LangChainからAdobe Targetのデータに接続する方法｜MCP接続3ステップ

加藤龍彦
加藤龍彦
デジタルマーケティング
LangChainからAdobe TargetのデータにMCP接続する方法を3ステップで解説。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できます。

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 Adobe Target 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、Adobe Targetを含む数百のデータソースをMCP経由でAIツールにつなげるクラウドサービスです。接続情報はConnect AI側で一元管理されるため、LangChain エージェントにAdobe Targetの認証情報を直接渡すことなくセキュアに連携できます。

この記事では、CData Connect AI での Adobe Target 接続の設定、LangChain への MCP サーバーの登録、そして Adobe Target 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

ステップ 1：LangChain 用の Adobe Target 接続を設定する

それでは早速、LangChain から Adobe Target 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 Adobe Target 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。

  1. 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
    2. 接続の追加
  2. 利用可能なデータソースから「Adobe Target」を選択します
    3. データソースの選択
  3. Adobe Target に接続するために必要な認証情報を入力しましょう。

    Adobe Target に接続するには、以下に記載されているOAuth 接続プロパティとともにTenant プロパティを指定する必要があります。他の接続プロパティは処理動作に影響を与える可能性がありますが、接続には影響しません。

    以下のステップでTenant 名を確認できます。

    1. Adobe Experience にログインします。URL は「https://experience.adobe.com/#/@mycompanyname/preferences/general-section」です。
    2. 「/#/@」の後の値を抽出します。この例では「mycompanyname」です。
    3. Tenant 接続プロパティをその値に設定します。

    ユーザーアカウント（OAuth）

    すべてのユーザーアカウントフローでAuthScheme をOAuthClient に設定する必要があります。

    注意：OAuth を介したAdobe 認証では、2週間ごとにトークンを更新する必要があります。

    すべてのアプリケーション

    CData では、OAuth 認証を簡素化する組み込みOAuth アプリケーションを提供しています。または、カスタムOAuth アプリケーションを作成することもできます。詳細については、ヘルプドキュメントの「カスタムOAuthアプリの作成」をご確認ください。

    OAuth アクセストークンの取得

    接続するには以下のプロパティを設定します：

    • InitiateOAuth：GETANDREFRESH に設定して、OAuth 交換を自動的に実行し、必要に応じてOAuthAccessToken を更新します。
    • OAuthClientId：アプリを登録した際に割り当てられたクライアントID に設定します。
    • OAuthClientSecret：アプリを登録した際に割り当てられたクライアントシークレットに設定します。
    • CallbackURL：アプリを登録した際に定義されたリダイレクトURI に設定します。例：https://localhost:3333

    これらの設定により、CData 製品はAdobe Target からアクセストークンを取得し、それを使用してデータを要求します。OAuth値はOAuthSettingsLocation で指定された場所に保存され、接続間で確実に保持されます。

    接続の設定（Salesforce の例）
  4. 「Create & Test」をクリックします
  5. 認証が完了したら、Adobe Target 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
    6. 権限の更新

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。

  1. Connect AI で、右上の歯車アイコンを選択して「Settings」を開きます
  2. 「Access Tokens」で、「Create PAT」を選択します
  3. トークンのわかりやすい名前を付けて、「Create」を選択します
    4. 新しい PAT の作成
  4. 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 Adobe Target 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 Adobe Target 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。

LangChain 統合ツールに移動して「Connect」をクリックします Connect AI PAT を作成します

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。

  1. LangChain MCP 用のフォルダを作成します
  2. 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。
  3. 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。

  4. 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 Adobe Target にプロンプトを送信する（MCP サーバー経由）

  1. 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
  2. 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
  3. プロンプトを入力します（例：「Adobe Target で利用可能なテーブルはいくつありますか?」）
  4. それに応じて、エージェントが結果を返します
    5. LangChain エージェントは、入力したプロンプトに基づいて結果を返します

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 Adobe Target 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

この記事の内容

関連記事