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

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 Presto 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、Presto 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 Presto 接続の設定、LlamaIndex への MCP サーバーの登録、そして Presto 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

はじめに

---

ステップ 1：LlamaIndex 用の Presto 接続を設定する

それでは早速、LlamaIndex から Presto 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 Presto 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。

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. 利用可能なデータソースから「Presto」を選択します

3. Presto に接続するために必要な認証情報を入力しましょう。

   Presto への接続には、まずはServer およびPort を接続プロパティとして設定します。それ以外の追加項目は接続方式によって異なります。

   TLS/SSL を有効化するには、UseSSL をTRUE に設定します。

   LDAP で認証

   LDAP で認証するには、次の接続プロパティを設定します:

   • AuthScheme: LDAP に設定。
   • User: LDAP で接続するユーザー名。
   • Password: LDAP で接続するユーザーのパスワード。

   Kerberos 認証

   KERBEROS 認証を使う場合には、以下を設定します:

   • AuthScheme: KERBEROS に設定。
   • KerberosKDC: 接続するユーザーのKerberos Key Distribution Center (KDC) サービス。
   • KerberosRealm: 接続するユーザーのKerberos Realm 。
   • KerberosSPN: Kerberos Domain Controller のService Principal Name。
   • KerberosKeytabFile: Kerberos principals とencrypted keys を含むKeytab file。
   • User: Kerberos のユーザー。
   • Password: Kerberos で認証するユーザーのパスワード。
   
4. 「Save & Test」をクリックします
5. 認証が完了したら、Presto 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。

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. 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 Presto 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 Presto 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。

1. LlamaIndex MCP プロジェクト用のフォルダを作成します
2. 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

3. 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。

4. 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 Presto 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 llamaindex_agent.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：「Presto で利用可能なテーブルはいくつありますか?」）
4. エージェントは利用可能なツールをもとに推論し、Presto 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 Presto 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。