日本経済新聞社 技術戦略ユニット 田邉耕太 2026/4/23 NIKKEI TECH TALK #45 MCPサーバーを中核とした AIエージェント開発と業務自動化 

2 自己紹介 ● 名前： 田邉耕太 ● 所属： 日本経済新聞社 技術戦略ユニット Platform Engineering チーム ● 業務 ○ AIエージェント開発（半年前からスタート） ■ Python, AWS ● 趣味：旅行 

3 本日お話しすること ● 日経の開発組織の課題感について ● プラットフォーム領域での、業務自動化に向けた取り組み ○ MCPサーバーの開発 ○ AIエージェントの開発 ○ 開発ドキュメント再構築とRAG 

開発組織が抱える課題感について 

5 背景：近年の開発の課題感 プロダクトの多数展開・事業の多角化に伴い、システムのサイロ化が進行 … ● 開発・運用方式がバラバラ ● 問い合わせ対応、作業の属人化 ● 自動化の恩恵の局所化 ● 組織知の分散 

6 プラットフォームを強化する ● 全エンジニアが気軽に利用できる ● システム構築のリードタイム短縮 ● システム運用をできるだけ自動化 

7 プラットフォームを強化する ● 全エンジニアが気軽に利用できる ● システム構築のリードタイム短縮 ● システム運用をできるだけ自動化 AIエージェントと MCPサーバーで スケールするプラットフォームを整備する 

8 リサーチ・ハンズオンからのスタート ● 書籍・ハンズオンを通じて、AIエージェント開発の基本を把握 ○ アップデートが速いのでリサーチや検証を繰り返す ● 拡張性があり、開発がチームの負担とならない設計 ○ 初期は開発者2人（現在3人） ○ サーバーレス・フルマネージド 

プラットフォーム領域での AIエージェントと業務自動化 

10 AIエージェント Voyager を開発 ● チャットボット機能 ○ 社内ドキュメントに基づき回答 ● ワークフロー実行機能 ○ 開発・運用業務の自動化 

11 チャットボット機能 ● Slackで気軽に質問 ○ 社内ドキュメントに基づく RAGによる回答 ○ 検索ソースの提示 ● スケールする問い合わせ対応 

12 ワークフロー実行 ● 問い合わせ ≒ 依頼 ○ 情報をヒアリングした上で、 適切なワークフローを自動実行 ● 例：インフラ関連のPR自動作成 ○ 複数リポジトリへのPR作成にも対応 ● テンプレート配置や設定追加・修正は 比較的容易 

13 Voyager – アーキテクチャ AWS Cloud Amazon Bedrock AgentCore Runtime IDE Lambda function S3 S3 Vectors Amazon Bedrock Knowledge Bases Amazon CloudFront Platform Engineers Engineers Documents (Context) Amazon Cognito Lambda @Edge 

14 Voyager – アーキテクチャ AWS Cloud Amazon Bedrock AgentCore Runtime IDE Lambda function S3 S3 Vectors Amazon Bedrock Knowledge Bases Amazon CloudFront Platform Engineers Engineers Documents (Context) Amazon Cognito Lambda @Edge ① MCPサーバーの開発 

15 Voyager – アーキテクチャ AWS Cloud Amazon Bedrock AgentCore Runtime IDE Lambda function S3 S3 Vectors Amazon Bedrock Knowledge Bases Amazon CloudFront Platform Engineers Engineers Documents (Context) Amazon Cognito Lambda @Edge ① MCPサーバーの開発 ② AIエージェントの開発 

16 Voyager – アーキテクチャ AWS Cloud Amazon Bedrock AgentCore Runtime IDE Lambda function S3 S3 Vectors Amazon Bedrock Knowledge Bases Amazon CloudFront Platform Engineers Engineers Documents (Context) Amazon Cognito Lambda @Edge ① MCPサーバーの開発 ② AIエージェントの開発 ③ RAG 

① MCPサーバーの開発 

18 業務自動化を担う MCPサーバーを開発 Amazon Bedrock AgentCore RuntimeにMCPサーバーをホスト ● フレームワーク: FastMCP ● ツール ○ RAGツール（単一） Bedrock Knowledge Bases（RAGのマネージドサービス）の RetrieveAndGenerate API を実行 ○ ワークフロー実行ツール（複数） Claude Agent SDKとGitHub MCP ServerによるPRの自動作成も実施 Amazon Bedrock AgentCore Runtime 

19 ツール内で Claude Agentに与えているプロンプトの一例 

20 明確なプロンプトで Pull Requestの品質も安定 

21 MCPサーバーのツールの設計思想 ツールの自動実行は許容し、その後にHuman-in-the-Loop (HITL)を挟む 　例）ツールがPRを自動作成した後に 　　→ 実行者が内容を確認してDraft解除 　　→ 管理者がレビュー・承認 　　→ PRをマージして、Terraformでインフラ反映 実行者がツールの実行結果を修正できる余地も残る 

22 セキュアな MCPサーバーの構築 OWASP の A Practical Guide for Secure MCP Server Development を参考に ● エージェントの権限は最小限に → Claude Agentのpermission_modeをdontAskに制限 → 最小限のツール・コマンド実行権限 ● 入出力のサニタイズ・文字数制限 → プロンプトインジェクション、コスト爆発対策 ● リスク有り操作には人間の承認を必ず挟む etc. https://genai.owasp.org/resource/a-practical-guide-for-secure-mcp-server-development/ 

② AIエージェントの開発 

24 ● フレームワークにStrands Agentsを利用し、Lambda上にホスト ● Slackの3秒タイムアウト問題は、Lambda SnapStartで対処 ● MCP Proxy for AWSを利用してIAM認証でMCPサーバーに接続 AWS Cloud Amazon Bedrock AgentCore Runtime IDE Lambda function S3 S3 Vectors Amazon Bedrock Knowledge Bases Amazon CloudFront Platform Engineers Engineers Documents (Context) Amazon Cognito Lambda @Edge Slackから利用できる AIエージェント Voyagerを開発 主なユースケース 

25 ユーザー体験向上のため、Slackのスレッドごとに会話履歴を保持 Amazon Bedrock AgentCore Memoryを活用 ● Strands Agentsの場合、設定は数行程度 ● Lambdaからでも問題なく動作 　ビルディングブロックの恩恵 会話履歴の記憶 Amazon Bedrock AgentCore Memory 

26 AIエージェントは限定されない MCPサーバーに機能を集約しているため、認証さえ通せば Claude Code、IDE、Cowork等のAIエージェントからも利用可能 AWS Cloud Amazon Bedrock AgentCore Runtime IDE Lambda function S3 S3 Vectors Amazon Bedrock Knowledge Bases Amazon CloudFront Platform Engineers Engineers Documents (Context) Amazon Cognito Lambda @Edge 

③ 開発ドキュメントの再構築とRAG 

28 Golden Path Docsの作成 AWS Cloud Amazon Bedrock AgentCore Runtime IDE Lambda function S3 S3 Vectors Amazon Bedrock Knowledge Bases Amazon CloudFront Platform Engineers Engineers Documents (Context) Amazon Cognito Lambda @Edge プラットフォームを構成するプロダクトの一つとして社内ドキュメントを整備 対象：開発者 & AIエージェント 

29 Golden Path Docsに対してRAGを可能に AWS Cloud Amazon Bedrock AgentCore Runtime IDE Lambda function S3 S3 Vectors Amazon Bedrock Knowledge Bases Amazon CloudFront Platform Engineers Engineers Documents (Context) Amazon Cognito Lambda @Edge Amazon Bedrock Knowledge Basesを利用してマネージドなRAGを設定 Data Source: S3, Vector store: S3 Vectors 

現状・今後の展望 

31 現状 ● 一部チームに限定して社内展開中 ● ベータ版とはいえ、業務フローに組み込んでいるものも ○ 既に年間数百時間の工数削減できる見込み ● 反対にチャットボット機能 (RAG) の利用はまだ少ない 

32 今後の展望 ● MCPサーバーを育てる（≒AIエージェントを育てる） ○ ドキュメント、ツールの拡充 ● 継続的な社内展開 ○ ユーザ単位でのツールアクセス制御も視野に 

ご清聴ありがとうございました