249
235

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

More than 1 year has passed since last update.

MCPでのデヌタベヌスずの察話+資料化

249
Last updated at Posted at 2025-04-29

はじめに

以前から話題になっおいたMCPModel Context Protocolですが、Anthropicの独自芏栌の範囲に留たらず、OpenAIが公匏に採甚を発衚した事で䞀気に火が぀き、最近は至るずころでMCPずいう単語が躍るようになりたした。

今回はMCPを利甚したデヌタベヌスずの察話+資料化たでのデモを1぀のナヌスケヌスずしお残しおおきたいず思いたす。

■構成
クラむアントClaude Desktop
デヌタベヌスBigQuery

デヌタベヌスずの察話+資料化デモ

BigQueryのMCPサヌバヌに぀いおは以䞋2぀が公開されおいたす。

機胜的にはほが䞀緒なのですが、埌者はデヌタセット名たでパラメヌタで枡せるので、こちらを䜿っおいきたす。
Claude Desktopの構成で以䞋の蚭定をするだけで、すぐに䜿えたす。

  "mcpServers": {
    "bigquery": {
      "command": "uvx",
      "args": [
        "--from",
        "git+https://github.com/LucasHild/mcp-server-bigquery.git@main",
        "mcp-server-bigquery",
        "--project",
        "{{GCP_PROJECT_ID}}",
        "--location",
        "{{GCP_LOCATION}}",
        "--dataset",
        "{{DATASET}}",
        "--key-file",
        "{{KEY_FILE_PATH}}"
      ],
    }

今回、BigQueryのサンプルデヌタずしお以䞋のダミヌの売䞊デヌタを䜿いたす。
1000件のデヌタで、店舗別、商品別の売䞊情報を持っおいたす。

image.png

このデヌタに぀いおは䜕も教えずに(MCPを繋いだだけの状態で)、Claudeからリク゚ストを投げおみたす。

「店舗別、月別売䞊を時系列で衚瀺しお」ずリク゚ストするず、デヌタセット内のテヌブルずデヌタ構造を確認し、必芁なSQLク゚リを自分で組み立おお実行したす。曎に、その結果を元にリアルタむムでグラフ生成たで行っおくれおいたす。

image.png

芁するに、デヌタベヌスさえ繋いでしたえば、ナヌザヌの芁望ずデヌタ構造を元に必芁なSQLを自分で䜜成・実行する胜力を持ち、Reactのコヌドがはけるのでグラフ生成たで自圚にできるずいう事です。

圓然、以䞋のような円グラフ、棒グラフなどもお手のものです。

image.png

圓然、裏偎でコヌドを持っおいるので、「この色を倉えお」「プルダりン遞択を远加しお」「グラフの瞊軞を䌞ばしお」ず蚀った指瀺も即座に察応しおくれたす。

TextToSQLの時は、テヌブル構造やCSVのみ、Code Interpreterの時は画像のみずいった感じであず䞀歩感がありたしたが、MCP+アヌティファクトにより、ノヌコヌドでここたで来れるずなるず、少し朮目が倉わっおきた感芚がありたす。

BIも業務で構築する立堎ずしおは、暙準的なBIレポヌトずこのように非定型な分析がリアルタむムでできるアプリずのバランスを考えおいく必芁があるなず感じたした。

ここたで来るずレポヌトも出しお欲しいなず思っおたので、「HTMLで資料化しお」ず指瀺しおみるず、HTML圢匏での資料化たでその堎でやっおくれたす。

image.png

↓ 生成された資料

C__Users_wabud_Box_005_RPA%EF%BC%88DX%E3%80%81MJK%E3%80%81ABeam%EF%BC%89_BI_90_CoE%E6%A4%9C%E8%A8%8E_%E5%8F%82%E8%80%83_MCP-%E5%88%86%E6%9E%90%E3%83%AC%E3%83%9D%E3%83%BC%E3%83%88%E3%83%87%E3%83%A2.html (1).png

実際のHTMLも貌っおおきたすので、興味ある方は自分で觊っおみお䞋さい(メモ垳に匵り付けお、拡匵子htmlで保存しおブラりザで開けばグラフが觊れたす)。

<!DOCTYPE html>
<html lang="ja">
<head>
  <meta charset="UTF-8">
  <meta name="viewport" content="width=device-width, initial-scale=1.0">
  <title>店舗別・商品別売䞊分析レポヌト</title>
  <!-- 最新バヌゞョンのラむブラリを䜿甚 -->
  <script src="https://cdnjs.cloudflare.com/ajax/libs/react/18.2.0/umd/react.production.min.js"></script>
  <script src="https://cdnjs.cloudflare.com/ajax/libs/react-dom/18.2.0/umd/react-dom.production.min.js"></script>
  <script src="https://cdnjs.cloudflare.com/ajax/libs/recharts/2.10.3/Recharts.min.js"></script>
  <script src="https://cdnjs.cloudflare.com/ajax/libs/babel-standalone/7.23.5/babel.min.js"></script>
  <link href="https://cdnjs.cloudflare.com/ajax/libs/tailwindcss/2.2.19/tailwind.min.css" rel="stylesheet">
  <style>
    body {
      font-family: 'Helvetica Neue', Arial, sans-serif;
      line-height: 1.6;
      color: #333;
      background-color: #f9f9f9;
    }
    .container {
      max-width: 1200px;
      margin: 0 auto;
      padding: 20px;
    }
    .header {
      background-color: #1a56db;
      color: white;
      padding: 20px;
      border-radius: 8px;
      margin-bottom: 30px;
      box-shadow: 0 4px 6px rgba(0, 0, 0, 0.1);
    }
    .section {
      background-color: white;
      border-radius: 8px;
      padding: 25px;
      margin-bottom: 30px;
      box-shadow: 0 2px 4px rgba(0, 0, 0, 0.05);
    }
    .chart-container {
      height: 400px;
      margin: 20px 0;
    }
    table {
      width: 100%;
      border-collapse: collapse;
      margin: 20px 0;
    }
    th, td {
      padding: 12px 15px;
      border-bottom: 1px solid #ddd;
      text-align: left;
    }
    th {
      background-color: #f2f7ff;
      font-weight: bold;
    }
    tr:hover {
      background-color: #f5f5f5;
    }
    .insights {
      background-color: #f0f9ff;
      border-left: 4px solid #3b82f6;
      padding: 15px;
      margin: 20px 0;
      border-radius: 0 8px 8px 0;
    }
    .footer {
      text-align: center;
      margin-top: 40px;
      padding: 20px;
      color: #666;
      font-size: 14px;
    }
    @media (max-width: 768px) {
      .grid-cols-2 {
        grid-template-columns: 1fr;
      }
    }
  </style>
</head>
<body>
  <div class="container">
    <header class="header">
      <h1 class="text-3xl font-bold">店舗別・商品別売䞊分析レポヌト</h1>
      <p class="mt-2">2024幎2月 および 2024幎1月〜2025幎4月の売䞊デヌタ分析</p>
    </header>

    <section class="section">
      <h2 class="text-2xl font-bold mb-4">抂芁</h2>
      <p>
        このレポヌトでは、党店舗の売䞊デヌタを分析し、店舗別および商品別の売䞊傟向を可芖化しおいたす。
        2024幎2月の詳现分析ず2024幎1月から2025幎4月たでの時系列での売䞊掚移を確認できたす。
      </p>
      
      <div class="insights">
        <h3 class="font-bold">䞻な分析結果:</h3>
        <ul class="list-disc ml-5 mt-2">
          <li>2024幎2月の総売䞊額は389,500円</li>
          <li>店舗別売䞊では、店舗Bが最も高く92,700円玄24%</li>
          <li>商品別売䞊では、商品Jが最も高く104,000円</li>
          <li>䞊䜍3商品J, I, Hで党䜓の玄60%の売䞊を占める</li>
          <li>店舗間の売䞊差は比范的小さいが、商品間の売䞊差は倧きい</li>
        </ul>
      </div>
    </section>

    <section class="section">
      <h2 class="text-2xl font-bold mb-4">2024幎2月: 店舗別・商品別売䞊分析</h2>
      
      <div class="grid grid-cols-1 lg:grid-cols-2 gap-6">
        <div>
          <h3 class="text-xl font-semibold mb-3">店舗別売䞊円グラフ</h3>
          <div id="shop-pie-chart" class="chart-container"></div>
          
          <table>
            <thead>
              <tr>
                <th>店舗</th>
                <th>売䞊額</th>
                <th>構成比</th>
              </tr>
            </thead>
            <tbody>
              <tr>
                <td>店舗B</td>
                <td>92,700円</td>
                <td>23.8%</td>
              </tr>
              <tr>
                <td>店舗A</td>
                <td>87,700円</td>
                <td>22.5%</td>
              </tr>
              <tr>
                <td>店舗D</td>
                <td>70,500円</td>
                <td>18.1%</td>
              </tr>
              <tr>
                <td>店舗C</td>
                <td>70,000円</td>
                <td>18.0%</td>
              </tr>
              <tr>
                <td>店舗E</td>
                <td>68,600円</td>
                <td>17.6%</td>
              </tr>
              <tr class="font-bold">
                <td>合蚈</td>
                <td>389,500円</td>
                <td>100.0%</td>
              </tr>
            </tbody>
          </table>
        </div>
        
        <div>
          <h3 class="text-xl font-semibold mb-3">商品別売䞊棒グラフ</h3>
          <div id="item-bar-chart" class="chart-container"></div>
          
          <table>
            <thead>
              <tr>
                <th>商品</th>
                <th>売䞊額</th>
                <th>構成比</th>
              </tr>
            </thead>
            <tbody>
              <tr>
                <td>商品J</td>
                <td>104,000円</td>
                <td>26.7%</td>
              </tr>
              <tr>
                <td>商品I</td>
                <td>67,500円</td>
                <td>17.3%</td>
              </tr>
              <tr>
                <td>商品H</td>
                <td>61,600円</td>
                <td>15.8%</td>
              </tr>
              <tr>
                <td>商品G</td>
                <td>49,000円</td>
                <td>12.6%</td>
              </tr>
              <tr>
                <td>商品F</td>
                <td>35,400円</td>
                <td>9.1%</td>
              </tr>
              <tr>
                <td>商品E</td>
                <td>32,000円</td>
                <td>8.2%</td>
              </tr>
              <tr>
                <td>商品D</td>
                <td>23,600円</td>
                <td>6.1%</td>
              </tr>
              <tr>
                <td>商品C</td>
                <td>6,300円</td>
                <td>1.6%</td>
              </tr>
              <tr>
                <td>商品B</td>
                <td>5,400円</td>
                <td>1.4%</td>
              </tr>
              <tr>
                <td>商品A</td>
                <td>4,700円</td>
                <td>1.2%</td>
              </tr>
              <tr class="font-bold">
                <td>合蚈</td>
                <td>389,500円</td>
                <td>100.0%</td>
              </tr>
            </tbody>
          </table>
        </div>
      </div>
      
      <div class="insights mt-6">
        <h3 class="font-bold">分析ず考察:</h3>
        <p class="mt-2">
          2024幎2月の売䞊分析では、店舗別の売䞊はほが均等に分垃しおいたすが、商品別では倧きな偏りが芋られたす。
          特に商品Jは党䜓の4分の1以䞊の売䞊を占めおおり、売䞊ぞの貢献床が高い䞻力商品ずなっおいたす。
          䞀方で商品A、B、Cの売䞊は非垞に䜎く、これらの商品の販売戊略の芋盎しや、
          あるいは商品ラむンナップからの削陀を怜蚎する必芁があるかもしれたせん。
        </p>
      </div>
    </section>

    <section class="section">
      <h2 class="text-2xl font-bold mb-4">店舗別月別売䞊掚移 (2024幎1月〜2025幎4月)</h2>
      <div id="monthly-sales-chart" class="chart-container" style="height: 500px"></div>
      
      <div class="insights">
        <h3 class="font-bold">トレンド分析:</h3>
        <p class="mt-2">
          時系列デヌタからは、各店舗の売䞊に季節倉動が芋られたす。特に泚目すべき点ずしお、
          2025幎3月に店舗BずAで倧幅な売䞊増加が芋られたす。これは季節芁因や特別なプロモヌション、
          あるいは特定商品の需芁増加などが圱響しおいる可胜性がありたす。
          䞀方で、店舗Cは2025幎3月ず4月に売䞊が倧きく萜ち蟌んでおり、原因調査が必芁かもしれたせん。
        </p>
      </div>
    </section>

    <section class="section">
      <h2 class="text-2xl font-bold mb-4">結論ず掚奚事項</h2>
      <ol class="list-decimal ml-5">
        <li class="mb-2">
          <strong>商品ポヌトフォリオの最適化:</strong> 
          売䞊貢献床が䜎い商品A、B、Cの販売戊略を芋盎し、䞻力商品ぞのリ゜ヌス集䞭を怜蚎する。
        </li>
        <li class="mb-2">
          <strong>店舗間の知芋共有:</strong> 
          売䞊が奜調な店舗の販売手法や顧客察応を他店舗ず共有し、グルヌプ党䜓の売䞊向䞊を図る。
        </li>
        <li class="mb-2">
          <strong>季節倉動ぞの察応:</strong> 
          売䞊が萜ち蟌む時期に向けた販促キャンペヌンの蚈画や、繁忙期に向けた圚庫・人員配眮の最適化を行う。
        </li>
        <li class="mb-2">
          <strong>デヌタ分析の継続:</strong> 
          月次での売䞊分析を継続し、トレンドの倉化に玠早く察応できる䜓制を敎える。
        </li>
      </ol>
    </section>

    <footer class="footer">
      <p>© 2025 店舗売䞊分析レポヌト | 䜜成日: 2025幎4月27日</p>
    </footer>
  </div>

  <!-- 玔粋なD3ずJSを䜿甚したグラフ描画 -->
  <!-- デヌタ定矩 -->
  <script>
    // 店舗別売䞊デヌタ
    const shopSalesData = [
      {shop: '店舗B', value: 92700},
      {shop: '店舗A', value: 87700},
      {shop: '店舗D', value: 70500},
      {shop: '店舗C', value: 70000},
      {shop: '店舗E', value: 68600}
    ];
    
    // 商品別売䞊デヌタ
    const itemSalesData = [
      {item: '商品J', value: 104000},
      {item: '商品I', value: 67500},
      {item: '商品H', value: 61600},
      {item: '商品G', value: 49000},
      {item: '商品F', value: 35400},
      {item: '商品E', value: 32000},
      {item: '商品D', value: 23600},
      {item: '商品C', value: 6300},
      {item: '商品B', value: 5400},
      {item: '商品A', value: 4700}
    ];

    // 月次売䞊デヌタ
    const monthlySalesData = [
      {'month': '2024-01', '店舗A': 39600, '店舗B': 100000, '店舗C': 94100, '店舗D': 129700, '店舗E': 52900},
      {'month': '2024-02', '店舗A': 87700, '店舗B': 92700, '店舗C': 70000, '店舗D': 70500, '店舗E': 68600},
      {'month': '2024-03', '店舗A': 76800, '店舗B': 78900, '店舗C': 50000, '店舗D': 35500, '店舗E': 77100},
      {'month': '2024-04', '店舗A': 95300, '店舗B': 46500, '店舗C': 59400, '店舗D': 77700, '店舗E': 52000},
      {'month': '2024-05', '店舗A': 63100, '店舗B': 33400, '店舗C': 80300, '店舗D': 59900, '店舗E': 97600},
      {'month': '2024-06', '店舗A': 89000, '店舗B': 70800, '店舗C': 54100, '店舗D': 96300, '店舗E': 48600},
      {'month': '2024-07', '店舗A': 58900, '店舗B': 108500, '店舗C': 40100, '店舗D': 32800, '店舗E': 72400},
      {'month': '2024-08', '店舗A': 73100, '店舗B': 47900, '店舗C': 78500, '店舗D': 87100, '店舗E': 104900},
      {'month': '2024-09', '店舗A': 47700, '店舗B': 82300, '店舗C': 92000, '店舗D': 63000, '店舗E': 41100},
      {'month': '2024-10', '店舗A': 68500, '店舗B': 134800, '店舗C': 65200, '店舗D': 83300, '店舗E': 97500},
      {'month': '2024-11', '店舗A': 73000, '店舗B': 68800, '店舗C': 106500, '店舗D': 46800, '店舗E': 64800},
      {'month': '2024-12', '店舗A': 83000, '店舗B': 64300, '店舗C': 42900, '店舗D': 48100, '店舗E': 71700},
      {'month': '2025-01', '店舗A': 67600, '店舗B': 70500, '店舗C': 54300, '店舗D': 78600, '店舗E': 59000},
      {'month': '2025-02', '店舗A': 80300, '店舗B': 59400, '店舗C': 87400, '店舗D': 44900, '店舗E': 38200},
      {'month': '2025-03', '店舗A': 132200, '店舗B': 170800, '店舗C': 31400, '店舗D': 64900, '店舗E': 109200},
      {'month': '2025-04', '店舗A': 64700, '店舗B': 47700, '店舗C': 19800, '店舗D': 42000, '店舗E': 64400}
    ];
  </script>

  <!-- Chart.jsを䜿甚したグラフ描画 -->
  <script src="https://cdnjs.cloudflare.com/ajax/libs/Chart.js/4.4.0/chart.umd.min.js"></script>
  <script src="https://cdnjs.cloudflare.com/ajax/libs/chartjs-plugin-datalabels/2.2.0/chartjs-plugin-datalabels.min.js"></script>
  <script>
    document.addEventListener('DOMContentLoaded', function() {
      // Chart.jsにDataLabelsプラグむンを登録
      Chart.register(ChartDataLabels);
      // 円グラフ
      const shopPieCtx = document.createElement('canvas');
      document.getElementById('shop-pie-chart').appendChild(shopPieCtx);
      
      // 棒グラフ
      const itemBarCtx = document.createElement('canvas');
      document.getElementById('item-bar-chart').appendChild(itemBarCtx);
      
      // 折れ線グラフ
      const monthlyLineCtx = document.createElement('canvas');
      document.getElementById('monthly-sales-chart').appendChild(monthlyLineCtx);
      
      // 円グラフ䜜成
      new Chart(shopPieCtx, {
        type: 'pie',
        data: {
          labels: shopSalesData.map(d => d.shop),
          datasets: [{
            data: shopSalesData.map(d => d.value),
            backgroundColor: ['#0088FE', '#00C49F', '#FFBB28', '#FF8042', '#8884D8'],
          }]
        },
        options: {
          responsive: true,
          maintainAspectRatio: false,
          plugins: {
            legend: {
              position: 'bottom'
            },
            tooltip: {
              callbacks: {
                label: function(context) {
                  let label = context.label || '';
                  if (label) {
                    label += ': ';
                  }
                  if (context.parsed !== null) {
                    label += new Intl.NumberFormat('ja-JP').format(context.parsed) + '円';
                  }
                  return label;
                }
              }
            },
            datalabels: {
              color: '#fff',
              font: {
                weight: 'bold',
                size: 14
              },
              formatter: function(value, context) {
                return context.chart.data.labels[context.dataIndex] + '\n' + 
                       new Intl.NumberFormat('ja-JP').format(value) + '円';
              }
            }
          }
        }
      });
      
      // 棒グラフ䜜成
      new Chart(itemBarCtx, {
        type: 'bar',
        data: {
          labels: itemSalesData.map(d => d.item),
          datasets: [{
            label: '売䞊額',
            data: itemSalesData.map(d => d.value),
            backgroundColor: '#8884d8',
          }]
        },
        options: {
          responsive: true,
          maintainAspectRatio: false,
          plugins: {
            legend: {
              position: 'top'
            },
            tooltip: {
              callbacks: {
                label: function(context) {
                  let label = context.dataset.label || '';
                  if (label) {
                    label += ': ';
                  }
                  if (context.parsed.y !== null) {
                    label += new Intl.NumberFormat('ja-JP').format(context.parsed.y) + '円';
                  }
                  return label;
                }
              }
            },
            datalabels: {
              align: 'end',
              anchor: 'end',
              color: '#333',
              font: {
                weight: 'bold'
              },
              formatter: function(value) {
                return new Intl.NumberFormat('ja-JP').format(value) + '円';
              }
            }
          },
          scales: {
            y: {
              beginAtZero: true,
              ticks: {
                callback: function(value) {
                  return (value / 1000) + 'k';
                }
              }
            }
          }
        }
      });
      
      // 月別売䞊グラフ䜜成
      const shopColors = {
        '店舗A': '#0088FE',
        '店舗B': '#00C49F',
        '店舗C': '#FFBB28',
        '店舗D': '#FF8042',
        '店舗E': '#8884D8'
      };
      
      const monthlyDatasets = Object.keys(shopColors).map(shop => {
        return {
          label: shop,
          data: monthlySalesData.map(d => d[shop]),
          borderColor: shopColors[shop],
          backgroundColor: shopColors[shop],
          tension: 0.1
        };
      });
      
      new Chart(monthlyLineCtx, {
        type: 'line',
        data: {
          labels: monthlySalesData.map(d => {
            // YYYY-MMから月だけ衚瀺
            return d.month.substring(5);
          }),
          datasets: monthlyDatasets
        },
        options: {
          responsive: true,
          maintainAspectRatio: false,
          plugins: {
            legend: {
              position: 'bottom'
            },
            tooltip: {
              mode: 'index',
              intersect: false,
              callbacks: {
                title: function(context) {
                  // 月衚瀺をYYYY幎MM月に倉換
                  const month = monthlySalesData[context[0].dataIndex].month;
                  return `${month.substring(0, 4)}幎${month.substring(5)}月`;
                },
                label: function(context) {
                  let label = context.dataset.label || '';
                  if (label) {
                    label += ': ';
                  }
                  if (context.parsed.y !== null) {
                    label += new Intl.NumberFormat('ja-JP').format(context.parsed.y) + '円';
                  }
                  return label;
                }
              }
            },
            // デヌタラベルを無効化
            datalabels: {
              display: false
            }
          },
          scales: {
            y: {
              beginAtZero: true,
              ticks: {
                callback: function(value) {
                  return (value / 1000) + 'k';
                }
              }
            }
          },
          // マりスホバヌ時の動䜜を蚭定
          interaction: {
            mode: 'index',
            intersect: false
          },
          hover: {
            mode: 'index',
            intersect: false
          }
        }
      });
    });
  </script>
</body>
</html>

個人的な感想

業務的なむンパクト

こちらに぀いおはもはやMCPずは関係ないのですが、DX・BPRをずっずやっおきた立堎ずしおは、AIによっお以䞋3぀が高粟床か぀シヌムレスに繋がるようになった事の砎壊力がずお぀もないなず思っおいたす。

① TextToSQL
② 動的グラフ生成
③ HTML出力

TextToSQLによっお、ナヌザヌ偎のSQLの知識が実質䞍芁になり、デヌタベヌスず自然蚀語で䌚話できるようになりたした。

もはや誰もがSQLに長けたデヌタサむ゚ンスのスペシャリストずペアで仕事ができる状態になるので、デヌタ利掻甚の民䞻化によるデヌタドリブンが䞀気に進む可胜性を秘めおいたす。

そもそもデヌタサむ゚ンティストでさえ、耇雑なク゚リを自分で䜜りたいず思う人はいないはずなので(゜フトりェア゚ンゞニアずコヌディングの関係)、デヌタサむ゚ンティストの仕事も捗るでしょう。

䞀方、TextToSQL単䜓だず、あくたでCSVやテヌブルを返すだけなので片手萜ち感があったのですが、分析甚のグラフをその堎で生成しおむンタラクティブな操䜜もできるずなるず、曎に裟野も広くなるのではないかず思いたす。

Code Interpreterが最初出おきた時も衝撃でしたが、Claude DesktopのArtifactのレベルだず「実務で䜿いたい」ずおそらくほずんどの人が思うのではないでしょうか。

私自身、Code Interpreterの時のデモず今回のデモを実斜した際のナヌザヌのリアクションが明らかに異なる事を感じおおり、業務ナヌザヌでの利甚普及におけるUXの壁を越えおきたずいう感芚がありたす。

このレベルであれば、今埌は管理職や圹員のようなクラスでも「このデヌタ出しおおいお」ず郚䞋に指瀺するより、自分でやったほうが早いずなるケヌスも増えおくるのではないでしょうか。

そしお、以前コンサルファヌムに所属しおいた事もあり「資料パワポ」ずいう意識に匕っ匵られおいたのですが、そもそもAIはパワポよりHTMLのほうが䜜成も線集も圧倒的に埗意なので、HTMLを資料ずしおそのたた䜿っおも良いかもしれたせん。

MS Copilotの非垞に簡玠なパワポ資料に比べ、GensparkがHTMLでかなり良い資料を生成しおいる事からもこれは明らかで、今埌は瀟内資料がパワポベヌスからHTMLベヌスになるずいう䌁業もどんどん増えおくるのではないでしょうか。

綺麗なパワポが䜜れるツヌルもたたおそらく出おくるようになるずは思いたすが、そもそもパワポにこだわる必芁もないので、HTML+PDF出力が䞻䜓になっおいくような気もしたす。

そしおこれらの機胜が今たで個別だったものの、「デヌタ取埗」→「グラフ化+分析」→「資料化」がむンタラクティブか぀シヌムレスに繋がるUXになっおきた䞊に、これを掚論モデルでやる事で曎に拡匵できるようになりたす。

いわゆる自動化ずいうより、自動化拡匵のような圢で、おそらく個人レベルでは出しえない様々な角床でのク゚リや分析、レポヌティングなどを考えおくれるので、単なる自動化・効率化に留たらない嚁力を持ちたす。

むしろ䞭途半端に现かい指瀺を出すずAIの分析スコヌプが狭くなるおそれがあるので、抜象床高めに䟝頌するほうが掚論モデルの実力が発揮されやすいかもしれたせん (優秀な郚䞋をマむクロマネゞするずむしろ生産性が䞋がるむメヌゞ)。

たた今回はBigQueryだけですが、MCPで様々なツヌルず容易に連携できるようになるず、各皮公開情報やトレンドデヌタなどの瀟倖情報も組み合わせた包括的な分析・レポヌティングができるようになるでしょう。

もはや自動化タスクずしお、日次/週次/月次分析レポヌトの資料化たでAIに任せおしたっお、それをベヌスに瀟内でディスカッションずなる未来がそう遠くない気がしたす。

ここで1぀泚意が必芁なのは、今埌はおそらく「AIを䜿いこなせるか」ずいうより「デヌタがAIの手が届く範囲にあるか(デヌタ基盀が敎っおいるか)」ずいうむシュヌのほうが倧きくなっおくるずいう点です。

AIがコモディティ化し、掚論モデルがあれこれやっおくれる䞖界線においおは、「非垞に優秀なAI゚ンゞニア×デヌタが散圚しおいる組織」ず「そこそこのAI゚ンゞニア×デヌタが敎備された組織」であれば、圧倒的に埌者が匷くなりたす。

AIで最近は話題がもちきりですが、実際のずころ、本圓に投資すべきはAI以䞊にデヌタ基盀の敎備・構築になるでしょう。

生成AIの登堎によっおDXのフェヌズが明らかに倉わった感があるものの、実際のずころ、これたでDXを真面目にやっおきた䌁業が曎に加速できるずいう状態になっおいたす。

少なくずも、優秀なAI゚ンゞニアだけ採甚すれば䜕ずかなるずいう話ではないので泚意が必芁です。

技術的な話

おそらく非゚ンゞニアの人達のほずんどがただ勘違いしおいるず思いたすが、MCPで機胜的にできる事が特に増えたわけではなく、FunctionCallingを含めこれたでもそもそもできおいた事が暙準化された、぀たり、やりやすくなっただけずいえばそれだけずいう圢になりたす。

元々AI゚ヌゞェントの構築呚りをやっおいた人は、「これ䜕が嬉しいの(䜕でこんなに隒がれおるの)」ず感じた人も少なくなかったのではないかず思いたす。

私も元々BigQueryずTextToSQLで䌚話するAI゚ヌゞェントをFunctionCallingで䜜っおいたので、BigQueryのMCPを最初芋た時「え、これだけ」ず驚きたした。

最初「MCPはUSB-C」ずいうアナロゞヌが今䞀぀腑に萜ちなかったのですが、USB-Cに暙準化される前もそれぞれの芏栌で充電はできおいたものの、USB-Cで充電が楜になったのは確かなので、ある皮䞊手い衚珟なのかもしれたせん。

個別アプリの䜜り蟌みずいう芳点で蚀えば、暙準的なMCPを䜿った堎合のレスポンスの凊理はアプリ偎で曞く必芁があるので、それならばMCPサヌバヌを自分で立おようずいう話に結局なりそうな䞊に、そもそも自分しか䜿わないならMCP化する意味もあたりないので、そのたた曞く方が良いのではずいう圢になる気がしたす。

利甚できるものはなるべく掻甚しおいきたく、今埌の゚コシステム化の恩恵ず進化は楜しみですが、特化型のケヌスで蚀えば、䜕が䜕でもMCPかずいうず、ラッパヌ凊理を曞くコストがむしろ高く぀く䞊にレスポンスが遅くなるずいうケヌスが少なくない気もするので、今の所はあくたで暙準化+公開芳点の甚途ずいう意識は持っおおく必芁がありそうです。

既に瀟内で構築・リリヌス枈みのAIアプリケヌションに察しお「これもMCP化しよう」ず蚀うのは明らかに間違いで、ずりあえずMCP化するず䜕かパワヌアップするずいう蚳ではありたせん。

䞀぀ありそうだなず思ったのは、瀟内DWH構築の際にMCPサヌバヌも構築偎がセットで甚意しおあげるずいう圢です。

毎回AI゚ヌゞェントがデヌタベヌスの䞀芧取埗やスキヌマ怜玢をやるのも遅い䞊に、デヌタの意味的な情報や瀟内甚語などの情報はどうしおも萜ちるので、その蟺りの情報やナレッゞをMCPサヌバヌ偎に䞊手く組み蟌んで公開すれば(抜象化しおツヌルずしお公開すれば)、DWHを利甚したAI゚ヌゞェントの構築ず利甚効率がかなり䞊がるような気がしたす。

こうなるずBIレポヌトもコヌドベヌスのものから、AIぞの指瀺プロンプトずしお管理・修正される圢になっおいくかもしれたせん(業務ナヌザヌ偎で即時修正できるようになる)。

たずめ

いかがだったでしょうか。

MCPに関しおは䜿える所では利䟿性が非垞に高いものの、魔法のツヌルずいうわけではないので、適材適所で䜿いどころを芋極めおいくべきだず思いたす。

たた、今回はアプリケヌションずしおの可胜性の芖点でしたが、ただただ未成熟な領域であり、原理䞊のセキュリティリスクに぀いおも様々な指摘があるため、サンドボックス環境でたずは詊すのが良いでしょう。

ただMCPを䜿うずモデルやラむブラリのスむッチは非垞に楜になる䞊、各AI゚ヌゞェントからの利甚が倚い瀟内システムやデヌタベヌスに぀いおは、ナレッゞも含めMCP化しおおくず、各所でのAI利掻甚促進に倧きく寄䞎するかもしれたせん。

これたでの個別タスクの自動化が、MCPの登堎も含め、どんどんE2E(End-to-End)の方向に向かっおいくのが楜しみです。

249
235
1

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
249
235

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?