【MCP Server】LlamaIndex からSage 300 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 Sage 300 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 Sage 300 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、Sage 300 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 Sage 300 接続の設定、LlamaIndex への MCP サーバーの登録、そして Sage 300 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

ステップ 1：LlamaIndex 用の Sage 300 接続を設定する

それでは早速、LlamaIndex から Sage 300 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 Sage 300 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. 接続の追加
  2. 利用可能なデータソースから「Sage 300」を選択します
    3. データソースの選択
  3. Sage 300 に接続するために必要な認証情報を入力しましょう。

    Sage 300 には、Sage 300 Web API で通信するための初期設定が必要となります。

    • Sage 300 のユーザー向けのセキュリティグループを設定します。Sage 300 のユーザーに、Security Groups の下にあるbSage 300 Web API オプションへのアクセスを付与します（各モジュール毎に必要です）。
    • /Online/Web と/Online/WebApi フォルダ内のweb.config ファイルを両方編集して、AllowWebApiAccessForAdmin のキーを true 設定します。webAPI アプリプールを再起動すると設定が反映されます。
    • ユーザーアクセスを設定したら、https://server/Sage300WebApi/ をクリックして、web API へのアクセスを確認してください。

    Basic 認証を使用してSage 300 へ認証します。

    Basic 認証を使用して接続する

    Sage 300 に認証するには、次のプロパティを入力してください。本製品はクッキーを使用して、Sage 300 が開いたセッションを再利用します。 そのため、資格情報はセッションを開く最初のリクエストでのみ使用されます。その後は、Sage 300 が返すクッキーを認証に使用します。

    • Url：Sage 300 をホストするサーバーのURL に設定します。Sage 300 Web API 用のURL を次のように作成してください。 {protocol}://{host-application-path}/v{version}/{tenant}/ 例えば、 http://localhost/Sage300WebApi/v1.0/-/ です。
    • User：アカウントのユーザー名に設定します。
    • Password：アカウントのパスワードに設定します。
    接続の設定（Salesforce の例）
  4. 「Save & Test」をクリックします
  5. 認証が完了したら、Sage 300 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

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. 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 Sage 300 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 Sage 300 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 Sage 300 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：「Sage 300 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、Sage 300 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 Sage 300 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