Unity AI Gateway: 外部MCPへのエージェントの安全な接続方法

「エージェントウィーク」の一環として、お客様はDatabricks Unity AI Gatewayを通じてモデル、MCP、ツールを管理できるようになりました。これはUnity Catalogと完全に統合されています。真の価値を提供するには、エージェントがGitHub、Glean、Atlassianなどの外部ツールに安全にアクセスする必要があります。Unity AI Gatewayはこれを簡単かつ安全に行えるようにするため、チームは認証インフラストラクチャではなくエージェントの構築に集中できます。

この記事では、外部MCPサーバーを接続し、エンドツーエンドでエージェントをデプロイする方法を説明します。これにより、データに基づいて推論およびアクションを実行するコンテキスト認識型エージェントを構築できます。

問題：外部MCPサーバーの認証

AIエージェントは、アクセスできるツールと同じくらい強力です。Model Context Protocol (MCP) は、これらのツールを発見および対話するための普遍的な方法を提供し、Databricksではエンタープライズがネイティブおよび外部MCPとエージェントを接続するためにすでに使用しています。

お客様から何度も同じことを言われます。認証がボトルネックです。各プロバイダーには独自のOAuthアプリ登録、独自のクライアントシークレット、独自のトークン更新ロジックがあります。シークレットはローテーションする必要があり、権限は監査する必要があり、どのエージェントが何にアクセスしているかを追跡する中央化された方法はありません。数分で完了するはずの作業に数週間かかります。

ソリューション：外部接続のためのUnity AI Gateway

Unity AI Gatewayは、チームに外部システムへのエージェント接続のための単一の管理された方法を提供することで、これを解決します。

• Unity Catalogを介した外部MCPサーバーの管理： すべての外部MCPサーバーはUnity Catalogに登録され、他のカタログオブジェクトと同様に検出可能で管理可能になります。管理者はきめ細かな権限を適用でき、すべてのアクティビティは中央化された監査テーブルにキャプチャされます。チームはDatabricks Marketplaceを通じてパートナーからMCPサーバーをインストールすることもできます。
• ユーザーの代わりにアクセス： エージェントはエンドユーザーの代わりにアクションを実行するため、ユーザーAのエージェントはユーザーAが表示を許可されているものしか表示しません。これにより、エージェントは過剰な権限を持つサービスアカウントなしで、個人用メール、プライベートリポジトリ、制限付きドキュメントに安全にアクセスできます。管理者は、OAuth権限を接続ごとにスコープ設定することで、エージェントができることをさらに制限できます。たとえば、GitHub接続を読み取り専用リポジトリアクセスに制限するなどです。
• 外部システムへの認証の簡素化： マネージドOAuthフローは認証を簡素化し、プロバイダーごとにOAuthアプリを登録したりシークレットを管理したりする必要はありません。ドロップダウンから選択するだけで、Databricksがサーバーサイドで完全な認証ライフサイクルを処理します。現在サポートされているプロバイダーには、Glean、GitHub、Atlassian (JiraおよびConfluence)、Google Drive、SharePointが含まれており、さらに多くのプロバイダーが追加される予定です。
• クラウドとプロバイダー全体で機能： DatabricksをAWS、Azure、またはGCPで実行する場合でも、GitHub、Glean、Atlassianなどのサードパーティプロバイダーの事前構成済みサポートにより、同じガバナンスと認証エクスペリエンスが得られます。

仕組み

GitHubを外部MCPサーバーとして接続し、それをデプロイされたエージェントまで実行する手順を見ていきましょう。

ステップ1：接続を作成します。

• AI Gateway → MCPサーバーの登録 -> 外部MCPに移動します
• 認証モードを選択します：ユーザーごとのOAuth (推奨 — 各ユーザーは自身のIDで認証します) または共有プリンシパル (すべてのユーザーの単一ID)
• プロバイダーのドロップダウンからGitHub を選択します
• 作成します。DatabricksはバックグラウンドでOAuthアプリの登録、トークン交換、更新を処理します

ステップ2：テストします。 接続は2つの方法で検証できます。AI Playground で、ツールが有効になっているモデルを選択し、外部MCP接続をブラウズし、GitHubを選択して、「リポジトリXのオープンなプルリクエストは何ですか？」と質問します。

または、DatabricksMCPClient を使用してコード で直接テストします。

ステップ3：エージェントをデプロイします。 検証が完了したら、Agent Bricks でデプロイします。

ステップ4：監視とトレースします。 エージェントが稼働したら、MLflow Tracing はエンドツーエンドの可観測性を提供します。すべてのリクエスト、すべてのツール呼び出し、すべてのMCPサーバーのやり取りについて、完全な入力と出力を確認できます。Unity Catalogの監査ログと組み合わせることで、誰がいつ、どのエージェントを通じて何にアクセスしたかを確認できます。

はじめに

認証がエージェントが必要なツールに到達できない理由にならないようにしましょう。内部データと外部データの両方に基づいて推論およびアクションを実行するエージェントの構築を開始してください。今日から始めましょう。

(このブログ記事はAI翻訳ツールを使用して翻訳されています) 原文記事