データベース向け Google MCP Toolbox 初心者ガイド

MCPツールボックスの紹介

MCPツールボックスは、Googleが提供する無料ツールで、AIアプリケーションがデータベースと連携するのを支援します。これは特別な翻訳機のようなものだと考えてください。AIは簡単な方法で情報を要求でき、MCPツールボックスはその要求をSQLのようなデータベースが理解する言語に翻訳します。これは、この種の通信のための標準的な一連のルールであるモデルコンテキストプロトコル（MCP）と呼ばれるものを使用しています。

💡

美しいAPIドキュメントを生成する優れたAPIテストツールをお探しですか？

開発チームが最大限の生産性で共同作業できる、統合されたオールインワンプラットフォームをお探しですか？

Apidogはあなたのあらゆる要求に応え、Postmanをはるかに手頃な価格で置き換えます！

ボタン

MCPツールボックスを使用すべき理由

MCPツールボックスは単なる翻訳機ではありません。AIアプリケーションの構築をはるかに簡単かつ優れたものにします。

MCPツールボックスがコードをよりシンプルに

MCPツールボックスがない場合、AIをデータベースに接続するためだけに多くのコードを書く必要があります。接続、エラー処理、セキュリティのためのコードが必要です。MCPツールボックスを使用すると、tools.yamlというシンプルなテキストファイルでデータベースアクションを定義するだけです。このファイルはツールボックスにどのようなアクションが可能かを伝え、ツールボックスはデータベースへの安全な接続に関するすべての面倒な作業を処理します。

MCPツールボックスが速度とセキュリティを向上

MCPツールボックスは高速に設計されています。「コネクションプーリング」と呼ばれる技術を使用しており、これはデータベース接続を開いたままにして再利用することを意味します。これにより、すべてのリクエストごとに新しい接続を開く場合と比較して、多くの時間を節約できます。また、すべてのデータベースアクセスを中央の一箇所で管理するため、間違いのリスクを減らし、セキュリティも確保されます。

MCPツールボックスが状況を可視化

AI、ツールボックス、データベースがすべて連携して動作している場合、何が起こっているかを把握するのは難しいことがあります。MCPツールボックスには「可観測性」の組み込みサポートがあり、すべてのアクションのログとトレースを作成できます。これにより、ツールが何をしているのかを理解し、問題を特定し、物事を高速化する方法を見つけるのに役立ちます。

MCPツールボックスがプロジェクトにどのように適合するか

MCPツールボックスはアプリケーションの中間に位置します。その流れは次のようになります。

AIアプリケーション: ここにAIモデルがあります。質問に答えるためにデータベースから情報が必要だと判断します。
MCPツールボックス: AIアプリケーションはMCPツールボックスにリクエストを送信します。ツールボックスはtools.yamlファイルを参照し、適切なツールを見つけて、対応するコマンドをデータベースで実行します。
データベース: データベースはコマンドを実行し、データをMCPツールボックスに送り返します。ツールボックスはそれをAIに渡します。

この設定により、メインのAIアプリケーションはデータベースの動作に関する複雑な詳細を知る必要がなくなります。AIアプリケーションのコードを書き直すことなく、ツールやデータベースを変更することも可能です。

MCPツールボックスの使用に関するステップバイステップガイド

MCPツールボックスをコンピューターで動作させる方法を見ていきましょう。

ステップ1：MCPツールボックス用にデータベースを準備する

まず、データベースが必要です。これらの手順ではPostgreSQLを例として使用します。ツールボックスが使用するための特別なユーザーとデータベースを作成します。

PostgreSQLサーバーに接続します。

以下のSQLコマンドを実行して、toolbox_userという名前のユーザーとtoolbox_dbという名前のデータベースを作成します。

CREATE USER toolbox_user WITH PASSWORD 'my-password';
CREATE DATABASE toolbox_db;
GRANT ALL PRIVILEGES ON DATABASE toolbox_db TO toolbox_user;

hotelsテーブルのようなサンプルテーブルを作成して、ツールが操作するデータを用意します。

ステップ2：MCPツールボックスをインストールして設定する

次に、ツールボックス自体を設定します。

MCPツールボックスプログラムをGitHubの公式リリースページからダウンロードします。お使いのコンピューター（Windows、Mac、Linuxなど）に適したバージョンを入手してください。

tools.yamlという新しいファイルを作成します。このファイルは、AIが実行できるすべてのアクションを定義する場所です。簡単な例を以下に示します。

sources:
  my-pg-source:
    kind: postgres
    host: 127.0.0.1
    port: 5432
    database: toolbox_db
    user: toolbox_user
    password: my-password

tools:
  search-hotels-by-location:
    kind: postgres-sql
    source: my-pg-source
    description: Finds hotels in a specific city.
    parameters:
      - name: location
        type: string
        description: The city to search for hotels in.
    statement: SELECT * FROM hotels WHERE location = $1;

ステップ3：MCPツールボックスサーバーを実行する

これでツールボックスを起動できます。ターミナルを開き、ツールボックスをダウンロードしたフォルダーに移動して、次のコマンドを実行します。

./toolbox --tools-file "tools.yaml"

サーバーが起動し、定義したツールが読み込まれます。

MCPツールボックスインスペクターでテストする方法

MCPツールボックスには、インスペクターと呼ばれるテストツールが付属しています。これは、コードを書かずにツールを試すことができるウェブページです。

ターミナルから次のコマンドでインスペクターを実行します: npx @modelcontextprotocol/inspector。
ブラウザで表示されたウェブアドレスを開きます。
実行中のMCPツールボックスサーバーに接続するように指示します（通常はhttp://127.0.0.1:5000/mcp/sse）。
接続後、ツールのリストが表示され、パラメータを入力して実行し、正しく動作するかどうかを確認できます。

アプリをMCPツールボックスに接続する方法

テスト後、実際のAIアプリケーションを接続できます。MCPツールボックスには、これを簡単にするためのSDK（ソフトウェア開発キット）が用意されています。簡単なPythonの例を以下に示します。

Python SDKをインストールします: pip install toolbox-core。

このコードを使用してツールボックスに接続し、ツールをロードします。

from toolbox_core import ToolboxClient
import asyncio

async def main():
    async with ToolboxClient("http://127.0.0.1:5000") as client:
        tools = await client.load_toolset()
        # The 'tools' variable now holds your database tools
        # and you can give them to your AI model.
        print("Tools loaded successfully!")

asyncio.run(main())

このコードはツールボックスサーバーに接続し、定義したツールをダウンロードします。これらのツールをAIエージェントに渡すと、データベースと対話するためにそれらを使用できるようになります。

MCPツールボックスに関する最終的な考察

GoogleのMCPツールボックスは、AIとデータベースを扱うすべての開発者にとって素晴らしいツールです。コードを簡素化し、アプリケーションをより高速かつ安全にし、すべてがどのように機能しているかを理解するために必要な可視性を提供します。このガイドの手順に従うことで、MCPツールボックスを使用して、より強力でデータ駆動型のAIアプリケーションを構築し始めることができます。

💡

ボタン