【MCP Server】LangChain からAct-On のデータに連携しよう！

加藤龍彦
デジタルマーケティング

LangChain とCData Connect AI MCP Server で Act-On へのリアルタイムアクセスを実現。自然言語クエリでデータ探索できる AI ワークフローを構築する方法をご紹介します。

LangChain は、開発者やデータエンジニア、AI 実践者が LLM、ツール、API、データコネクタを組み合わせて AI 活用アプリケーションやワークフローを構築するためのフレームワークです。LangChain と CData Connect AI を組み込みの MCP Server を通じて統合することで、ワークフローからライブの Act-On にリアルタイムで簡単にアクセスして対話できるようになります。

CData Connect AI は、Act-On のデータに接続するための専用クラウド間インターフェースを提供します。CData Connect AI Remote MCP Server により、Google ADK エージェントと Act-Onの間でセキュアな通信が可能になります。これにより、ネイティブ対応データベースへのデータレプリケーションを必要とせずに、エージェントから Act-On のデータの読み取りや操作を実行できます。CData Connect AIは最適化されたデータ処理機能を備えており、フィルタや JOIN を含むサポート対象のすべての SQL 操作を効率的に Act-Onへ直接送信します。サーバーサイド処理を活用することで、要求されたAct-On のデータを迅速に取得できます。

この記事では、CData Connect AI での Act-On 接続の設定、LangChain への MCP サーバーの登録、そして Act-On をリアルタイムでクエリするワークフローの構築方法をご紹介します。

前提条件

CData Connect AI のアカウント
Python バージョン 3.10 以上（LangChain および LangGraph パッケージをインストールするため）
OpenAI API キーを生成して保存
システムに Visual Studio Code をインストール

ステップ 1：LangChain 用の Act-On 接続を設定する

それでは早速、LangChain から Act-On にアクセスできるようにしていきましょう。まず、CData Connect AI で Act-On 接続を作成します。この接続は、その後リモート MCP サーバーを通じて LangChain に公開されます。

Connect AI にログインし、「Sources」をクリックして「+ Add Connection」をクリックします

利用可能なデータソースから「Act-On」を選択します

Act-On に接続するために必要な認証情報を入力しましょう。
ActOn はOAuth 認証標準を利用しています。OAuth を使って認証するには、アプリケーションを作成してOAuthClientId、OAuthClientSecret、およびCallbackURL 接続プロパティを取得する必要があります。

認証方法についての詳細は、ヘルプドキュメントの「認証の使用」を参照してください。
「Create & Test」をクリックします
認証が完了したら、Act-On 接続の「Permissions」タブを開き、必要に応じてユーザーベースの権限を設定します

パーソナルアクセストークン（PAT）を生成する

LangChain は、アカウントのメールアドレスとパーソナルアクセストークン（PAT）を使用して Connect AI に認証します。アクセス制御の粒度を維持するために、統合ごとに個別の PAT を作成することをおすすめします。

Connect AI で、右上の歯車アイコンを選択して「Settings」を開きます
「Access Tokens」で、「Create PAT」を選択します
トークンのわかりやすい名前を付けて、「Create」を選択します

トークンをコピーして安全に保管してください。PAT は作成時にのみ表示されます

これで Act-On 接続の設定と PAT の生成が完了しました。LangChain から CData MCP サーバーを通じて Act-On に接続する準備が整いました。

注：Connect AI の「Integrations」セクションの「LangChain」から PAT を生成することもできます。「Connect」→「 Create PAT」をクリックするだけで生成できます。

ステップ 2：LangChain で MCP サーバーに接続する

続いて、LangChain をCData Connect AI のリモートMCP サーバーに接続していきましょう。推論に OpenAI（ChatGPT）を使用するには、MCP サーバーエンドポイントと認証情報を config.py ファイルで設定します。これらを設定することで、LangChain が MCP サーバーツールを呼び出せるようになり、OpenAI が自然言語での推論を処理してくれます。

LangChain MCP 用のフォルダを作成します
フォルダ内にconfig.py と langchain.py の2つの Python ファイルを作成します。
config.py で、MCP サーバーの認証と URL を定義する Config クラスを作成します。Base64 エンコードされた CData Connect AI のユーザー名と PAT（前提条件で取得したもの）を指定する必要があります。
```
 
class Config: 
      MCP_BASE_URL = "https://mcp.cloud.cdata.com/mcp"   # MCP Server の URL 
      MCP_AUTH = "base64encoded(EMAIL:PAT)"   # Base64 エンコードされた Connect AI の Email:PAT 
```
注：Base64 エンコードツールを使用して、MCP_AUTH の Base64 エンコード版を作成できます。

langchain.py で、MCP サーバーと MCP クライアントを設定して、ツールとプロンプトを呼び出します：

 
""" 
LangChain ReAct エージェントと CData Connect AI MCP サーバーを統合します。
このスクリプトは、ツールの取得、フィルタリング、LLM を使用したエージェントベースの推論を実行します。
""" 

import asyncio 
from langchain_mcp_adapters.client import MultiServerMCPClient 
from langchain_openai import ChatOpenAI 
from langgraph.prebuilt import create_react_agent 
from config import Config 

async def main(): 
    # 1 つ以上のサーバー URL で MCP クライアントを初期化
    mcp_client = MultiServerMCPClient( 
        connections={ 
            "default": {  # お好きな名前でOKです
                "transport": "streamable_http", 
                "url": Config.MCP_BASE_URL, 
                "headers": {"Authorization": f"Basic {Config.MCP_AUTH}"}, 
            } 
        } 
    ) 

    # サーバーによって公開されているリモート MCP ツールを読み込む
    all_mcp_tools = await mcp_client.get_tools() 
    print("検出された MCP ツール:", [tool.name for tool in all_mcp_tools]) 

    # ReAct スタイルのエージェントを作成して実行
    llm = ChatOpenAI( 
        model="gpt-4o",  
        temperature=0.2, 
        api_key="YOUR_OPEN_API_KEY"  # ここに OpenAI API キーを使用します（https://platform.openai.com/ で確認できます）
    ) 

    agent = create_react_agent(llm, all_mcp_tools) 

    user_prompt = "[rootadoname]1 で利用可能なテーブルはいくつありますか?"  # 必要に応じてプロンプトを変更してください
    print(f"
ユーザープロンプト: {user_prompt}") 

    # エージェントに MCP ツールを使用するように求めるプロンプトを送信
    response = await agent.ainvoke( 
        {"messages": [{"role": "user", "content": (user_prompt),}]} 
    ) 

    # エージェントの最終応答を出力
    final_msg = response["messages"][-1].content 
    print("エージェントの最終応答:", final_msg) 

if __name__ == "__main__": 
    asyncio.run(main())

ステップ 3：LangChain と LangGraph パッケージをインストールする

それでは、LangChain を CData Connect AI MCP と組み合わせて使用し、推論に OpenAI を統合するために必要なPython パッケージをインストールしていきましょう。

プロジェクトのターミナルで次のコマンドを実行してください。

 
pip install langchain-mcp-adapters langchain-openai langgraph

ステップ 4：LangChain を使用して Act-On にプロンプトを送信する（MCP サーバー経由）

インストールが完了したら、
```
python langchain.py
```
を実行してスクリプトを実行します
スクリプトは MCP サーバーに接続し、接続されたデータをクエリするために利用可能な CData Connect AI MCP ツールを検出します
プロンプトを入力します（例：「Act-On で利用可能なテーブルはいくつありますか?」）
それに応じて、エージェントが結果を返します

CData Connect AI でビジネスシステムのデータ活用を今すぐスタート

いかがでしたか？LangChain から Act-On へのデータ接続が簡単に完了したのではないでしょうか。業務に使えそう、と感じてくださった方は、14 日間の無償トライアルで AI ツールからビジネスシステムへのリアルタイムデータ接続をぜひお試しください。

はじめる準備はできましたか？

CData Connect AI の詳細、または無料トライアルにお申し込みください：

無料トライアルお問い合わせ