【要約】正式リリース前の機能を先取り！kintoneと生成AIをつなぐ2つのMCPサーバーを試してみた [Qiita_Trend] | Summary by TechDistill
> Source: Qiita_Trend
Execute Primary Source
// Problem
開発者が生成AIを用いてkintoneのカスタマイズを行う際、以下の技術的課題に直面する。AIに正確な指示を出すためには、人間が詳細なコンテキストを補完しなければならない。
- ・アプリ名やフィールド構成を人間が特定し、AIに逐一指示する手間が発生する。
- ・AIの学習データが古いため、最新のAPI仕様に基づかない誤ったコードが生成される。
- ・既存のアプリ構造と最新の技術ドキュメントを同時に参照することが困難である。
// Approach
サイボウズは、MCP（Model Context Protocol）を活用して、AIが自律的に情報を取得できる仕組みを構築した。具体的には、以下の2つのアプローチを採用している。
- ・kintone MCP Serverに検索APIを追加し、キーワードから対象アプリを特定する横断検索を実現した。
- ・kintone Documentation MCPサーバー（β）を開発し、最新の公式ドキュメントを検索可能にした。
- ・これらを組み合わせることで、アプリ構成の把握から最新仕様での実装までをAIに一貫して依頼できる環境を整えた。
// Result
開発者は、AIに対して抽象的な指示を出すだけで、高度な業務自動化やカスタマイズが可能になる。
- ・kintone MCP Serverにより、アプリ名を知らなくても「タスク」等のキーワードから目的のデータを抽出できる。
- ・Documentation MCPにより、最新のSDKやAPI仕様に基づいた、精度の高いカスタマイズコードが生成される。
- ・両者の併用により、既存環境に即した開発フローの自動化が期待できる。
Senior Engineer Insight
> MCPの採用は、AIエージェントの「道具」としての実用性を飛躍的に高める。特に、検索APIによるコンテキストの自律取得と、ドキュメント参照によるハルシネーション抑制の組み合わせは、開発体験（DX）を劇的に改善する。ただし、APIラボの利用には管理者権限が必要であり、本番環境への適用には権限設計とセキュリティ検証が不可欠である。スケーラビリティの観点からは、検索範囲の制御が重要となるだろう。