Findy AI+の開発、運用におけるMCP活用事例

by starfish719

Slide 1

Slide 1 text

Slide 2

Slide 2 text

Slide 3

Slide 3 text

Slide 4

Slide 4 text

© Findy Inc. 4 Linux Foundationへの寄贈 ● Anthropic社がMCPを、Linux Foundation傘下に新設されたAgentic AI Foundation (AAIF)に寄贈 ○ ベンダーに依存しない中⽴的な技術として管理される ○ ⻑期的な安定性と互換性が保証され、より安全に採⽤できる技術となる ○ 業界にとって不可⽋な共有インフラとしての地位を確⽴しようとしている

Slide 5

Slide 5 text

Slide 6

Slide 6 text

Slide 7

Slide 7 text

© Findy Inc. 7 GitHub MCP ● GitHubのIssueにタスクを洗い出す ● GitHub MCPを利⽤して、Issueの内容を取得する ● 取得したIssueの内容をLLMに渡してコード修正を⾏う ● lint/typecheck/testが全て通ったら、GitHub MCPを使って Pull requestを⾃動作成 ○ Pull requestの概要⽂もLLMが⾃動⽣成

Slide 8

Slide 8 text

Slide 9

Slide 9 text

Slide 10

Slide 10 text

Slide 11

Slide 11 text

Slide 12

Slide 12 text

Slide 13

Slide 13 text

© Findy Inc. 13 レビューコメントの傾向を分析する ● MCPサーバーからGitHubのAPIを実⾏して情報を取得 ○ ⼀定期間内でメンティーが作ったPull requestの⼀覧 ○ そのPull requestで受け取った全てのレビュー内容 ● 情報をLLMが分析しやすい形に加⼯して、MCPサーバーからクライアントに返す ● レビュー内容と、評価基準をまとめたプロンプトをLLMに渡して分析 MCPサーバー、クライアント、LLMの責務を分けて運⽤

Slide 14

Slide 14 text

Slide 15

Slide 15 text

Slide 16

Slide 16 text

Slide 17

Slide 17 text

Slide 18

Slide 18 text

© Findy Inc. 18 ⽣成AI活⽤に関する困りごと‧課題 Findy AI+がアプローチする⽣成AI活⽤のお困りごとは⼤きく3つ ①誰が‧何が原因で使いこなせていないかが分かりづらい、分析が困難 ②⽣成AI活⽤の“旗”は掲げたが、現場に浸透しきっていない ③⼈と⽣成AI、どちらにどの程度投資すべきかが判断しかねている ● 使いこなせている⼈は感覚的に分かるが、使いこなせていない⼈は分かりづらい ● 利⽤しはじめのハードル、ナレッジ整備、開発プロセス整備など、ボトルネックが分かりづらい ● 複数の⽣成AIを同時並⾏で利⽤しているので、分析負荷が⾼い ● ⽣成AI活⽤を⼤⽬標‧Objectiveとして設定したり、専⾨組織を組成するなど、⼤きな取り組みは進めているが、現場変⾰まで⾏いきれていない ● ⽣成AIを効果的に活⽤するための開発プロセス改善が⼤変 ● 今後の⼈員計画を検討する上で、⼈と⽣成AIの最適な業務分担を⾒つけていきたい ● ⽣成AIのROI説明を求められる（ツールコスト対パフォーマンス）

Slide 19

Slide 19 text

© Findy Inc. Claude Code GitHub Actions Devin Findy Team+ ： (Chat UI‧Webサービス) 19 利⽤ユーザー GitHub Copilot Codex Findy AI+の概要⽣成AIアクティビティを可視化し、⽣成AI利活⽤のボトルネック発⾒‧利活⽤推進をサポート利⽤ユーザーがFindy AI+(Chat UI型のWebサービス)でプロンプト指⽰し、⽣成AIの利活⽤状況を定量‧定性両⾯から⾃動取得連携ツールは今後も追加予定データを⾃動取得 ※インプットやDB内のデータは、当社の AI モデルの学習に利⽤されません。 Claude Code CLI

Slide 20

Slide 20 text

© Findy Inc. 20 Findy AI+の提供価値⽣成AIの利活⽤度をアクティビティベースで⾃動集計‧可視化し、利活⽤推進に向けたボトルネック特定〜改善に向けた施策決定〜実⾏状況のモニタリングを実現 EM‧現場エンジニア CTO‧VPoE‧部⻑ AI ROI･ガバナンスの可視化/改善 AI活⽤度可視化/向上ディレクション評価･組織の最適配置毎⽇成⻑実感& 安⼼感 AI活⽤度可視化/向上スキル･キャリア形成⽀援⽣成AIの利活⽤度をアクティビティベースで⾃動集計‧可視化

Slide 21

Slide 21 text

Slide 22

Slide 22 text

Slide 23

Slide 23 text

Slide 24

Slide 24 text

Slide 25

Slide 25 text

© Findy Inc. 25 リモートMCPを選定した理由 ● MVP(Minimum Viable Product)で開発したい ○ サービスそのものが受け⼊れられるか⾒極めをしたい ○ リモートMCPで提供することで、画⾯が不要となる ● データ取得、加⼯に専念できる ○ 分析結果のバラつきを防ぐために、promptまではMCP サーバー側で⽤意 ○ 分析はクライアント側のLLMに任せる ● 初期の開発、運⽤コストを最⼩限としたかった

Slide 26

Slide 26 text

Slide 27

Slide 27 text

Slide 28

Slide 28 text

© Findy Inc. 28 { "inputs": [ { "type": "promptString", "id": "ACCESS_TOKEN", "description": "MCP Access Token for Findy AI+ Admin", "password": true }, { "type": "promptString", "id": "ENV", "description": "production or staging or local", "password": false } ], "servers": { "admin": { "command": "node", "args": ["/User/hoge/dist/apps/admin/main.js"], "env": { "ACCESS_TOKEN": "${input:ACCESS_TOKEN}", "ENV": "${input:ENV}" } } } }

Slide 29

Slide 29 text

© Findy Inc. 29 import { McpServer } from '@modelcontextprotocol/sdk/server/mcp.js'; import { z } from 'zod'; const mcpServer = new McpServer({ name: 'Findy AI+ Admin MCP Server', version: '0.0.1', }); mcpServer.prompt( 'add_organization', 'Add organization to Findy AI+', { last_name: z.string().describe('Last Name(Family Name)'), first_name: z.string().describe('First Name'), email: z.string().email().describe('Email address'), org_name: z.string().describe('Organization name'), }, async ({ last_name, first_name, email, org_name }) => { return { messages: [ { role: 'user', content: { type: 'text', text: `Findy AI+に組織を追加してください。パラメータ: - 管理者名: ${last_name} ${first_name} - 管理者メールアドレス: ${email} - 組織名: ${org_name} `, }, }, ], }; } );