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%削減できることを示しました。しかし、今最もよく聞かれる質問はこれです：探索的なMCPクエリから、エージェントがClaude Code内で繰り返し使用できるClaudeスキルに移行するにはどうすればよいか？

このガイドでは、完全なワークフローを段階的に説明します：

• 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

• クエリを再利用のための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内で直接どのように使用するかを見る

• トークン効率のために出力を最適化する

cronジョブなし。サードパーティの自動化なし。Claude CodeとConnect AIがリアルタイムで連携するだけです。

最終的には、MCPで動くクエリをClaudeが効率的かつ自動的に発見、実行、解釈できるClaudeスキルに変換できるようになります。

実際のシナリオ

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。売上データのためのSalesforceと、サポートデータのためのZendeskへのアクセスが必要です。Connect AIの統一インターフェースには最適です。そして答えは単なるレポートではなく、顧客の健全性のスナップショットです。

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

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は裏でMCPツールを呼び出して、接続されたカタログ、スキーマ、テーブルを検査します。おそらく次のような応答が返されます：

「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。」

次に「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。」と尋ねることができます。

ClaudeはMCPを使ってZendeskのスキーマを検査し、結合キーを特定して、有効なSQLクエリを構築します：

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。

• トークン使用量：約2,750トークン

• 結果までの時間：30秒未満

• 繰り返し可能性：まだ自動化されていません

動作するクエリが得られたので、スキルに抽出する時が来ました。

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内の特定のディレクトリに置く必要があります：mkdir .claude/skills/top-accounts-with-tickets

次の構造を作成します：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にいつ、どのようにスキルを使用するかを伝えます：

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使って、スキルがプロンプトに関連するかどうかと、どのように呼び出すかを判断します。

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。このスクリプトは3つのことを行います：Connect AIで認証し、SQLを実行し、クリーンでコンパクトな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り、クロスソース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

フェーズ3：Claude Code内でスキルを使用する

スキルが完成したので、Claudeはプロジェクトから直接それを発見して実行できます。

あなた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。

裏では、ClaudeがSKILL.mdからトリガーフレーズを検出し、top-accounts-with-ticketsスキルを見つけてマッチし、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

これがClaudeスキルとConnect AIを組み合わせる力です：

• MCPサーバーは探索を担当する：モデルがスキーマ、関係性、ビジネスの質問を理解するのを助けます。

• スキルは実行を担当する：事前に書かれたロジックを再利用し、毎回スキーマを再解析したりSQLを生成したりすることを避けます。

• Claudeは調整を担当する：メタデータを使って何を実行すべきか、結果をどのようにフォーマットするかを決定します。

• 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とデータへの直接アクセスを可能にします。

このパターンは外部スケジューラーや手動レビューを必要とせずに、エージェントワークフローに明確さ、一貫性、パフォーマンスをもたらします。

ClaudeとConnect AIでエンタープライズ対応スキルを構築する

Claude Code内で実際のMCPセッションに基づいてClaudeスキルを構築・呼び出す方法を見てきました。このワークフローは一度限りのプロンプトをAIが自信を持って実行できる再利用可能なビルディングブロックに変えます。Connect AIのトライアルから始めます。エンタープライズデータに接続したら、スキルの構築を始める準備ができています。

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U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、トークンを節約するだけでなく、よりスマートで信頼性の高いエージェントを構築できます。

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。

ついてきたいですか？Connect AIの無料トライアルにサインアップしてください。

※本記事はCData US ブログMCP & Claude Skills, Part 2: How to Turn Discovery into Reusable Actionsの翻訳です。