【MCP Server】LlamaIndex からAzure Table のデータに連携しよう！

CData Connect AI Remote MCP Server を活用して、LlamaIndex ReAct エージェントから Azure Table のデータにセキュアにリアルタイムでアクセスし、操作する方法をご紹介します。

LlamaIndex は、LLM アプリケーションを構築するためのデータフレームワークです。エージェントや RAG パイプライン、外部データをもとに推論する構造化ワークフローなどを開発できます。LlamaIndex と CData Connect AI を組み込みの MCP Server を通じて統合すれば、カスタムコネクタを書くことなく、エージェントがライブの Azure Table のデータをネイティブツールとして検出・クエリできるようになります。

CData Connect AI は、Azure Table をはじめとするさまざまなデータソースに接続できる、セキュアでローコードな環境を提供します。複雑な ETL を必要とせず、リアルタイムデータを使ったビジネスアプリケーション間のシームレスな自動化を実現します。

この記事では、CData Connect AI での Azure Table 接続の設定、LlamaIndex への MCP サーバーの登録、そして Azure Table のデータをリアルタイムでクエリする ReAct エージェント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（LlamaIndex 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：LlamaIndex 用の Azure Table 接続を設定する

それでは早速、LlamaIndex から Azure Table 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 Azure Table 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 LlamaIndex 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「Azure Table」を選択します

Azure Table に接続するために必要な認証情報を入力しましょう。
Account プロパティをストレージアカウント名に設定し、ストレージアカウントのAccessKey を設定して接続します。これらの値を取得する方法は次のとおりです。

ストレージをBackend として使用している場合（デフォルト）
- Azure ポータルにログインし、左側の「サービス」メニューで「ストレージアカウント」を選択します。
- ストレージアカウントがない場合は、「追加」ボタンをクリックしてアカウントを作成します。
- 使用するストレージアカウントのリンクをクリックし、「設定」の「アクセスキー」を選択します。「アクセスキー」ウィンドウには、ストレージアカウント名とCData 製品で使用するキー（接続にはkey1またはkey2のどちらかを使用できます）が含まれています。これらのプロパティは、それぞれAccount とAccessKey 接続プロパティにマッピングされます。
Azure SQL への接続
- Azure ポータルにログインし、左側の「サービス」メニューで「Azure Cosmos DB」を選択します。
- 使用するCosmos DB アカウントのリンクをクリックし、「設定」の「接続文字列」を選択します。「接続文字列」ウィンドウには、Cosmos DB アカウント名とCData 製品で使用する主キーが含まれています。これらのプロパティは、それぞれAccount とAccessKey 接続プロパティにマッピングされます。
「Save & Test」をクリックします
認証が完了したら、Azure Table 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

LlamaIndex 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 Azure Table 接続の設定と PAT の生成が完了しました。LlamaIndex から CData MCP サーバーを通じて Azure Table のデータに接続する準備が整いました。

ステップ 2：LlamaIndex で MCP サーバーに接続する

続いて、LlamaIndex を CData Connect AI のリモート MCP サーバーに接続し、推論に OpenAI を使用していきましょう。MCP サーバーの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、LlamaIndex の MCP ツールスペックが 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。

LlamaIndex MCP プロジェクト用のフォルダを作成します
フォルダ内に
```
config.py
```
と
```
llamaindex_agent.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 URL と、Base64 エンコードされた CData Connect AI のメールアドレスおよび PAT（前提条件で取得したもの）を定義します。
```
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。

llamaindex_agent.py

で、MCP ツールスペックと ReAct エージェントを設定します：

"""
LlamaIndex 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、MCP ツールを検出して LlamaIndex ツールとしてラップし、
OpenAI による推論で駆動されるエージェントループを実行します。
"""

import asyncio
from llama_index.tools.mcp import BasicMCPClient, McpToolSpec
from llama_index.core.agent.workflow import ReActAgent
from llama_index.llms.openai import OpenAI
from config import Config

async def main():

    # Connect AI を指す MCP クライアントを初期化
    mcp_client = BasicMCPClient(
        Config.MCP_BASE_URL,
        headers={"Authorization": f"Basic {Config.MCP_AUTH}"},
    )

    # MCP サーバーが公開するツール（getCatalogs、queryData など）を検出
    tool_spec = McpToolSpec(client=mcp_client)
    tools = await tool_spec.to_tool_list_async()
    print("検出された MCP ツール:", [t.metadata.name for t in tools])

    # ReAct ループを駆動する LLM を設定
    llm = OpenAI(
        model="gpt-4o",
        temperature=0.2,
        api_key="YOUR_OPENAI_API_KEY",  # https://platform.openai.com/
    )

    # MCP ツールを使用するエージェントを構築
    agent = ReActAgent(tools=tools, llm=llm)

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

    response = await agent.run(user_prompt)

    print("エージェントの最終応答:", response)

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

ステップ 3：LlamaIndex パッケージをインストールする

このワークフローでは LlamaIndex を CData Connect AI MCP サーバーおよび推論用の OpenAI と組み合わせて使用するため、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 llama-index llama-index-tools-mcp llama-index-llms-openai

ステップ 4：LlamaIndex を使用して Azure Table 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 llamaindex_agent.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：「Azure Table で利用可能なテーブルはいくつありますか?」）
エージェントは利用可能なツールをもとに推論し、Azure Table に対して
```
queryData
```
を呼び出して、その結果を返します

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？LlamaIndex から Azure Table 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

CData は、AI を本番環境で機能させるデータレイヤーです。数百の主要エンタープライズソースへのライブコネクティビティとレプリケーション、セマンティックコンテキスト、組み込みガバナンスを提供。Databricks、Microsoft、Google、Palantir をはじめ、世界中の 10,000 以上のお客様の AI を支えています。

お問い合わせ

【MCP Server】LlamaIndex からAzure Table のデータに連携しよう！

前提条件

ステップ 1：LlamaIndex 用の Azure Table 接続を設定する

ストレージをBackend として使用している場合（デフォルト）

Azure SQL への接続