Trae からBitbucket のデータにリアルタイムでアクセスする方法（CData Connect AI）

Yazhini G
Yazhini G
Technical Marketing Engineer
CData Connect AI Remote MCP Server を使用して、Trae が AI 対応 IDE 内からリアルタイムの Bitbucket のデータ に安全にアクセスし、クエリを実行できるようにします。

Trae は、使い慣れたエディターと Builder や SOLO などのエージェントモードを組み合わせた AI 対応の統合開発環境（IDE）です。Model Context Protocol（MCP） に対応しており、外部ツールやデータソースを追加すると、エージェントがリアルタイムデータにアクセスできるようになります。

Trae と CData Connect AI を組み込みの MCP Server 経由で連携させることで、Trae はガバナンスの効いたリアルタイムの Bitbucket のデータ にアクセスできるようになります。自然言語プロンプトを使って Bitbucket のデータ のカタログを一覧表示したり、スキーマを確認したり、レコードをクエリしたりでき、すべてのデータアクセスは許可されたデータソースに対して安全に実行されます。

この記事では、Connect AI で Bitbucket 接続を設定し、必要なパーソナルアクセストークンを生成し、Trae をインストールして Connect AI MCP Server を追加し、LLM モデルを設定した上で、Trae エージェントからリアルタイムの Bitbucket のデータ にクエリを実行して連携を検証する方法を説明します。

Step 1: Trae 向けに Bitbucket の接続を設定

Trae は Connect AI の Remote MCP Server を介して Bitbucket に接続します。Trae から Bitbucket のデータ を操作するには、まず Connect AI で Bitbucket 接続を作成・設定します。

  1. Connect AI にログインし、Sources をクリックしてから Add Connection をクリックします。
    2. Adding a connection in Connect AI
  2. Add Connection パネルから Bitbucket を選択します。
    3. Selecting data source
  3. Bitbucket への接続に必要な認証プロパティを入力します。

    ほとんどのクエリでは、ワークスペースを設定する必要があります。唯一の例外は、Workspacesテーブルです。このテーブルはこのプロパティの設定を必要とせず、クエリを実行すると、Workspaceの設定に使用できるワークスペーススラッグのリストが提供されます。このテーブルにクエリを実行するには、スキーマを'Information'に設定し、SELECT * FROM Workspacesクエリを実行する必要があります。

    Schemaを'Information'に設定すると、一般的な情報が表示されます。Bitbucketに接続するには、以下のパラメータを設定してください。

    • Schema: ワークスペースのユーザー、リポジトリ、プロジェクトなどの一般的な情報を表示するには、これを'Information'に設定します。それ以外の場合は、クエリを実行するリポジトリまたはプロジェクトのスキーマに設定します。利用可能なスキーマの完全なセットを取得するには、sys_schemasテーブルにクエリを実行してください。
    • Workspace: Workspacesテーブルにクエリを実行する場合を除き、必須です。Workspacesテーブルへのクエリにはこのプロパティは必要ありません。そのクエリはWorkspaceの設定に使用できるワークスペーススラッグのリストのみを返すためです。

    Bitbucketでの認証

    BitbucketはOAuth認証のみをサポートしています。すべてのOAuthフローからこの認証を有効にするには、カスタムOAuthアプリケーションを作成し、AuthSchemeをOAuthに設定する必要があります。

    特定の認証ニーズ（デスクトップアプリケーション、Webアプリケーション、ヘッドレスマシン）に必要な接続プロパティについては、ヘルプドキュメントを必ず確認してください。

    カスタムOAuthアプリケーションの作成

    Bitbucketアカウントから、以下のステップを実行します。

    1. 設定（歯車アイコン）に移動し、ワークスペース設定を選択します。
    2. アプリと機能セクションで、OAuthコンシューマーを選択します。
    3. コンシューマーを追加をクリックします。
    4. カスタムアプリケーションの名前と説明を入力します。
    5. コールバックURLを設定します。
      • デスクトップアプリケーションとヘッドレスマシンの場合、http://localhost:33333または任意のポート番号を使用します。ここで設定するURIがCallbackURLプロパティになります。
      • Webアプリケーションの場合、信頼できるリダイレクトURLにコールバックURLを設定します。このURLは、ユーザーがアプリケーションにアクセスが許可されたことを確認するトークンを持って戻るWebの場所です。
    6. クライアント認証情報を使用して認証する予定の場合、これはプライベートコンシューマーですを選択する必要があります。ドライバーでは、AuthSchemeをclientに設定する必要があります。
    7. OAuthアプリケーションに与える権限を選択します。これにより、読み取りおよび書き込みできるデータが決まります。
    8. 新しいカスタムアプリケーションを保存するには、保存をクリックします。
    9. アプリケーションが保存された後、それを選択して設定を表示できます。アプリケーションのKeyとSecretが表示されます。これらを将来の使用のために記録してください。Keyを使用してOAuthClientIdを設定し、Secretを使用してOAuthClientSecretを設定します。
    Configuring a connection (Salesforce is shown)
  4. Save & Test をクリックします。
  5. Permissions タブに移動し、ユーザーベースの権限を更新します。
    6. Updating permissions

Personal Access Token の追加

Personal Access Token（PAT）は、Trae から Connect AI への接続を認証するために使用されます。アクセス制御を細かく管理するために、連携ごとに個別の PAT を作成することをお勧めします。

  1. Connect AI アプリの右上にある歯車アイコン（）をクリックして Settings を開きます。
  2. Settings ページで Access Tokens セクションに移動し、 Create PAT をクリックします。
  3. PAT にわかりやすい名前を付けて Create をクリックします。
    4. Creating a new PAT
  4. トークンが表示されたらコピーして安全に保管してください。再度表示されることはありません。

Bitbucket 接続の設定と PAT の生成が完了したら、Trae は Connect AI 経由で Bitbucket のデータ に接続できるようになります。

Step 2: Trae をインストールして Connect AI MCP Server を設定

次に、Trae をインストールし、Connect AI Remote MCP Server を追加して、LLM モデルを設定します。設定が完了すると、エージェントは Connect AI を通じてリアルタイムデータツールを検出・呼び出せるようになります。

  1. Trae IDE をダウンロードしてインストールし、アプリケーションを起動します。
  2. 画面左上のトグルを使用するか、Ctrl + Alt + \ を押して SOLO モードに切り替えます。 Switching to SOLO mode in Trae
  3. Toggle AI Sidebar をクリックしてチャットパネルを開きます。 Opening the AI sidebar in Trae
  4. Settings を開き、左メニューから MCP を選択します。 Navigating to MCP settings
  5. Add Manually をクリックします。 Adding an MCP server manually
  6. Configure Manually ダイアログに以下の設定を貼り付けて Confirm をクリックします： 
    {
  "mcpServers": {
    "cdata-connect-ai": {
      "type": "streamable-http",
      "url": "https://mcp.cloud.cdata.com/mcp",
      "headers": {
        "Authorization": "Basic your_base64_encoded_email_PAT"
      }
    }
  }
}

    注意：Trae は Connect AI との認証に Basic 認証を使用します。Connect AI のユーザーメールアドレスと先ほど作成した PAT を email:PAT の形式で結合し、Base64 エンコードした上で Basic を先頭に付けます。たとえば [email protected]:ABC123...XYZ789 の場合、Authorization ヘッダーの値は次のようになります：Basic dXNlckBkb21haW4uY29tOkFCQzEyMy4uLlhZWjc4OQ==

    Configuring the Connect AI MCP Server

LLM モデルの設定

Trae がエージェントの推論を行うには、少なくとも 1 つの LLM モデルが必要です。エージェントがプロンプトを解釈し、Connect AI 経由で MCP ツールを呼び出せるようにモデルを追加します。

  1. Settings に戻り、Models を選択します。
  2. Add Model をクリックし、OpenAI、Anthropic、Google などのプロバイダーを選択して、モデルを選択し、API キーを入力して Add Model をクリックします。 Adding an LLM model and API key

MCP サーバーの追加と LLM モデルの設定が完了すると、Trae は Connect AI を通じてリアルタイムの Bitbucket のデータ にクエリを実行する準備が整います。

Step 3: Trae からリアルタイムの Bitbucket のデータ にクエリ

連携が完了したら、Trae エージェントを使用して、設定した LLM が処理する自然言語プロンプトを通じてリアルタイムの Bitbucket のデータ を操作します。

  1. チャットパネルで @ と入力し、Builder with MCP を選択します。Tools - MCP の下に cdata-connect-ai が表示されていることを確認します。 Selecting the Builder with MCP agent
  2. データを操作するプロンプトを入力します。例：
    • cdata-connect-ai のカタログを一覧表示して
    • Bitbucket で利用可能なスキーマとテーブルを表示して
    • Bitbucket のデータ のテーブルから上位 5 件のレコードをクエリして
  3. Trae は Connect AI MCP Server を呼び出し、Bitbucket のデータ からリアルタイムの結果を返します。 Querying live data from the Trae agent

この時点で、Trae エージェントは Connect AI MCP Server と通信し、リモート MCP ツールを通じて IDE から直接リアルタイムの Bitbucket のデータ を取得します。

CData Connect AI を入手

クラウドアプリケーションから数百種類の SaaS、ビッグデータ、NoSQL データソースに直接アクセスするには、CData Connect AI をぜひお試しください。 14日間の無料トライアルをダウンロードいただけます。ご不明な点がございましたら、サポートチームまでお気軽にお問い合わせください。

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