Google Vertex AI AgentとConnect AIでJD Edwards を統合

Yazhini G
Technical Marketing Engineer

CData Connect AI のリモート MCP サーバーを活用して、Vertex AI ADK エージェントがインテリジェントなワークフロー内でJD Edwardsのリアルタイムデータにセキュアにアクセスし、操作できるようにします。

Vertex AI は、Agent Development Kit（ADK）を使用して AI エージェントを構築するための開発エコシステムを提供します。ADK を使用すると、開発者は推論、アクション実行、構造化されたツールインターフェースを通じた外部システムとの連携が可能なツール拡張エージェントを作成できます。これらのエージェントは ADK Web インターフェースでローカルにテストでき、エンタープライズワークフロー向けの高度なロジックで拡張できます。

Vertex AI ADK を CData Connect AI の組み込み MCP（Model Context Protocol）サーバーと統合することで、エージェントはリアルタイムでJD Edwards のデータをクエリ、分析、操作できるようになります。この接続により、Google のエージェント構築フレームワークと CData Connect AI のガバナンスされたエンタープライズ接続が橋渡しされ、すべてのリクエストが手動のデータ移動なしに認可されたデータソースに対してセキュアに実行されます。

この記事では、Connect AI で JD Edwards 接続を設定し、必要な認証トークンを生成し、Vertex AI ADK 環境を設定し、エージェントが Connect AI を通じてリアルタイムのJD Edwards のデータと正常に通信できることを確認する手順を説明します。

ステップ1：Vertex AI 用の JD Edwards 接続を設定

Vertex AI から JD Edwards への接続は、CData Connect AI のリモート MCP サーバーを通じて実現できます。Vertex AI からJD Edwards のデータを操作するには、まず CData Connect AI で JD Edwards 接続を作成・設定します。

Connect AI にログインして「Sources」をクリック、次に「 Add Connection」をクリック

接続を追加パネルから「JD Edwards」を選択

JD Edwards に接続するために必要な認証プロパティを入力します。
ドライバーは Application Interface Services（AIS）Server を経由して JD Edwards に接続します。以下の接続プロパティを設定します。
- URL：AIS Server のベース HTTPS URL（例：https://jde-ais.example.com:8300）。
- User：JD Edwards のユーザー名。
- Password：JD Edwards のパスワード。
- Environment（オプション）：使用する JD Edwards の環境（例：本番環境なら PD920、開発環境なら DV920）。指定しない場合は、AIS Server のデフォルト環境が使用されます。
- Role（オプション）：セッションで使用する JD Edwards のロール。指定しない場合は、AIS Server のデフォルトロールが使用されます。
- DeviceName（オプション）：接続元のデバイスまたはアプリケーションの識別子。AIS Server での監査やログ記録に使用されます。
- Jasserver（オプション）：リクエストのルーティング先となる Java Application Server（JAS）インスタンス。クラスタ環境で便利です。
公開するデータの選択

JD Edwards ではテーブルとビジネスビューが System Code ごとに整理されており、ドライバーは各 System Code をそれぞれ個別のスキーマとして公開します。利用できるスキーマは、以下のプロパティで制御できます。
- DataModel：System Code をスキーマとして公開する ERP モジュール（カンマ区切りで複数指定可）。接続先インスタンスのすべての System Code を公開する場合は All を指定します。デフォルトは FinancialManagement です。
- SystemCodes：DataModel の System Code に加えて公開したい System Code のカンマ区切りリスト（例：42,43）。
接続時、ドライバーは認証情報を AIS Server に送信してセッショントークンを取得し、キャッシュします。セッションの有効期限が切れる前に、新しいトークンが自動でリクエストされます。
「Save & Test」をクリック
「Permissions」タブに移動し、ユーザーベースの権限を更新します

パーソナルアクセストークンの追加

パーソナルアクセストークン（PAT）は、Vertex AI から Connect AI への接続を認証するために使用されます。アクセスを細かく管理するため、統合ごとに個別の PAT を作成することをお勧めします。

Connect AI アプリの右上にある歯車アイコン（）をクリックして設定を開きます
設定ページで「Access Tokens」セクションに移動し、「 Create PAT」をクリックします
PAT にわかりやすい名前を付けて「Create」をクリックします

トークンが表示されたらコピーして安全に保管します。再度表示されることはありません

JD Edwards 接続が設定され PAT が生成されたので、Vertex AI は Connect AI を通じてJD Edwards のデータに接続できるようになりました。

ステップ2：必要な依存関係をインストール

Vertex AI ADK が Gemini モデルを実行し、エージェント環境を構築し、Google Cloud プロジェクト内のサポートサービスにアクセスできるように、必要な Google Cloud API を有効にします。これらの API は、開発と実行時に ADK が依存するバックエンド機能を提供します。

Google Cloud Console にアクセスします
ページ上部の「Project Picker」をクリックし、「New Project」を選択します

プロジェクトを作成し、「Project ID」をメモします。この ID は後で環境設定で使用します
左側のナビゲーションメニューから「APIs & Services」を開き、「Enabled APIs & Services」を選択します
「 Enable Apis and services」をクリックします

以下の API を有効にします：
- Vertex AI API
- Cloud Build API
- Artifact Registry API
- Service Networking API
- Cloud Logging API

これらのサービスを有効にすると、Google Cloud プロジェクトで Vertex AI ADK の開発とローカルツール実行の準備が整います。

Vertex AI ADK プロジェクトフォルダの準備

プロジェクトディレクトリを作成し、Python 環境をセットアップします。このステップにより、ADK が正しくインストールされ、依存関係の競合なしにエージェントをロードできるクリーンなワークスペースが準備されます。

Google Cloud Console を開き、Cloud Shell を選択します。プロジェクトピッカーから作成したプロジェクトが選択されていることを確認してください。

ADK プロジェクトディレクトリを作成します：


				mkdir -p ~/adk_agents/cdata_mcp_agent
				cd ~/adk_agents/cdata_mcp_agent

Python 仮想環境を作成してアクティベートします：


		python3 -m venv .venv
		source .venv/bin/activate

必要な ADK および MCP パッケージをインストールします：


				python -m pip install --upgrade pip
				python -m pip install google-adk
				python -m pip install mcp
				python -m pip install --upgrade "google-cloud-aiplatform[agent_engines]"

ステップ3：ADK エージェントファイルを作成

ADK がエージェントを認識できるようにエージェントモジュールを定義します。この構造により、Vertex AI が MCP 設定をロードし、Connect AI が公開するツールを登録できます。

agent.py ファイルを作成し、以下のコードを貼り付けます

		
import os
import base64
import logging

from google.adk.agents import LlmAgent
from google.adk.tools.mcp_tool.mcp_toolset import MCPToolset
from google.adk.tools.mcp_tool.mcp_session_manager import StreamableHTTPConnectionParams

# ---------- Logging ----------
logging.basicConfig(level=logging.INFO)
logger = logging.getLogger(__name__)

# ---------- CData MCP config ----------
CDATA_MCP_URL = os.environ.get("CDATA_MCP_URL", "https://mcp.cloud.cdata.com/mcp")
CDATA_USER_ID = os.environ.get("CDATA_USER_ID")
CDATA_PAT = os.environ.get("CDATA_PAT")

tools = []

if not (CDATA_USER_ID and CDATA_PAT):
    logger.warning(
        "CData MCP credentials not set (CDATA_USER_ID or CDATA_PAT missing); "
        "starting agent WITHOUT MCP tools."
    )
else:
    # Basic auth header: base64("user:pat")
    basic_auth_bytes = f"{CDATA_USER_ID}:{CDATA_PAT}".encode("utf-8")
    basic_auth_header = base64.b64encode(basic_auth_bytes).decode("utf-8")

    try:
        logger.info("Initializing CData MCPToolset against %s", CDATA_MCP_URL)

        tools.append(
            MCPToolset(
                connection_params=StreamableHTTPConnectionParams(
                    url=CDATA_MCP_URL,
                    headers={
                        "Authorization": f"Basic {basic_auth_header}",
                        # ADK handles content-type etc. internally;
                        # we just pass auth headers.
                    },
                ),
            )
        )

        logger.info("CData MCPToolset initialized successfully.")
    except Exception as e:
        logger.exception("Failed to initialize CData MCPToolset")

# ---------- Root agent ----------
root_agent = LlmAgent(
    model="gemini-2.0-flash",
    name="cdata_mcp_agent",
    instruction=(
        "You are a data assistant. Use the CData MCP tools (if available) to "
        "list connections, list catalogs/schemas/tables, and run SQL-style queries."
    ),
    tools=tools,
)

もう1つのファイル __int__.py を作成し、以下のコードを貼り付けます

		
		from .agent import root_agent
		__all__ = ["root_agent"]

環境変数のエクスポート

Connect AI に認証するために必要な環境変数をエクスポートします。これらの値により、エージェントは MCP ツールセットを初期化し、Connect AI と通信できます。その前に、ADK が Gemini モデルに認証できるように Google API キーを取得します。このキーにより、エージェントは Vertex AI ADK 環境内で LLM 推論を実行し、ツールコールを正しくルーティングできます。

Google AI Studio API Key ページにアクセスします
「Create API Key」をクリックします。API キーに名前を付け、プロジェクトがない場合は選択または作成します

「Create a key」をクリックし、API キーをコピーします
Google Cloud Shell ページに戻り、環境変数のエクスポートを実行します。「your_cdata_email」、「your_pat」、「your-project-id」、「your_google_api_key」を実際の値に置き換えてください


		export CDATA_MCP_URL="https://mcp.cloud.cdata.com/mcp"
		export CDATA_USER_ID="your_cdata_email"
		export CDATA_PAT="your_pat"
		export GOOGLE_API_KEY="your_google_api_key"
		export VERTEXAI_PROJECT="your-project-id"
		export VERTEXAI_LOCATION="us-central1"

ステップ4：ADK Web インターフェースを起動

ADK Web インターフェースを起動してエージェントをロードします。インターフェースはランタイムを初期化し、MCP 対応エージェントをインタラクティブテスト用に利用可能にします。

親フォルダに移動します：


				cd ~/adk_agents

ADK Web を起動します：


				adk web .

ステップ5：エージェントを選択して MCP 接続をテスト

ADK Web インターフェースからエージェントを選択します。ADK は MCP ツールをロードし、リアルタイムの MCP クエリを実行できるように環境を準備します。

ブラウザタブから ADK Web UI を開きます
エージェントのドロップダウンから「cdata_mcp_agent」を選択します

チャットパネルに「list catalogs」と入力します。ADK は Connect AI 接続のリアルタイムリストを返します

これで、Vertex AI ADK エージェントは CData Connect AI MCP サーバーと通信し、リモート MCP ツールを通じてリアルタイムのJD Edwards のデータメタデータを取得できるようになりました。

CData Connect AI を入手

数百種類の SaaS、ビッグデータ、NoSQL ソースへのリアルタイムデータアクセスをクラウドアプリケーションから直接取得するには、CData Connect AI を今すぐお試しください！

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

CData Connect AI Gateway のご紹介

ユースケース別

プラットフォーム別

ユースケース別

ソース別

導入事例

デベロッパーセンター

5分で始めるクイックスタート

マネージド

セルフホスト

探索

参加する

サポート & サービス