どの企業のチームも、同じ悩みを抱えています。それは、重要なビジネスデータが複数のシステムにバラバラに存在していることです。Salesforce には CRM データ、NetSuite には ERP データ、Zendesk にはサポートチケットが保存され、製品の利用状況、人事記録、マーケティング指標などは別のデータベースに格納されています。これらを一元的に把握しようとすると、データエンジニアリングのチケットを提出して数日間待つか、CSV をエクスポートしてスプレッドシートで手動で結合するしかありません。
目指すゴールはシンプルです。「製品利用率が低下していて、かつ未解決のサポートチケットがあるアカウントを表示して」とビジネスユーザーが尋ねるだけで、複数のシステムを横断して結合されたリアルタイムの回答が得られる、自然言語クエリインターフェースを構築することです。SQL も、エクスポートも、待ち時間も不要です。
ここで課題となるのが、システム間の連携には通常、膨大なエンジニアリングリソースが必要になるという点です。各 API への認証、異なるスキーマ間の正規化、各ソースに合わせたクエリの変換、認証情報の安全な管理など、やるべきことは山積みです。多くのチームは、実際の製品機能の開発に着手する前に、こうした基盤整備だけで数ヶ月を費やしています。Connect AI MCP は、この状況を根本から変えます。
Connect AI MCP がこれを現実にする理由
従来のデータ統合では、接続レイヤーがボトルネックになりがちです。SaaS プラットフォームごとに、独自の認証フロー、レート制限、ページネーションの癖、スキーマの不整合があります。たった 3〜4 つのシステム向けにカスタムコネクタを構築するだけでも、数週間かかることは珍しくありません。
Connect AI は、AI 支援開発を実際に機能させる 2 つのインターフェースを通じて、こうした複雑さをすべて処理します。
これが構築に与える意味は、アプリケーションが Salesforce、NetSuite、Zendesk、その他のデータベースの内部動作を理解する必要が一切ないということです。アプリは単に Connect AI を指し示すだけで、Connect AI がサポートする 350 以上のコネクタすべてに対して、認証、クエリ変換、スキーマの正規化を処理してくれます。アプリケーションの視点からは、すべてのデータソースが同じように見えます。
ここで AI コーディングアシスタントを実用的にしているのが、MCP エンドポイントです。AI ツールが正しく生成するのに苦労するようなカスタムコネクタロジックを書く代わりに、開発者はどの LLM でも理解できるシンプルな SQL クエリを使えます。AI コーディングアシスタントがクエリを生成し、Connect AI がそれを実行し、すぐに使える状態で結果が返ってきます。
構築内容と使用ツール
その結果生まれたのが BI Command Center です。これは Next.js で構築されたアプリケーションで、ユーザーが平易な英語で質問を入力するだけで、AI が生成した要約付きで、複数のシステムを横断したリアルタイムな回答を得られます。
一人のエンジニアが、Claude Code の助けを借りて、バックエンドで Connect AI を動作させながらアプリケーション全体を構築しました。Claude Code は、ターミナル上で動作し、マルチファイルプロジェクトを自律的に処理できる AI コーディングアシスタントです。技術スタックはシンプルで、フロントエンドには Next.js、スキーマ検出には Connect AI の REST メタデータ API、クエリ実行には Connect AI の MCP エンドポイントを使っています。AI レイヤーは、Grok、Gemini、OpenAI、Mistral、DeepSeek など、複数のプロバイダーに対応しています。
このアプリは、企業データを CRM、ERP、サポート、製品利用状況、HRIS、マーケティング の 6 つのカテゴリに分類します。解約リスク分析、パイプラインから請求までのギャップ、製品導入状況の追跡、収益認識といった、部門横断的な質問に対応する 10 種類の事前作成済みクエリテンプレートも付属しています。もちろん、アドホックな質問を投げかけることもできます。
開発が速い理由：Connect AI がコネクタの複雑さをすべて抽象化してくれるので、Claude Code はアプリケーションロジックに集中できます。OAuth フローのデバッグや、バラバラな API レスポンスの解析は不要です。プロンプトを書くだけで、AI アシスタントが動くコードを生成してくれます。
このアプリを構築したプロンプトと、Connect AI がそれを実現した仕組み
Connect AI が接続レイヤーを処理することで、開発プロセスは根本的に変わります。コネクタコードの記述に何日も費やす代わりに、ビルド全体が Claude Code との対話になります。以下で、実際に使用したプロンプトと、各ステップで Connect AI が実現した機能を見ていきましょう。
プロンプト 1：スキーマのコンテキストを取得
Claude Code への最初のプロンプトはこちらです。「Connect AI の REST メタデータ API を呼び出して、CRM、ERP、サポートカテゴリのスキーマを取得し、結果をキャッシュしてください。」
通常、このステップだけでも数日かかるプロジェクトになります。一般的には以下の作業が必要です。
Salesforce、NetSuite、Zendesk の API ドキュメントを読む
各プラットフォームの異なる認証方法（OAuth 2.0、トークンベース、セッションベース）を把握する
各プラットフォームのスキーマエンドポイントをクエリするためのカスタムロジックを構築する
Salesforce の「オブジェクト」を NetSuite の「レコード」、Zendesk の「チケット」に手動でマッピングする
プラットフォーム間でフィールド名とデータ型を正規化するコードを書く
Connect AI MCP によって、これらの作業がすべて不要になりました。Claude Code は単一の API 呼び出しを生成し、3 つのシステムすべての正規化済みスキーマを 1 つの統合レスポンスとして返しました。スキーマは標準的なテーブルおよびカラム構造として返ってくるので、すぐに使える状態です。本来なら数日かかっていた作業が、数分で完了します。
これこそが、システム横断型アプリにおいて AI コーディング支援を実用的にしている要素です。Connect AI がなければ、Claude Code は 1 つのプラットフォームでさえ正しいコネクタロジックを生成するのに苦労するでしょう。まして 6 つとなると、なおさらです。Connect AI があれば、AI アシスタントはクリーンで正規化されたメタデータとシームレスに連携できます。
プロンプト 2：クエリプランナーの構築
次のプロンプトはこちらです。「ユーザーの質問とキャッシュされたスキーマを受け取り、それらを LLM に送信し、関連する各カテゴリおよび結合キーに対する SQL クエリを含む構造化された JSON プランを取得するクエリプランナーを構築してください。」
Claude Code は、クエリプランニングロジックを一発で生成しました。このコードはスキーマのコンテキストとユーザーの質問を LLM に渡すと、LLM は構造化されたプランを返してきます。このプランには、クエリ対象のカテゴリ、各ソースに対する SQL、並列実行可能なクエリ、結果の結合方法が明記されています。
たとえば、ユーザーが 「CRM から ARR（年間経常収益）上位 10 件のアカウントを取得して、その製品利用セッション総数、サポートチケット数、ERP からの総認識収益もあわせて取得して」 と質問すると、LLM は CRM、Usage、Support、ERP にまたがる 4 つの並列 SQL クエリを含むプランを生成します。
Connect AI がここで実現したこと：スキーマが正規化されているので、LLM はプラットフォーム固有の用語ではなく、「アカウント」や「収益」といったビジネス概念に基づいて推論できます。Salesforce がそれらを「オブジェクト」と呼んでいることや、NetSuite が異なるフィールド名を使っていることを知る必要はありません。一貫したテーブル構造を認識し、標準的な SQL を生成するだけです。
スキーマの正規化がなければ、このステップでは各プラットフォームの特異性に対処するために、大規模なプロンプトエンジニアリングとフォールバックロジックが必要になります。Connect AI を使えば、この処理は驚くほどシンプルになります。
プロンプト 3：クエリの実行
プロンプトはこちらです。「プラン内の各 SQL クエリを Connect AI MCP エンドポイントに送信し、独立したクエリを並列で実行し、クエリプランの結合キーを使って結果を結合してください。」
Connect AI MCP は、この場面で真価を発揮します。従来、複数のソースに対するクエリ実行には以下が必要でした。
プラットフォーム固有の実行ロジックの記述（Salesforce 向けの REST 呼び出し、NetSuite 向けの SOAP、Zendesk 向けの異なるエンドポイントなど）
個別の認証フローと認証情報の更新ロジックの管理
プラットフォームごとに異なるページネーション、レート制限、再試行の処理
各システムが要求するクエリ言語への SQL 変換（Salesforce 用 SOQL、NetSuite 用 SuiteQL、Zendesk のクエリ API など）
Claude Code は、単一の MCP エンドポイントに SQL を送信するシンプルなコードを生成しました。このエンドポイントが、すべてのソースに対するクエリの変換、認証、実行、行の返却を処理してくれます。コネクタ固有のロジックも、認証情報の管理も不要です。AI コーディングアシスタントは、個々のシステムがどう動作するかを一切理解する必要がありません。
セキュリティモデルもクリーンなままです。LLM の認証情報は MCP エンドポイントに一切触れることがなく、Connect AI の認証情報は LLM プロバイダーに一切触れることがありません。すべてがきちんと分離された状態を保ちます。
プロンプト 4：データを要約に変換する
最後のプロンプトはこちらです。「結合された結果を LLM に渡し、元のクエリではなく実際のデータに基づいて、重要な洞察と提案されるフォローアップ質問を含むエグゼクティブサマリーを生成させてください。」
Claude Code は、結果行を LLM に送信するコードを書き、LLM が平易な英語の要約を生成します。この要約は、単にユーザーの要求を繰り返すのではなく、データが実際に示している内容を反映したものになっています。これにより、表を読み解きたくないビジネスユーザーにとっても、出力がすぐに役立つものになります。
パイプライン全体の処理は数秒で完了します。以前はデータエンジニアリングへの依頼と 2 日間の待ち時間が必要だった質問において、この実行速度は大きな意味を持ちます。
この開発体験が他と違う理由
Connect AI と Claude Code が完璧に補完し合うので、ビルド作業は驚くほどスムーズに進みます。Connect AI が最も困難な部分（接続性とスキーマの正規化）を処理してくれるおかげで、Claude Code は AI コーディングアシスタントが得意とする分野、つまりアプリケーションロジック、API 呼び出し、データ処理、UI コンポーネントの生成に集中できます。
ビルドにはコネクタ固有のコードが一切不要です。OAuth のデバッグも、スキーマの不整合への対応も必要ありません。Connect AI がこれらをすべて処理してくれるので、プロンプトは高レベルでビジネスに焦点を当てたままで済みます。
このプロジェクトの GitHub リポジトリには最終的なコードが公開されていますが、驚くほどクリーンなコードになっています。これは、通常ならコードベースを複雑にしてしまう要素を、Connect AI がすべて抽象化して処理していることの表れです。
デモを超えて意味すること
BI Command Center は、Connect AI 上に構築されたアプリケーションの 1 つに過ぎません。同じデータレイヤーを活用すれば、CFO コパイロット、カスタマーサクセスダッシュボード、セールスインテリジェンスツール、あるいはリアルタイムの企業データアクセスを必要とするその他のあらゆるアプリケーションを構築できます。Connect AI でコネクタを一度設定すれば、その上に構築されるすべてのアプリケーションが即座にその接続性を引き継ぎます。
このアプローチの本当の強みは、再利用性にあります。チームが Connect AI で Salesforce や NetSuite への接続を設定しておけば、その後 AI の支援を受けて構築されるすべてのアプリケーションが、その接続機能を自動的に引き継ぎます。これにより、新しいプロジェクトごとに認証やスキーマのマッピングを再構築する必要がなくなります。
GitHub リポジトリは公開されており、Google Sheets のサンプルデータが含まれているので、企業システムを接続しなくても、誰でも 10 種類のクエリテンプレートをすべて実行できます。本番環境の認証情報を設定する前に、プロンプトやパイプラインの動作を素早く確認できる手段として活用してください。
CData Connect AI を今すぐ始めましょう
CData Connect AI の 14 日間無償トライアルに登録して、わずか数分で最初のデータソースに接続してみましょう。
※本記事は CData US ブログ Building a Cross-System AI Query App in Days with Claude Code の翻訳です。
CData Connect AIを今すぐ体験
複雑な設定は不要。CData Connect AI が、企業データへのリアルタイムアクセスを、ガバナンスを守りながら実現する仕組みをご覧ください。
