Upgrade to Pro — share decks privately, control downloads, hide ads and more …

AIに作業委譲できる開発環境の作り方 〜駅すぱあと API MCPサーバー開発の裏側〜

Sponsored · Your Podcast. Everywhere. Effortlessly. Share. Educate. Inspire. Entertain. You do you. We'll handle the rest. →

AIに作業委譲できる開発環境の作り方 〜駅すぱあと API MCPサーバー開発の裏側〜

Zennfes Spring 2026 のSupportスポンサーLT(5分)登壇資料です。2026年1月リリースの「駅すぱあと API」公式MCPサーバー開発の裏側を紹介しています。『Software Design 2026年4月号』第2特集「企業事例にみるMCPサーバー開発成功の秘訣」への寄稿記事(第2章: 事例1)を5分間に凝縮した内容です。

Avatar for ayumihashimoto

ayumihashimoto

June 23, 2026

Other Decks in Technology

Transcript

  1. AIに作業委譲できる 開発環境の作り方 〜駅すぱあと API MCPサーバー開発の裏側〜 ABOUT ME 株式会社ヴァル研究所 基盤開発部 APIチーム

    橋本 あゆみ 経路検索エンジン「駅すぱあと」のWebAPI開 発・運用に従事 公式MCPサーバー開発を通じてAI活用を推進中 1 2026.06.20 Zennfes Spring 2026 / SupportスポンサーLT
  2. 2 ヴァル研究所 - 経路検索のパイオニア 1976 株式会社ヴァル研究所 設立 日本初の経路検索ソフト 「駅すぱあと」発売 クラウドAPI、MaaS、

    次世代モビリティへの進化  駅すぱあと 北海道から沖縄まで日本全国の路線を 網羅。鉄道だけでなく、バス・飛行機 ・船などの公共交通データにも対応。  1988 t a i n 12万社以上の取引実績 プライベートのお出かけでの経路検索 をはじめ、ビジネスシーンでの交通費 精算や通勤定期代の支給計算などの法 人向けサービスとも連携。
  3. 「駅すぱあと API」とは 経路検索 交通費精算 物件検索 経路・鉄道情報 3 バス情報 定期・運賃情報 多様な活用シーン

    公共交通データ 「駅すぱあと」の高度な探索エンジンと最新の公共交通データをお客様のシステムへ 自在に組み込めるAPI。経路探索 / 駅情報 / 路線図など45個を提供。
  4. 5 「駅すぱあと API MCPサーバー」リリース 2026年1月、公式MCPサーバーをリリース • 業界標準のModel Context Protocol(MCP)に対応 •

    LLMによる経路検索や交通費精算などが可能になり、API仕様や複雑なパラメーター指 定を意識せず使える 活用例:  本日ブースで試せます 「駅すぱあと API MCPサーバー」 の利便性をぜひご体験ください • 「今日の新橋から高円寺までの終電 を教えて。」 • 経費精算の自動化、出張計画の作成 など
  5. 課題 方針 6 • 膨大なAPI仕様のTool化 • 短期リリース × はじめてのAI関連サービス開発 

    開発の裏側 - 開発の課題と方針 • AIに委譲できる環境を作ること • 人は判断と検証に集中 
  6. 7 開発の裏側 - AIに委譲するためのポイント 1 人間もAIも読める 形にする  Markdown記法で統一 •

    要件やIssueを構造化 2 AIが情報を見に 行けるようにする  参照先と手段の用意 • llms.txt: API仕様 • GitHub MCP: Issue、 PRなどへのアクセス 3 進め方をAGENTS.md に落とし込む  AIの行動指針を明文化 • 自律的な行動を促進 • 開発フローの形式知化
  7. 要件 整理 8 情報 収集 開発の裏側 - 開発環境の変革 仕様 検討

    設計 実装 テスト PR 計画 書 関連 Docs Issues 要件 整理 情報 収集 仕様 検討 設計 実装 テスト PR 計画 書 関連 Docs Issues GitHub MCP llms.txt GitHub MCP AGENTS.md  AI  人間 Before After 自動で参照 / ルールに沿って実行 / 自律的に進める 探す / 読む / 解釈する / 手作業で進める ルールと進め方を提供 M↓
  8. 9 開発の裏側 - 実現できたこと  MCP Tool実装 最初の1個は人が作成 → 以

    降はAIが展開  開発フロー Issue起票 → Copilotアサイ ン → 実装・PRまで自動  品質維持 カバレッジ要件を満たすま でAIがテスト追加 AIの自律的な実行により、開発効率と品質の両立を実現できた