対応
- 充実した無料枠：初期段階のプロジェクトに最適
- データベースにとどまらない機能：リアルタイム、ストレージ、バックグラウンドタスクなど
- 使いやすいUI：技術に詳しくないユーザーにとって不可欠
しかし、Supabaseにはすでにドキュメントの充実したSDKがあるのに、なぜ私たちは深い連携を必要としたのでしょうか？
ひと言で言えば「コンテキスト」
LLMの世界では、コンテキストがすべてです。AIを役立てる鍵は、適切な情報を適切なタイミングで与えることにあります。
- コンテキストが少なすぎる → AIが要点を外す
- コンテキストが多すぎる → AIが混乱する（またはメモリが足りなくなる）
そこで私たちは自問しました。何をすべきかをLLMに理解させるには、どんなコンテキストを与えるのが最適なのか？
バックエンドを理解するには、次の情報が必要です：
- データベーススキーマ：テーブル、リレーション、構造
- シークレットとAPIキー：ユーザーが手動で入力しなくて済むように
- ログとエラー：問題を自動でデバッグするために
Supabase APIは、これを実現するために必要なものを（ほぼ）すべて公開していました！
難関：エッジ関数
大きな問題がひとつ：Supabaseのエッジ関数はAPI経由でデプロイできなかったのです。Supabase CLIが必要で、それはつまりDockerが必要ということでした。
これは私たちのユーザーにとって致命的でした。
そこで私たちは工夫を凝らしました。Supabase CLIを裏側で実行する方法を見つけ出し、プロセスをシームレスに保ちながら、バックエンドのデプロイを完全に制御できるようにしたのです。
これが大きな強みになりました。LovableはSupabaseと連携するだけでなく、Supabaseをオーケストレーションしていたのです。
私たちが構築したのは：
- Lovableがバックエンド全体を読み取り、変更できるフィードバックループ
- AI駆動のアプリのための、最もスムーズなSupabase開発者体験
その結果は？
LovableのARRは毎週100万ドル以上のペースで伸び、50万ドル未満から2,000万ドルにまで拡大しました。
MCPの登場：次なる進化
しかし、これほど深い連携を実現するには膨大な労力が必要でした。
Supabaseを「LLMフレンドリー」にするため、私たちはそのAPIの上に、簡潔で構造化された、目的志向の変換レイヤーを構築する必要がありました。
では、その作業をSupabase（あるいは任意のSaaSプロバイダー）が担ったらどうでしょうか？それこそがMCP（Model Context Protocol）がもたらす可能性です。MCPは、SaaSプラットフォームがLLM向けに最適化されたリソース、ツール、プロンプトを公開するための標準化された方法です。
LovableがAI向けにSupabaseのデータを構造化する代わりに、Supabase自身がAIとのやり取りを想定して設計されたMCPサーバーを提供するようになるのです。
これにより、インセンティブが逆転します：
- SaaS企業は、自社製品でAIがシームレスに機能するよう、最高のMCPサーバーを構築する必要に迫られます。
- AIプラットフォーム（Lovableなど）は、独自の連携を構築しなくても、接続するだけで済むようになります。
今後への影響
MCPが普及した世界では、Supabaseとの連携を構築するのも、SupabaseのMCPサーバーに接続するだけで済むようになるかもしれません。
- 連携の高速化：はるかに多くのバックエンドを、ずっと短期間で追加できるようになります。
- エージェントの賢さの向上：LLMが、余計な手間をかけずに構造化された質の高いコンテキストを得られます。
- より強力なAIアプリ：場当たり的な回避策に頼らず、シームレスな自動化を実現できます。
MCPは、AIネイティブな連携のあり方を塗り替える可能性を秘めています。そしてその期待どおりの成果を上げれば、AI主導の開発にとって次の大きな転換点になるかもしれません。
