Findy AI+の開発、運用におけるMCP活用事例

Transcript

1. © Findy Inc. 2025.12.16 AI Engineering Summit Tokyo 2025 Findy AI+の開発、運⽤における MCP活⽤事例 1 ファインディ株式会社 テックリードマネージャー ⼾⽥ 千隼 @starfish0206
2. © Findy Inc. 2 MCPとは
3. © Findy Inc. 3 MCPとは • Model Context Protocolの略 • LLM にコンテキストを提供するための標準プロトコル • ⽣成AI⽤のUSB-Cポートのようなもの ◦ USB-Cは周辺機器やアクセサリに接続する標準規格 ◦ httpは様々なブラウザがWebに接続する標準規格 ◦ MCPはAIモデルをデータソースなどに接続する標準規格
4. © 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
5. © Findy Inc. 5 MCP事例
6. © Findy Inc. Pull request⾃動作成 6
7. © 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
8. © Findy Inc. 8
9. © Findy Inc. 不具合を⾃動修正 9
10. © Findy Inc. 10 Sentry MCP • SentryのMCPを使って、Issue情報を取得 • 不具合の原因探しと実装コード、テストコードを修正 • Pull requestを⾃動作成 • この⼀連の流れを⾃動で実⾏するClaude Codeのカスタム スラッシュコマンドも⽤意
11. © Findy Inc. 内製 11
12. © Findy Inc. 12 MCPサーバーを内製 • MCP公式のTypeScript SDKを利⽤ • Nxを使って、MCPサーバーを簡単に⾃作出来る環境を整備 ◦ ワンコマンドでMCPサーバーの雛形を作成 ◦ monorepo化で、社内MCPサーバーのエコシステム化 • 3⽇間で10個のMCPサーバー、30個のtoolを実装して、社 内のエンジニアに配布できた
13. © 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
14. © Findy Inc. 14
15. © Findy Inc. 15 Findy AI+
16. © Findy Inc. Findy AI+とは 16
17. © Findy Inc. Findy AI+とは？ 17 GitHub連携‧プロンプト指⽰ で ⽣成AIアクティビティを可視化 し ⽣成AIの利活⽤向上を⽀援 するサービスです ⼈と⽣成AIの協働を後押しして、 開発組織の変⾰をサポートします
18. © 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）
19. © 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
20. © 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
21. © Findy Inc. Findy AI+の変遷と事例 21
22. © Findy Inc. 22 アルファ版 • リモートMCPサーバーで提供 • 設定ファイルに記述を追加するだけで利⽤可能 ◦ 認証情報をheader経由で送信 • MCPサーバー経由で分析に必要な情報を取得、加⼯して LLMに分析してもらう • エンジニア2⼈で1ヶ⽉程度でリリース
23. © Findy Inc. 23 { "servers": { "sample-mcp": { "url": "https://example.com/sse", "type": "sse", "headers": { "X-Access-Token": "<YOUR_ACCESS_TOKEN>" } } } }
24. © Findy Inc. 24
25. © 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
26. © Findy Inc. 26 ベータ版 • リモートMCPサーバーではなく、ユーザー側画⾯を提供 • 画⾯に実装したチャットUIからプロンプトを⼊⼒、データ 取得して分析が可能 • サービスの管理機能はローカルMCPサーバーで実現 • エンジニア2⼈で2.5ヶ⽉程度でリリース
27. © Findy Inc. 27 管理画⾯もMCP • サービス運営の管理画⾯を作るコストをカットしたい ◦ 画⾯のデザインやフロントエンドの実装は不要 • 運営チームのPCにgit clone、ローカルMCPサーバー起動 ◦ 機能追加したら、git pullからのbuild、サーバー再起動 • ⽣成AIを使って、⾃然⾔語ベースで管理機能を利⽤ ◦ promptをMCPサーバーから提供
28. © 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}" } } } }
29. © 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} `, }, }, ], }; } );
30. © Findy Inc. 30
31. © Findy Inc. 31
32. © Findy Inc. 32
33. © Findy Inc. 33 操作、⼊⼒ミスによる誤動作防⽌ • 基本的にMCPサーバーとのやり取りは⼀⽅通⾏だった • Elicitationの登場によって、その前提が崩れた • MCPサーバーが対話中にクライアントを介してユーザーに 追加情報を要求する
34. © Findy Inc. 34
35. © Findy Inc. 35
36. © Findy Inc. 36 まとめ
37. © Findy Inc. まとめ 37 • MCPの可能性は無限⼤ ◦ 開発効率を上げる ◦ プロダクトに埋め込む ◦ プロダクトの作り⽅が変わる • LLMや⽣成AIツールが変わっても、MCPは変わらない ◦ LLMや⽣成AIツールを選ばずに接続が出来る ◦ ⻑く使える知識、技術 • ファインディは早期にMCPの検証を開始 ◦ 積み重ねを継続して、実⽤化に辿り着いた
38. © Findy Inc. ご清聴ありがとうございました 38