データベース向け MCP ツールボックス: AI エージェントによる企業データへのアクセスを簡素化
Hamsa Buvaraghan
Product Manager, Google Cloud Databases
Derek Egan
Product Manager, Google Cloud Vertex AI Agent Builder
※この投稿は米国時間 2025 年 4 月 23 日に、Google Cloud blog に投稿されたものの抄訳です。
Google Cloud Next 25 では、企業が Vertex AI と Google Cloud データベースを使用してマルチエージェント エコシステムを構築するための優れた方法を発表しました。これには、エージェントが Agent2Agent プロトコルや Model Context Protocol（MCP）を使用して互いに通信する、より良い方法も含まれます。MCP に対するデベロッパーの期待が高まっているのを受け、データベース向け MCP ツールボックス（旧データベース向け生成 AI ツールボックス）がデータベース内の企業データに簡単にアクセスできるようにしました。これは、エージェント アプリケーションを使ってイノベーションを起こすための安全で標準化された方法を提供するうえで新たな一歩となります。詳しく見ていきましょう。
データベース向け MCP ツールボックス（旧データベース向け生成 AI ツールボックス）
データベース向け MCP ツールボックス（「ツールボックス」）は、デベロッパーが生成 AI エージェントを簡単かつ安全に企業データに接続できるようにするオープンソースの Model Context Protocol（MCP）サーバーです。MCP は、Anthropic が作成した新しいオープン標準です。標準化されたプロトコルを通じて AI システムとデータソースを接続するもので、カスタム インテグレーションを必要とする断片的なインテグレーションに取って代わります。
多数のデータベース向けにツールを構築でき、現在、AlloyDB for PostgreSQL（AlloyDB Omni を含む）、Spanner、Cloud SQL for PostgreSQL、Cloud SQL for MySQL、Cloud SQL for SQL Server、セルフマネージドの MySQL および PostgreSQL に対応しています。完全なオープンソースであるため、Neo4j や Dgraph などのサードパーティ データベースからの貢献も含まれています。ボイラープレート コードを削減して開発を簡素化し、OAuth2 と OIDC によってセキュリティを強化し、OpenTelemetry を統合してエンドツーエンドのオブザーバビリティを実現します。これにより、接続プーリングや認証などの複雑な処理に対応して、ツールの開発をより簡単、迅速、安全に行うことができます。
ツールボックスは MCP サーバーとして、本番環境品質のデータベース ツールを実装し、成長を続ける MCP エコシステム内のあらゆるクライアントがそれらにアクセスできるようにするための追加のスキャフォールディングを提供します。この互換性により、エージェント アプリケーションを構築するデベロッパーはツールボックスを活用し、単一の標準化されたプロトコルを通じて幅広いデータベースに安全にクエリを実行できるため、開発が簡素化され、相互運用性が向上します。
データベース向け MCP ツールボックスがエージェント開発キット（ADK）をサポート
Google は Next で、エージェント開発キット（ADK）をリリースしました。これは、エージェントの動作に対する細かい制御を維持しながら、高度なマルチエージェント システムを構築するプロセスを簡素化するオープンソース フレームワークです。ADK を使用すると、100 行未満の直感的なコードによって AI エージェントを構築できます。ADK を使用すると、次のことが可能です。
-
決定的なガードレールとオーケストレーション制御によって、エージェントの思考、推論、コラボレーションを形成する。
-
ADK 独自の双方向の音声 / 動画ストリーミング機能により、わずか数行のコードで、人と同じようにエージェントと会話する。Next 2025 の開会基調講演では、ADK を基盤とするインタラクティブ エージェントのデモを紹介しました。こちらからご覧ください。
-
ニーズに最適なモデルまたはデプロイメントを選択する。ADK は、任意のトップレベルのモデル、デプロイ ターゲット、他のフレームワークで構築されたリモート エージェントとのインテグレーションなど、あらゆるスタックと連携します。また、Model Context Protocol（MCP）にも対応しているため、データソースと AI エージェント間の安全な双方向接続が可能です。
Vertex AI Agent Engine との直接的なインテグレーションを使用して本番環境にデプロイする。開発からエンタープライズ グレードのデプロイまで、明確で信頼性の高いパスが用意されているため、エージェントを本番環境に移行する際に通常発生するオーバーヘッドを排除できます。
ツールボックスと、ADK やデータベース接続のサポートを示す図
ツールボックスを使い始めるには、Vertex AI Agent Garden にアクセスして、データ サイエンスやカスタマー サービス エージェントなどの一般的なユースケース向けに厳選されたエージェント サンプルをご確認ください。ADK を使用してエージェントを構築するために簡単に使用できるツールもあります。たとえば、統合されたデータベース向け MCP ツールボックスを使用してエージェントをデータベースに接続できます。GitHub サンプルでソースコードにアクセスしてクローンを作成し、独自のエージェントを開発するために使用することもできます。
LangGraph サポートの追加
LangGraph は、チェックポインタを通じて実装される永続化レイヤの基本的な組み込みサポートを提供します。これにより、長時間実行されるタスクを確実に管理したり、中断後に再開したりできる、復元力のあるステートフル エージェントを構築できます。
この状態を保存するために強力なマネージド データベースを活用できるように、Google Cloud は専用の統合ライブラリを提供しています。デベロッパーは次のいずれかを選択できます。
-
スケーラビリティに優れた AlloyDB for PostgreSQL（langchain-google-alloydb-pg-python ライブラリの AlloyDBSaver クラスを使用）
-
Cloud SQL for PostgreSQL（langchain-google-cloud-sql-pg-python ライブラリ内で対応するチェックポインタの実装 PostgresSaver を使用）
どちらも、エージェントの実行状態をシームレスに保存し、読み込む堅牢なメカニズムを提供します。これにより、Google Cloud の PostgreSQL サービスが備える管理機能とパフォーマンスを活用して、ワークフローを確実に一時停止、再開、監査できます。
チェックポインタを使用してグラフをコンパイルすると、チェックポインタがスーパーステップごとにグラフ状態のチェックポイントを保存します。これらのチェックポイントはスレッドに保存され、グラフの実行後にアクセスできます。スレッドにより、実行後のグラフの状態にアクセスできるため、人間参加型、メモリ、タイムトラベル、フォールト トレランスなどの強力な機能をすべて実現できます。
パッケージは次のようにインストールします。
AlloyDB の langgraph チェックポイントの使用方法についてはこちら、Cloud SQL PG についてはこちらをご覧ください。
使ってみる
こちらの Colab は、ホテルの検索、予約、キャンセルが可能な LangGraph Hotel Agent を構築、デプロイする完全なワークフローのデモです。このサンプルでは、Vertex AI SDK とデータベース向け MCP ツールボックスを使用してエージェント（モデル、ツール、推論）を構築してデプロイする方法を示しています。
デモは、エージェント開発から始まり、データベース向け MCP ツールボックスをホテルの検索、予約、キャンセルに統合します。その後、エージェントを Agent Engine に、MCP ツールボックスを Cloud Run にデプロイする手順を説明します。最後に、これらのサービスをリモートで接続する方法を示します。
ツールボックスと MCP の利用を開始するにあたっては、以下のリソースをご覧ください。
-Google Cloud データベース、AI プロダクト マネージャー、Hamsa Buvaraghan
-Google Cloud Vertex AI Agent Builder、プロダクト マネージャー、Derek Egan
