LangChainからJD Edwards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JD Edwards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 JD Edwards 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、JD Edwards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JD Edwards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 JD Edwards 接続の設定、LangChain への MCP サーバーの登録、そして JD Edwards 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 JD Edwards 接続を設定する

それでは早速、LangChain から JD Edwards 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 JD Edwards 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「JD Edwards」を選択します
    3. データソースの選択
  3. JD Edwards に接続するために必要な認証情報を入力しましょう。

    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。

    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、JD Edwards 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 JD Edwards 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 JD Edwards 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 JD Edwards 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：「JD Edwards 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 JD Edwards 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