AIエージェントの利用を広げるMCP

生成AIのMCP（Model Content Protocol）が流行っているので試作してみました。

Transcript

1. Copyright © 2025 Happy Samurai294 All rights reserved. コロッケそば 2025年09月26日 コロッケそば （@HappySamurai294） AIエージェントの利用を広げるMCP
2. Copyright © 2025 Happy Samurai294 All rights reserved. コロッケそば 2 2 2 2 AIエージェント開発の障壁 AIエージェントは、LLMからの依頼事項（情報取得など）を実行するLLMの手足のような存在 ⚫ 業務の自動化（生産性向上/人手不足対策） ⚫ 人の強力なアシスタントになる （プログラミング言語でなく自然言語でコミュニケーション） AIエージェントがLLMの手足となるためには手足を操作する「インターフェース（手続き）」が必要 ⚫ インターフェースは通常、生成AI提供者やAIエージェント作成時に使用するフレームワーク （ソフトウエアの部品）毎に異なっています。 ⚫ これはAIエージェント開発の障壁となってAIエージェントの普及に影響を与えます。 （開発の障壁） （AIエージェントによって期待できる効果の例）
3. Copyright © 2025 Happy Samurai294 All rights reserved. コロッケそば 3 3 3 3 標準化手法の登場 ⚫ 2024年11月に生成AIベンダーであるanthropic（アンソロピック）社が標準化 ⚫ 多くの生成AIベンダーが採用。事実上の標準インターフェース MCPは「AIのためのUSB Type-C」 ⚫ USB Type-C：メーカーや機器の種類が違っても、同じ形のコネクタで「挿すだけ」で 充電やデータ転送ができる利便性をもたらしました ⚫ MCP：LLMの手足となるインターフェースを標準化し、開発者が 「まるでUSB Type-Cを挿すように」手軽に利用できる環境を実現しました 標準化の効果でAIエージェントの広がりが期待できます MCP（Model Content Protocol）の登場
4. Copyright © 2025 Happy Samurai294 All rights reserved. コロッケそば 4 4 4 4 MCPは、データを提供するプラグイン 社内業務システム IoTデータ DB （例）IoTデータ取得MCPサーバー （例） DBアクセスMCPサーバー （例）社内システムアクセスMCPサーバー API API/SQL API 「MCP」という 標準インターフェース ⚫ 自作生成AIアプリ（MCP使用） ⚫ ※:MCPをサポートした汎用生成AIアプリ ※ : Claude desktop/Claude code/Cursor/Gemini-CLI/Cline/Difyなど
5. Copyright © 2025 Happy Samurai294 All rights reserved. コロッケそば 5 5 5 5 「MCPクライアント」と「MCPサーバー」 MCP自身は標準化規格。実装は「MCPクライアント」と「MCPサーバー」で機能分担。 「MCP」という 標準インターフェース AIエージェントアプリ （MCPクライアント） （例）IoTデータ API 「MCPサーバー」 【 MCPクライアントの機能】 ⚫ 利用可能なMCPサーバーに見つける ⚫ サーバーが提供しているツールを取得 【MCPサーバーの機能】 ⚫ 自身がどのようなツールやリソースをMCPクライアントに提示 （これにより、生成AIは「何ができるのか」を動的に把握） ⚫ 生成AIが実行可能な具体的な「アクション」を 定義し、クライアント に提供 （例：ファイルの読み書き、データ ベースへの問い合わせ、外部APIの 呼び出し、特定の計算の実行など ）
6. Copyright © 2025 Happy Samurai294 All rights reserved. コロッケそば 6 6 6 6 真のMCPの役割 各種サービス/他システム API 他サービス/システムを呼び出して結果を得る「便利な窓口」 「MCP」 『業務タスクを「回す」オーケストレータの役割』 『業務知識が埋め込まれた「現場監督」の役割（ビジネスロジックの実装）』 業務の自動化のカギはMCPの設計・運用
7. Copyright © 2025 Happy Samurai294 All rights reserved. コロッケそば 7 7 7 7 MCPによるAIエージェントの普及 ⚫ AIエージェントに標準規格で接続できるMCPは今後様々なベンダーや サービス事業者から提供されることが予想されます。 ー マイクロソフト、AIエージェント連携プロトコル「MCP」を全面採用へ （ 2025年5月19日発表） ー Google ADK と MCP の外部サーバーとのインテグレーション ガイド （2025年5月28日発表） ー AWSがAIエージェント対応を強化、MCPでデータベース接続など可能に（2025年6月10日発表） ⚫ ユーザは従来、自前で作っていたAIエージェント Toolは各MCP提供者のものを 利用することができます。 ⚫ ユーザはMCPによって業務利用に有効なAIエージェントアプリ開発を加速させる ことができます。
8. Copyright © 2025 Happy Samurai294 All rights reserved. コロッケそば 8 8 8 8 MCPを試作してみた ※2:関西電力の単価/計算式/CO2排出係数を使用 （題材）「電力計データを収集して生成AIで分析」 ➢ IoTデータ収集装置から電力計データを収集※1 ➢ 消費電力量合計、CO2排出量合計、 電気量料金合計の各計算※2 ➢ 各データの可視化（作表、グラフ化） ➢ CO2排出量の増減原因の推測 『役割分担』 ※生成AIは数学的な計算が弱い。計算は、MCPサーバーのような外部ツールに任せるのが確実。 これが生成AIを賢く使いこなすコツ ※1:50kwレンジ蓄積データ ◆IoTデータ収集 MCPサーバ（試作） ◆生成AI
9. Copyright © 2025 Happy Samurai294 All rights reserved. コロッケそば 9 9 9 9 試作のシステム構成 IoTデータ取得装置が取得した 電力計データ※1 IoTデータ取得 MCPサーバー API 「MCP」 標準インターフェース LLM（Claude Sonnet) 汎用生成AIアプリ「Claude desktop」 （MCPに対応） ※ Claude desktop : Anthropic社の汎用生成AIアプリ ※ Claude Sonnet : Anthropic社のLLM（大規模言語モデル） ＜試験的に作成＞ IoTデータ取得 クラウドサービス IoTデータ 取得Tool （工場/設備現場拠点） (同一PC内で動作） 電力計 ※1:（2022年度）50kwレンジ蓄積データ ・電気事業者：関西電力 ・電力平均値：30分デマンド IoTデータ取得装置
10. Copyright © 2025 Happy Samurai294 All rights reserved. コロッケそば 10 10 10 10 MCPに対応した汎用生成AIアプリ「Claude desktop」を使用する
11. Copyright © 2025 Happy Samurai294 All rights reserved. コロッケそば 11 11 11 11 Claude desktopにIoTデータ収集サーバーを登録
12. Copyright © 2025 Happy Samurai294 All rights reserved. コロッケそば 12 12 12 12 プロンプトに依頼事項を入力 実行計画書に沿って実行してください。 各フェーズの実行チェックリストを作成してください。 フェーズごとに実行を完了したらチェックリストを完了（ ）にしてください。 #役割 あなたはIoTデータ分析の専門家です。 また分析データを分かりやすく視覚化するWebデザイナーを兼ねます。 #実行計画書 次の依頼内容をステップバイステップで実行してください。 Phase1. 50kwレンジ電力量データを取得してください。 Phase2. 取得した50kwレンジ電力量データの期間を教えて下さい。 Phase3. 次の項目を取得して教えて下さい。 3.1 消費電力量合計 3.2 CO2排出量合計 3.3 電気量料金合計 Phase4. 取得した50kwレンジ電力量データだけを使ってCO2排出量の増減原因を詳細に分析してください。 #出力 4.1 HTML形式で出力してください。 4.2 「IoT電力データ分析ダッシュボード」として下記を表示してください 4.2.1 データの概要の説明 4.2.2 期間情報 4.2.3 取得した50kwレンジ電力量データの作表とグラフ表示。作表はすべての月の表示をお願いします。 4.2.4 各項目の合計値 4.2.5 CO2分析内容 4.3 「IoT電力データ分析ダッシュボード」はプロフェッショナルなIoTデータ分析の専門家もカッコいい！と思うものにしてください。 派手な色は避けてください。
13. Copyright © 2025 Happy Samurai294 All rights reserved. コロッケそば 13 13 13 13 AIエージェントの実行
14. Copyright © 2025 Happy Samurai294 All rights reserved. コロッケそば 14 14 14 14
15. Copyright © 2025 Happy Samurai294 All rights reserved. コロッケそば 15 15 15 15 「IoT電力データ分析ダッシュボード」表示結果
16. Copyright © 2025 Happy Samurai294 All rights reserved. コロッケそば 16 16 16 16 月次CO2排出量グラフ表示
17. Copyright © 2025 Happy Samurai294 All rights reserved. コロッケそば 17 17 17 17 電力データ 一覧表示
18. Copyright © 2025 Happy Samurai294 All rights reserved. コロッケそば 18 18 18 18 CO2排出量増減原因詳細分析表示
19. Copyright © 2025 Happy Samurai294 All rights reserved. コロッケそば 19 19 19 19
20. Copyright © 2025 Happy Samurai294 All rights reserved. コロッケそば 20 20 20 20 結果 従来、今回やった「電力データを集めて分析し、グラフ化する」といったアプリを作ろうとすれば、どうだったでしょうか？ 専門の技術者がプログラミング言語と格闘し、長い時間をかけて開発とテストを繰り返す。仕様を少し変更しただけでも、 また技術者と時間が必要になる…。それが「当たり前」でした。 しかし、今回体験したのは、まったくの別次元の世界です。 やったことは、シンプル。 MCPに対応した汎用生成AIアプリに日本語でお願いするだけです。 「IoTデータ収集装置から電力データを取ってきて！各種電力量計算とCO2排出量と増減理由を教えて！ データは表とグラフで表現してね！」 結果、AIエージェントがMCPサーバと連携し、数秒で正確なグラフを提示しました。もちろん、 プログラミングのコードは一行も書いていません。 Gemini-CLIやCURSORといったMCP対応の生成AIアプリでも動作できました。MCPという標準化の効果です。
21. Copyright © 2025 Happy Samurai294 All rights reserved. コロッケそば 21 21 21 21 この体験で最も衝撃的だったのは、これを専門家ではないユーザー自身が、「こうしたい！」と思い立った時に、自分の 言葉（日本語）で実現できることです。 かつて夢物語だと思っていたことが、今、現実になります。 AIエージェントを、ディズニー映画『アラジン』に出てくるランプの魔人「ジーニー」に例えることができます。 『ご主人様、お望みは何でしょう？』 こう問いかける「ジーニー」のように、私たちの言葉を理解し、複雑なタスクも即座に実行する優秀なアシスタント。 そんな存在が、あなたの隣にも現れるでしょう。
22. Copyright © 2025 Happy Samurai294 All rights reserved. コロッケそば 22 22 22 22 MCPの活用で期待できる効果 ・自作アプリ開発から解放 ・ビジネスロジックに集中 ・新しい価値の創造 ・サービス価値の向上 ・新規ビジネス機会の創出 ・開発コストと時間の削減 ・異なるサービスやツール を簡単に組合わせ可能 ・エコシステムの活性化 ユーザ ベンダー ※エコシステム：自分たちだけでは作れない大きな価値をみんなで協力して作り出す仕組み
23. Copyright © 2025 Happy Samurai294 All rights reserved. コロッケそば 23 23 23 23 ローカルLLMについて 生成AIは通常、生成AI開発会社のサーバー（クラウド）上で動きます。しかし、企業によっては、セキュリティ施策が 講じられていてもデータ保護ポリシーが明確であっても「自社のデータがAIの学習に使われるのが心配」といった不安を 感じています。 生成AIの便利さは分かっていても、情報漏洩などのリスクを重く見ているためです。製造業に多い傾向です。 そうした企業向けに、自社のパソコンやサーバーなど、社内だけで安全に生成AIを動かす「ローカルLLM」という選択肢が あります。
24. Copyright © 2025 Happy Samurai294 All rights reserved. コロッケそば 24 24 24 24 ローカルLLMについて LLM ローカルLLM Ollama、Gemmaなど 生成AI用途のGPUが複数必要 （GPUのコア数＝数千個規模 CPUが数個から数十個規模のコア数ではムリ） 通常のCPU+GPUで稼働できる世界 （現状ではハイエンドなPC） AIパラメータ数；16億～70億個 AIパラメータ数；5,000億～1兆個 ※AIパラメータ数；学習モデルが回答精度を高めるために必要な変数の数。多いほど回答精度が高くなる。 PCなどのデバイスでは稼働が困難
25. Copyright © 2025 Happy Samurai294 All rights reserved. コロッケそば 25 25 25 25 プライバシーデータ/ 業務データ ⚫ プライバシーデータ/業務データを生成AIで使いたい場合 （自分が独占して操作できるデバイス内で利用したい） ⚫ 工場設備内の業務データを工場外に置きたくない場合 ※Apple社の「Apple Intelligence」は、ローカルLLM （デバイスユーザデータに関係ないものはOpenAI社のChatGPTと連携） ローカルLLM
26. Copyright © 2025 Happy Samurai294 All rights reserved. コロッケそば 26 26 26 26 ローカルLLMでもMCP ローカルLLMでもIoTデータ収集 MCPを使って電力計データの取得と各種計算、CO2排出量の分析が できるかやってみました。 •LM Studio（Element Labs, Inc.）を使用。ローカルPCでLLMを動かせるアプリ •LLMはgoogle/gemma-3n-e4b。 パラメータ数が約2億7,000万（270M）と小さいながら、高度なAI機能 を備えているのが特徴。最大 128, 000 トークン。 •IoTデータ収集 MCP ToolでIoTデータ収集装置から現場電力計データを取得。 •取得データの作表（グラフ化はLM Studioに機能がないため表示しない） •CO2排出量の分析
27. Copyright © 2025 Happy Samurai294 All rights reserved. コロッケそば 27 27 27 27
28. Copyright © 2025 Happy Samurai294 All rights reserved. コロッケそば 28 28 28 28
29. Copyright © 2025 Happy Samurai294 All rights reserved. コロッケそば 29 29 29 29 （結果）ローカルLLMでも MCP ⚫ ローカルLLMはクラウド型LLMに比べて小規模であるが用途限定であれば十分に利用できると思いま す。 ただ小規模といっても動作させるためにはハイエンドなPCが必要です。 ⚫ 今回はMacbook Air /M2チップ/8GBメモリ環境のため動作速度が遅い結果になりました。 ⚫ 製造現場の各種機器データ＋MCP＋ローカルLLMの組合せは 製造業における生成AI活用による生産性 向上や新しい価値の創出に可能性があると感じました。 END