「MCPで動かしたクエリを毎回ゼロから実行し直している」「スキーマ探索のたびにトークンが消費されてしまう」——そうしたお悩みをお持ちの方も多いのではないでしょうか。パート1では、ClaudeスキルとModel Context Protocol（MCP）を組み合わせることでトークン使用量を最大65%削減できることをご紹介しました。本記事では、その探索的なMCPクエリをClaude Code内で繰り返し使用できるClaudeスキルへ変換する具体的な手順を解説します。

本ガイドでは、以下のワークフロー全体を順を追って解説します。

• Connect AIのMCPサーバーを使って動作するクエリを探索・構築する

• クエリを再利用可能なClaudeスキルとしてパッケージ化する

• ClaudeがそのスキルをClaude Code内で直接使用する流れを確認する

• トークン効率を高めるために出力を最適化する

cronジョブも、サードパーティの自動化ツールも不要です。Claude CodeとConnect AIがリアルタイムで連携するだけで実現できます。

この手順を踏めば、MCPで動くクエリを、Claudeが自動的に発見・実行・解釈できる再利用可能なClaudeスキルへ変換できるようになります。

実際のシナリオとは？

チームがこの質問に答えたいとしましょう：

「売上上位10社のアカウントの中で、Zendeskのオープンサポートチケットが最も多いのはどこか？」

これはマルチソースクエリです。売上データにはSalesforce、サポートデータにはZendeskへのアクセスが必要で、Connect AIの統一インターフェースが力を発揮する典型的なユースケースです。その回答は単なるレポートではなく、顧客の健全性を示すスナップショットになります。

MCPとClaude Codeを使ってゼロから構築しましょう。

フェーズ1：MCPを使ってデータを探索するには？

まず、Claude Codeを起動して新しい会話を始めます。「どのSalesforceデータにアクセスできますか？」と聞いてみましょう。

Claudeはバックグラウンドでのツール呼び出しにより、接続済みのカタログ・スキーマ・テーブルを検査します。返ってくる応答は、たとえば次のようなものです。

「Salesforce_IntegraitというSalesforce接続へのアクセス権があります。Account、Contact、Opportunityなどのテーブルが含まれています。」

続けて「売上上位10アカウントと、それぞれのオープンZendeskチケット数を表示してください。」と尋ねます。

ClaudeはMCPを使ってZendeskのスキーマを検査し、結合キーを特定したうえで、有効なSQLクエリを生成します。

SELECT a.Name AS AccountName, a.AnnualRevenue, COUNT(t.Id) AS OpenTickets FROM Salesforce_Integraite.Salesforce.Account a LEFT JOIN Zendesk_Integraite.Zendesk.Tickets t ON a.Id = t.AccountId AND t.Status IN ('new', 'open', 'pending') WHERE a.AnnualRevenue IS NOT NULL GROUP BY a.Name, a.AnnualRevenue ORDER BY a.AnnualRevenue DESC LIMIT 10

ClaudeはMCPサーバー経由でクエリを実行し、JSON形式のレスポンスを返します。Connect AIがバックエンドでどのようにエンタープライズデータソースへの接続を確立しているかの詳細は、CData MCP Serverの技術アーキテクチャ解説をご参照ください。

• トークン使用量：約2,750トークン

• 結果が返るまでの時間：30秒未満

• 繰り返し実行：まだ自動化されていません

動作するクエリが手に入りました。次は、このクエリをスキルとして切り出す作業に進みます。

フェーズ2：クエリからClaudeスキルを構築する

ステップ1：Claude Codeでスキルフォルダーをセットアップする

Claudeスキルは、Claude Code内の所定のディレクトリに配置します。mkdir .claude/skills/top-accounts-with-tickets

作成するディレクトリ構造は以下のとおりです。top-accounts-with-tickets/
├── SKILL.md
├── scripts/
│ └── query_accounts.py
├── requirements.txt
└── .env.example

ステップ2：SKILL.mdメタデータを記述する

このファイルは、Claudeがいつ・どのようにスキルを呼び出すかを制御するメタデータファイルです。

name: top-accounts-with-tickets
description: 売上上位アカウントとZendeskのオープンチケット数をクエリします。顧客の健全性やサポートに関する質問に使用してください。
allowed-tools: Bash

Claudeはこのメタデータを参照し、プロンプトとスキルの関連性の判定と、呼び出し方法の決定を行います。

ステップ3：クエリの実装を追加する

scripts/query_accounts.pyを作成します。このスクリプトの役割は3つです。Connect AIで認証し、SQLを実行し、整形されたコンパクトなJSONを返します。

スクリプトはConnect AI REST APIエンドポイント（https://cloud.cdata.com/api/query）に認証リクエストを送信し、クロスデータソースのSQLクエリを実行します。

ステップ4：依存関係と環境テンプレートを追加する

requirements.txtを作成：requests>=2.31.0

.env.exampleを作成：[email protected]
CONNECT_AI_TOKEN=your-token

Connect AIのMCPサーバーをまだ設定していない場合は、Connect AIの強化されたMCPインストラクション設定ガイドでステップごとの手順を確認できます。

フェーズ3：Claude Code内でスキルを使用する

スキルが完成したら、Claudeはプロジェクトから直接発見して実行できるようになります。

担当者またはエージェントが（Claude Codeで）「オープンサポートチケットが最も多い上位アカウントはどこですか？」と尋ねます。

バックグラウンドでは、ClaudeがSKILL.mdからトリガーフレーズを検出し、top-accounts-with-ticketsスキルとのマッチングを確認したうえで、ターミナルでスクリプトを実行します。python3 scripts/query_accounts.py

JSON出力を受け取った後、Claudeは（自然言語で）応答します：

オープンZendeskチケット付きの売上上位アカウント：

1. Platinum Investment Partners – 1,850億ドル – オープンチケット1件

2. Global Energy Corporation – 1,750億ドル – オープンチケット0件

このワークフローが重要な理由

ClaudeスキルとConnect AIを組み合わせたときの役割分担は明確です。

• MCPサーバーは探索を担当する：スキーマ・テーブル間の関係・ビジネス要件の理解を支援します。

• スキルは実行を担当する：事前定義のロジックを再利用することで、毎回のスキーマ解析やSQL生成を省略できます。

• Claudeは調整を担当する：メタデータを参照して実行対象を判断し、結果の出力形式を制御します。

• Connect AIは接続性・セキュリティ・ガバナンスを担当する：外部データ接続を統一プラットフォームで管理し、LLMからのデータアクセスを実現します。

このパターンにより、外部スケジューラーや手動レビューなしに、チーム全体のエージェントワークフローに明確さ・一貫性・高いパフォーマンスをもたらすことができます。実際の企業がこのMCPワークフローをどのように業務に適用しているかについては、企業でのMCP活用事例と導入ロードマップ【2026年版】も参考になります。

企業で使えるClaude スキルを作るには？

本記事では、実際のMCPセッションをベースにClaude Code内でClaudeスキルを構築・呼び出す流れを解説しました。このワークフローは、一度限りのプロンプトを、AIが確実に実行できる再利用可能なモジュールへと変えます。ClaudeとConnect AIを組み合わせてビジネスデータをAIの思考プロセスに組み込む全体像については、CData Connect AIとClaudeの連携概要もあわせてご覧ください。まずはConnect AIのトライアルから始めてみてください。業務データへの接続が完了すれば、すぐにスキルの構築に着手できます。

今すぐ試してみましょう

1. Claude Codeを起動する

2. システムをまたぐビジネスの質問を尋ねる

3. MCPにSQLを生成させる

4. クエリをスキルにパッケージ化する

5. 同じ質問をもう一度尋ねる—Claudeがあなたのスキルを使用するのを見る

Connect AIの接続性とClaudeスキルの構造を組み合わせることで、トークンコストを削減しながら、予測可能で信頼性の高いエージェントワークフローを構築できます。

スキルの機能をConnect AIに直接構築し、すべてのLLMクライアント、ツール、フレームワーク全体で複雑なクエリに対してこのレベルの効率性を実現する方法を示すパート3をお楽しみに。

チームでの導入をご検討の方は、Connect AIの無料トライアルからお試しください。

よくある質問

MCPスキルとMCPツールの違いは何ですか？

MCPツールはClaudeがリアルタイムでスキーマを探索・SQLを生成するための動的なインターフェースです。一方、MCPスキルはその探索で得たクエリを事前定義のスクリプトとしてパッケージ化したもので、毎回スキーマを再解析せずに再利用できます。スキルはトークン使用量を最大65%削減し、実行の一貫性を高めます。

ClaudeのMCPスキルはどのように再利用できますか？

MCPスキルは.claude/skillsディレクトリ内にSKILL.mdとPythonスクリプトをセットで配置します。SKILL.mdにはスキル名・説明・トリガーフレーズを記述し、Claudeはプロンプトがトリガーフレーズに一致するとスクリプトを自動実行します。一度作成したスキルは同じプロジェクト内で何度でも呼び出せます。

CData Connect AIでMCPスキルを作成するのに必要な権限は？

CData Connect AIのアカウントとAPIアクセストークンが必要です。接続先データソース（例：Salesforce、Zendesk）へのアクセス権限も、Connect AI側で事前に設定が必要です。スクリプトは環境変数CONNECT_AI_EMAILとCONNECT_AI_TOKENを使って認証します。

Part 1との違いは何ですか？このシリーズはどの順番で読むべきですか？

Part 1ではClaudeスキルとMCPを組み合わせる概念とトークン削減効果（最大65%）を解説しています。Part 2（本記事）では実際のMCPクエリをClaudeスキルに変換する具体的な手順を説明します。Part 3ではConnect AIに直接スキル機能を組み込む方法を扱います。Part 1 → Part 2 → Part 3の順に読むことを推奨します。