Skip to content

MCPサーバーを使用してツールを統合する

モデルコンテキストプロトコル(MCP)は、AIエージェントが外部のシステム、ツール、データソースとやりとりするための標準化されたインターフェイスを提供します。 MCPサーバーを使用してエージェントにツールを提供すると、ツールを直接デプロイする場合に比べていくつかの利点があります。

  • ツールの一元管理:すべてのツールが1つのMCPサーバーデプロイで管理されます
  • 標準化されたインターフェイス:ツールはMCPプロトコル標準に準拠しているため、さまざまなエージェントフレームワーク間で互換性があります
  • 動的なツール登録:エージェントを再デプロイすることなく、ツールの追加や変更ができます(動的なツール登録を参照)
  • 関心の分離を強化:ツールはエージェントとは別にデプロイされるため、個別のスケーリングと更新が可能です。

このガイドでは、DataRobot Agentic Starterのテンプレートで実装されている、MCPサーバーを使用してエージェントワークフローにツールを統合する方法について説明します。 MCPエンドポイントは、Agentic Starterアプリ、DataRobot MCPのテンプレートを使用して構築されたスタンドアロンサーバー、またはDataRobot Global MCPから取得できます。このページでは、エージェントアプリケーションを、デプロイで使用しているMCP URLに接続する方法について説明します。

MCPベースの統合とローカルツールを使用した統合

このドキュメントでは、MCPサーバーベースのツール統合について説明します。 ローカルツール(直接のツールデプロイ)を使用したツール統合の詳細については、エージェントにツールを追加するを参照してください。 Cursor、Claude Desktop、またはVS CodeのMCPクライアント(DataRobot Global MCPおよびデプロイURLを含む)を接続するには、エージェントコーディング環境をMCPサーバーに接続するを参照してください。

概要

モデルコンテキストプロトコル(MCP)は、エージェントがツールにアクセスする方法を根本的に変えます。 エージェントのコード内でツールロジックを直接定義する代わりに、スタンドアロンの「ツールサーバー」をデプロイします。次に、エージェントはクライアントとしてこのサーバーに接続し、利用可能なツールを要求して、標準化されたプロトコルを介してそれらを実行します。

DataRobot Agentic Starterテンプレートは、実行時にMCPツールを接続します。LangGraphワークフローは、custompy_adaptor(DRUM)およびregister.py(DRAgent)内のmcp_tools_contextを使用して、graph_factoryへのtools引数としてMCP(およびオプションのワークフロー)ツールを受け取ります。 エージェントコードにMCPサーバーをインポートする必要はありません。 エージェントワークフローでのMCPツールの使用方法に関する詳細については、以下のセクションを参照してください。

MCPアーキテクチャ

  • エージェント(クライアント):タスクを計画する推論エンジン(例:LangGraphアプリケーション)。 これにはツールのコードは含まれておらず、利用可能なツールをMCPサーバーに問い合わせる方法のみを認識しています。
  • MCPサーバー:ツール、リソース、およびプロンプトのロジックをホストするWebサービス。 タスクの実際の実行(例:データベースへのクエリー、外部APIの呼び出し)を処理します。
  • プロトコル:基盤となるインフラストラクチャに関係なく、エージェントとMCPサーバーがセキュアに通信できるようにする標準インターフェイス。

統合ワークフロー

このアーキテクチャを使用してツールを統合するには、次の大まかなプロセスに従います。

  • MCPエンドポイントのデプロイまたは選択:DataRobot MCPテンプレートを使用して、ツールのロジックを含むMCPサーバーを作成し、デプロイします。 または、組み込みのDataRobotツールについては、DataRobot Global MCP経由で接続します。
  • エージェントの接続:アプリケーションの.envファイル内で、外部URL、デプロイIDまたはワークロードID、あるいはローカルポートを使用して、エージェントの接続先としてMCPサーバーを指定します。 MCPサーバー接続の設定を参照してください。
  • 実行:エージェントは実行時にツールを自動的に検出します。 新しいツールを追加するためにエージェントを再デプロイする必要はありません。MCPサーバーを更新するだけです。

前提条件

MCPツールを統合する前に、以下が揃っていることを確認してください。

スタンドアロンMCPサーバーのデプロイについては、MCPテンプレートのドキュメントを参照してください。 URLのパターン(ローカルポート、デプロイのdirectAccess、Gateway)については、エージェントコーディング環境をMCPサーバーに接続するを参照してください。

MCPサーバーのデプロイ

Agentic Starterテンプレートには、MCPサーバーは含まれていません。 DataRobotの組み込みツールについては、何もデプロイすることなく、DataRobot Global MCPを利用できます。 独自のツールについては、DataRobot MCPテンプレートに基づいて構築したスタンドアロンMCPサーバーを、開発用にはローカルで、本番環境用にはDataRobot上で実行してください。

以前のテンプレートバージョンから作成されたアプリ

Agentic Starterテンプレートの以前のバージョンには、mcp_server/にMCPサーバーが含まれていました。 このようなアプリを更新すると、フォルダーが削除され、別のMCPサーバーを指定するまで、エージェントはそのサーバーのツールを利用できなくなります。 アプリがすでにデプロイされている場合、dr run deployは、MCP_MIGRATION_CONFIRMED=1を設定するまで、古いMCPサーバーのリソースを削除する前に停止します。 テンプレートのMCP移行ガイドを参照してください。

ローカルデプロイ

エージェントと同じマシン上でスタンドアロンのMCPサーバーを実行するには、MCPテンプレートプロジェクトを使用します。 MCPテンプレートはデフォルトでポート8080で動作し、Agentic Starterのバックエンドもこのポートを使用します。 サーバーを起動する前に、MCPテンプレートプロジェクトの.envファイルで別のポートを設定してください。

.env (MCP template project)
MCP_SERVER_PORT=9000 

これで、サーバーは http://localhost:9000/mcp/で利用可能になります。 エージェントをこのサーバーに接続するには、ローカル開発を参照してください。

本番デプロイ

DataRobotにスタンドアロンのMCPサーバーをデプロイするには:

  1. サーバーをデプロイします。 MCPテンプレートプロジェクトで、以下を実行します。

    task deploy 
    
  2. デプロイIDを取得します。 サーバーのデプロイ出力(例:infraディレクトリからuv run pulumi stack output --jsonを実行)を確認し、MCPサーバーのDeployment Id値をコピーします。 サーバーをWorkload APIにデプロイした場合は、代わりにそのWorkload Id値をコピーします。

  3. エージェント以外のクライアントについては、デプロイエンドポイントを取得します。 MCPエンドポイントのURLは次のとおりです。

    https://{DATAROBOT_URL}/api/v2/deployments/{DEPLOYMENT_ID}/directAccess/mcp 
    

    一部の環境では、デプロイごとのdirectAccess URLの代わりに、DataRobot Global MCPを使用します。

    https://{DATAROBOT_URL}/api/v2/genai/globalmcp/mcp 
    

    Global MCP URLがデプロイエンドポイントとどのように連携するかについては、DataRobot Global MCPの使用を参照してください。

  4. エージェントを設定 エージェントアプリケーションの.envファイルに、デプロイIDまたはワークロードIDを設定します。 本番環境の設定を参照してください。

デプロイの詳細な手順については、MCPテンプレートのREADMEを参照してください。

MCPサーバー接続の設定

エージェントをMCPサーバーに接続するには、Agentic Starterプロジェクトの.envファイルで、以下のいずれかを設定します。 複数設定されている場合、エージェントはこの表の最初の設定を使用します。 いずれも設定されていない場合、エージェントはMCPツールを使用せずに実行されます。

設定 MCPサーバー
MCP_WORKLOAD_ID Workload APIでDataRobotにデプロイ。
MCP_DEPLOYMENT_ID カスタムモデルとしてDataRobotにデプロイ(MCPテンプレートのデフォルト)。
EXTERNAL_MCP_URL DataRobot Global MCPを含む、その他のエンドポイント。 サーバーで認証が必要な場合は、EXTERNAL_MCP_HEADERS(JSONオブジェクト)を設定します。
MCP_SERVER_PORT お使いのマシン上で、http://localhost:<port>で実行。

たとえば、DataRobotの組み込みツールを利用するためにDataRobot Global MCPを使用するには:

.env
EXTERNAL_MCP_URL=https://{DATAROBOT_URL}/api/v2/genai/globalmcp/mcp
EXTERNAL_MCP_HEADERS='{"Authorization": "Bearer <DATAROBOT_API_TOKEN>"}' 

エージェントは、DataRobotの資格情報をEXTERNAL_MCP_URLに送信しないため、APIキーをEXTERNAL_MCP_HEADERSに含めてください。

ローカル開発

お使いのマシン上で実行されているMCPサーバーにエージェントを接続するには、Agentic Starterプロジェクトの.envファイルでサーバーのポートを設定します。

.env
MCP_SERVER_PORT=9000 

MCP_WORKLOAD_ID、MCP_DEPLOYMENT_ID、およびEXTERNAL_MCP_URLは、MCP_SERVER_PORTよりも優先されるため、設定しないでください。 エージェントがローカルで実行される場合、常に.env内の設定が使用されます。

本番環境の設定

デプロイ済みのエージェントを、DataRobotにデプロイされたMCPサーバーに接続するには、.envでそのIDを設定します。

.env
MCP_DEPLOYMENT_ID=<deployment ID>
# Or, for a server on the Workload API:
# MCP_WORKLOAD_ID=<workload ID> 

dr run deployは、MCP_WORKLOAD_ID、MCP_DEPLOYMENT_ID、EXTERNAL_MCP_URL、EXTERNAL_MCP_HEADERS、およびEXTERNAL_MCP_TRANSPORTを、ランタイムパラメーターとしてデプロイ済みのエージェントに渡します。 MCP_SERVER_PORTは、ローカルマシンにのみ適用されるため、渡されません。 デプロイ済みのエージェントが別のサーバーを指すようにするには、.envの設定を変更して dr run deployを再度実行するか、DataRobotでデプロイのランタイムパラメーターを編集します。

MCPサーバー認証

MCPサーバーで認証が必要な場合は、環境にDATAROBOT_API_TOKENが設定されていることを確認してください。MCPクライアントは、認証されたリクエストにこれを自動的に使用します。 HTTP MCPエンドポイントでは、多くの場合、Authorization: Bearerおよびx-datarobot-api-tokenの両方のヘッダーが要求されます。通常、クライアントはDataRobot APIの資格情報からこれらのヘッダーを提供します。 Cursor、Claude Desktop、およびVS Codeにおける同様のヘッダーについては、エージェントコーディング環境をMCPサーバーに接続するを参照してください。

エージェントでのMCPツールの使用

現在のDataRobot Agentic Starterテンプレート(LangGraph)では、MCPツールはtoolsリストとしてgraph_factory(llm, tools, verbose)に渡されます。 テンプレートは、MyAgentを呼び出す前に、MCP Discoveryを任意のワークフローツールとマージします。

LangGraphエージェント

LangGraphエージェントの場合、tools引数を各create_agentノードにそのまま渡します。

agent/agent/myagent.py (excerpt)
from datarobot_genai.core.agents import make_system_prompt
from langchain.agents import create_agent

def graph_factory(llm, tools, verbose=False):
    planner = create_agent(
        llm,
        tools=tools,
        system_prompt=make_system_prompt(
            "You are a content planner. Use available tools to gather information and plan content."
        ),
        name="planner_agent",
        debug=verbose,
    )
    ... 

実行時に、toolsにはmcp_tools_contextを介して解決されたMCPツールが含まれます(テンプレートのcustompy_adaptorおよびregister.pyを参照してください)。 そのフローでは:

  • 設定済みのMCPサーバーに接続する
  • 利用可能なツールを検出する
  • LangChain互換のツールをグラフに公開します
  • 必要に応じて、認証ヘッダーと認可コンテキストを適用します

サポートされている組み込みMCPツール

スタンドアロンのDataRobot MCPテンプレートについては、現在、以下のツールが組み込まれています。

  • DataRobotプラットフォームツール:catalog_*、modeling_*、models_get_bestmodel、deployment_*、predict_*、vdb_*、datarobot_usecases_list、usecases_list_assets、datarobot_docs_fetch_page
  • データコネクターツール:confluence_*、jira_*、gdrive_*、microsoft_graph_*(OAuthの設定が必要です)
  • DataRobotプラットフォームツール:catalog_*、modeling_*、models_get_bestmodel、deployment_*、predict_*、vdb_*、datarobot_usecases_list、usecases_list_assets、datarobot_docs_fetch_page。
  • データコネクターツール:confluence_*、jira_*、gdrive_*、microsoft_graph_*(OAuthの設定が必要です)。
  • Web検索ツール:perplexity_*とtavily_*(APIキーが必要です)。

ツールごとの完全な一覧については、MCPの概要にあるサポートされている組み込みMCPツールを参照してください。

MCPツールとローカルツールの組み合わせ

リストを拡張して、graph_factory内にローカルツールを追加します(MCPツールはすでにtoolsにあります)。

agent/agent/myagent.py (excerpt)
from langchain_core.tools import Tool

class DateTimeTool(Tool):
    """Local datetime tool."""
    name = "datetime_tool"
    description = "Returns the current date and time."

    def run(self, query: str = "") -> str:
        from datetime import datetime
        return datetime.now().strftime("%Y-%m-%d %H:%M:%S")

def graph_factory(llm, tools, verbose=False):
    local_tools = [DateTimeTool()]
    all_tools = list(tools) + local_tools
    planner = create_agent(
        llm,
        tools=all_tools,
        system_prompt=make_system_prompt("You are a content planner..."),
        name="planner_agent",
        debug=verbose,
    )
    ... 

カスタムMCPツールの作成

MCPサーバーにカスタムツールを追加するには、DataRobot MCPのテンプレートを使用します。 このテンプレートは、ツール、リソース、およびプロンプトを作成するための構造化されたアプローチを提供します。

ツールの構造

カスタムMCPツールは、@dr_mcp_toolデコレーターを使用して定義されます。

dr_mcp/app/recipe/tools/my_custom_tool.py
from app.base.core.mcp_instance import dr_mcp_tool
from app.base.core.common import get_sdk_client

@dr_mcp_tool(tags={"custom", "recipe", "your-domain"})
async def my_custom_tool(input_param: str, optional_param: int = 10) -> str:
    """
    Brief description of what your tool does.

    This description helps LLMs understand when and how to use your tool.
    Be specific about the tool's purpose and behavior.

    Args:
        input_param: Description of the required parameter
        optional_param: Description of the optional parameter

    Returns:
        Description of what the tool returns
    """
    # Use the DataRobot SDK client for API operations
    client = get_sdk_client()

    # Your custom logic here
    result = f"Processed {input_param} with {optional_param}"

    return result 

MCPテンプレートリポジトリ

上記のパスとインポートは、DataRobot MCPのテンプレートリポジトリの構造を参照しています。

ツールのベストプラクティス

MCPツールを作成するときは、以下のベストプラクティスに従ってください。

  • 明確な説明:詳細なdocstringを提供します。LLMはこれを使用してツールの機能を理解します
  • 型ヒント:常にパラメーターと戻り値に型ヒントを使用します
  • エラーハンドリング:適切なエラーハンドリングを実装し、意味のあるエラーメッセージを返します
  • 非同期関数:パフォーマンスを向上させるために、ツールは非同期関数にする必要があります
  • タグ:わかりやすいタグを使用してツールを分類します(ツールのフィルターに役立ちます)
  • SDKクライアント:DataRobot APIへのアクセスにはget_sdk_client()を使用します

カスタムMCPツールの作成に関する詳細については、MCPテンプレートのカスタムツールのドキュメントを参照してください。

比較:MCPとToolClient

特徴量 MCPサーバー ToolClient(直接デプロイ)
ツールの管理 1つのサーバーに一元化されています。 各ツールは個別にデプロイされます。
プロトコル MCPの標準プロトコル。 DataRobotのカスタムプロトコル。
ツール検出 MCPを介して自動的に行われます。 ツールごとに手動で設定します。
動的な更新 ツールの追加・変更は、エージェントの再デプロイを行わなくても可能です。 新しいツールには、エージェントの再デプロイが必要です。
フレームワークの互換性 MCP互換のあらゆるフレームワークに対応しています。 DataRobot専用です。
デプロイの複雑さ MCPサーバーを1台デプロイします。 複数のツールをデプロイします。
スケーリング MCPサーバーを個別にスケーリングします。 各ツールを個別にスケーリングします。

以下の場合には、MCPサーバー統合を選択してください。

  • ツール管理を一元化したい場合
  • 動的なツール登録が必要な場合
  • ツールを共有する複数のエージェントを使用している場合
  • 標準プロトコルへの準拠を求めている場合

以下の場合には、ToolClient統合を選択してください。

  • 個々のツールデプロイに対してきめ細かな制御が必要な場合
  • ツールごとにスケーリング要件が大きく異なる場合
  • DataRobot固有のツール管理機能を使用したい場合

トラブルシューティング

エージェントがMCPサーバーに接続できない

症状:エージェントのエラーに、MCP接続の失敗またはツールが利用不可であることが示される。

解決方法:

  1. MCPサーバーが実行中であることを確認します。

    # For local development (use the port set in MCP_SERVER_PORT)
    curl -i http://localhost:{MCP_SERVER_PORT}/mcp
    
    # For production (deployment MCP endpoint)
    curl -i https://{DATAROBOT_URL}/api/v2/deployments/{DEPLOYMENT_ID}/directAccess/mcp
    
    # If your environment uses the DataRobot Global MCP
    curl -i https://{DATAROBOT_URL}/api/v2/genai/globalmcp/mcp 
    
  2. 環境変数を確認します。

    • MCP_WORKLOAD_ID、MCP_DEPLOYMENT_ID、EXTERNAL_MCP_URL、またはMCP_SERVER_PORTのいずれかが設定されていることを確認します。 いずれも設定されていない場合、エージェントはMCPツールを使用せずに実行されます。
    • 設定が反映されない場合は、優先順位の高い設定も設定されていないか確認し(MCPサーバー接続の設定を参照)、使用しない設定を削除します。
    • MCP_SERVER_PORTが、ローカルのMCPサーバーがリッスンしているポートと一致していることを確認します(ローカル開発の場合)。
    • DATAROBOT_API_TOKENが設定されていることを確認します(認証済み接続の場合)。
  3. ネットワーク接続を確認します。

    • エージェントがMCPサーバーのエンドポイントに到達できることを確認します。
    • ネットワークをまたいでデプロイする場合は、ファイアウォールの設定を確認します。
    • HTTPSエンドポイントのSSL証明書を確認します。

ツールが表示されない

症状:MCPサーバーは接続されているが、エージェントがツールを使用できない。

解決方法:

  1. ツール登録の確認:ツールがMCPサーバーに正しく登録されていることを確認します。
  2. ツールメタデータの確認:ツールの説明とスキーマが正しく定義されていることを確認します。
  3. サーバーログの確認:ツールの登録エラーがないか、MCPサーバーのログを確認します。
  4. エージェント設定の確認:mcp_toolsプロパティが正しく使用されていることを確認します。

認証に関する問題

症状:MCPサーバーのリクエストが認証エラーで失敗する。

解決方法:

  1. APIトークンの確認:DATAROBOT_API_TOKENが設定されており、有効であることを確認します。
  2. トークン権限の確認:MCPサーバーへのアクセスに必要な権限がトークンにあることを確認します。
  3. サーバー設定の確認:使用されている認証方法を受け入れるようにMCPサーバーが設定されていることを確認します。

その他のリソース