Genie One MCP：あらゆるAIエージェントに適切なビジネスコンテキストを提供

ビジネスリーダーは豊富なデータにアクセスできることが多いものの、一見シンプルに思える次のような質問に対して、信頼できる回答を得られないことがよくあります。 先週、当社の最大顧客で純売上高が8%減少したのはなぜか？ その回答は、売上、財務、プロモーション、在庫、顧客データなど多岐にわたる可能性があり、それぞれのデータソースは単体では正しくても、定義、詳細度、関連性、信頼できる情報源（オーソリティ）が異なっている場合があります。

適切なビジネスコンテキストがなければ、汎用的なAIエージェントは、メトリクスが何を意味しているのか、どのソースが信頼できるのか、データがどのように接続されるべきか、あるいは各ユーザーにどのデータの閲覧が許可されているのかを確実に判断することはできません。

Genie One MCPは、あらゆるMCP対応AIエージェントにガバナンスの効いたコンテキストを提供します。ChatGPT、Claude、Microsoft CopilotなどのアシスタントやコーディングエージェントをGenie Oneに接続することで、承認された定義、信頼できるデータ関係、権限を考慮したアクセス制御を使用して、ビジネス上の質問に回答できるようになります。エージェントに生のテーブルや情報が多すぎるプロンプトから意味を推測させる代わりに、組織はGenie Ontologyでビジネスコンテキストを一度定義するだけで、承認されたすべてのAIエージェントでそれを利用できるようになります。

汎用エージェントにおけるコンテキストの課題

汎用AIエージェントは、接続先のシステムの断片化や曖昧さをそのまま引き継いでしまいます。信頼できるビジネスの回答を得ることを困難にする3つのギャップがあります。

• 断片化された事実：関連データは複数のシステムに分散しており、更新タイミングが異なり、部門の境界をまたぎ、時間の経過とともに変化します。統合されたビューであっても、すでに不完全であったり、古くなっていたりする可能性があります。
• 一貫性のない意味：純売上高、アクティブなプロモーション、予定通りといった用語の定義は、チームによって異なる場合があります。これらの定義はスプレッドシートやドキュメント、あるいは個人の暗黙知として存在していることが多く、エージェントが確実に利用できる形式にはなっていません。
• 信頼できる情報源とリネージの欠如：数値が矛盾している場合、どのソースが信頼できるのか、データがどのように変換されたのか、あるいはどの定義によってその結果が導き出されたのかが不明確なことがよくあります。

信頼性の高い分析を行うには、単にデータを取得するだけでは不十分です。エージェントは、ビジネスの事実がどのように関連しているか、どの定義を適用すべきか、そしてどのソースを優先すべきかを理解する必要があります。

直接的なデータアクセスはビジネスコンテキストではない

AIエージェントを構造化データや非構造化データのソースに直接接続すればアクセスは可能になりますが、信頼性が高くガバナンスの効いた回答を提供するために必要な「共有されたビジネスコンテキスト」は得られません。このコンテキストがない直接アクセスは、4つの課題をもたらします。

• 正確性：直接アクセスでは、どのソース、定義、またはSQLジョインが承認されているかをエージェントに伝えることはできません。これらの選択が回答の品質を左右します。
• コストとレイテンシー：エージェントはスキーマ、ドキュメント、関連性を繰り返し調査する必要があるため、より多くのトークンを消費し、レスポンスが遅くなります。
• ガバナンス：ソースシステム間で直接接続を行うと、エンドユーザーのコンテキストにおいてアクセス制御を一貫して適用することが困難になる場合があります。
• 一貫性：共有されたコンテキストがないと、クライアント、モデル、またはセッションごとに定義の解釈が異なり、一貫性のない回答が生成される可能性があります。

Genie Ontologyによるコンテキストレイヤーの構築

Genie Ontologyは、Genie Oneがお客様のビジネスを理解するのを支援する、Databricksのガバナンスの効いたコンテキストレイヤーです。承認されたメトリクス、ビジネス定義、関連性、所有権、アクセス権限ポリシーを、ノートブック、クエリ、ダッシュボード、ドキュメント、Genieエージェントなどの信頼できるエンタープライズアセットから推測されたコンテキストと組み合わせます。

Genie Oneはそのコンテキストを使用して、適切な定義とソースを特定し、信頼性と認証に基づいて競合を解決し、各ユーザーの権限を適用します。その結果、ガバナンスの効いたビジネスコンテキストに基づいた、追跡可能で権限を考慮した回答が得られます。

最初の質問「 先週、当社の最大顧客で純売上高が8%減少したのはなぜか？」に適用すると、Genie Ontologyは以下のように機能します。 

• 純売上高を、承認されたメトリクス定義に基づかせます。
• 売上、財務、プロモーション、在庫、顧客のアセットを、ガバナンス of 効いた関連性を通じて接続します。 
• それらのソース間で不一致がある場合は、認証されたコンテキストを優先します。 

これにより、高品質な回答が得られるだけでなく、ユーザーがその背景にあるガバナンスの効いた定義やアセットまで遡って確認できる完全な説明も提供されます。

すべてのAIエージェントで共有される1つのコンテキストレイヤー 

ガバナンスの効いたコンテキストレイヤーは、人々が働くさまざまな場所で一貫して使用できるようになることで、その価値をさらに高めます。Genie OneはDatabricks内でネイティブなAIコラボレーション体験を提供する一方、Genie One MCPサーバーは、承認された他のAIアシスタント、コーディングエージェント、クライアントインターフェースに同じガバナンスの効いたビジネスコンテキストを拡張します。これらを組み合わせることで、組織はGenie Ontologyでビジネスの定義を一度構築するだけで、進化を続けるAIエコシステム全体に適用できるようになります。

Genie One：データに精通したAIコワーカー 

Genie Oneは、ビジネスユーザー向けのデータに精通したDatabricksのAIコワーカーです。Genie Ontologyを搭載したGenie Oneは、チームがデータ集約型のビジネス上の質問に回答し、エンタープライズソース全体の情報を統合し、インサイトをドキュメント、タスク、スケジュールされたアクションなどの後続の作業に変換するのを支援します。これは、Databricks内だけでなく、Google Drive、Microsoft 365、Atlassian、Slack、GitHub、Gleanなどのサードパーティツールでも機能します。 

Genie One MCP：すでにお使いのエージェントにビジネスコンテキストを導入

Genie One MCPは、同じガバナンスの効いたコンテキストを、一般的なAIアシスタントやコーディングエージェントに拡張します。すでにClaude、ChatGPT、Microsoft Copilot、またはClaude Codeなどのコーディングエージェントを使用している場合、Genie One MCPはGenieをそれらのツールとして公開し、ネイティブな画面と同じオントロジーと権限適用を提供します。

Genie One MCPは、AIアシスタントに深いエンタープライズコンテキストを即座に提供し、ビジネスユーザーとのやり取りの質を大幅に向上させることができます。以下にいくつかの例を示します。

キャンペーンパフォーマンスのレビュー：マーケティングリーダーがChatGPT Businessに対し、どのキャンペーンが適格なパイプラインを生成しているか、また予算をどこに再配分すべきかを尋ねます。Genie Oneが承認されたアトリビューション、キャンペーン、支出、リード、商談データを接続し、ChatGPTがその結果をキャンペーンのアクションプランに変換します。

月次ビジネスレビュー： 財務リーダーがClaude Coworkに対し、予測マージンと実績マージンの乖離の要因、および対応が必要な地域を尋ねます。Genie Oneが公式の予測、承認されたマージン定義、および関連する業務ドライバーを特定し、Claudeがその結果を業務レビューの説明文とアクションリストに変換します。

顧客維持レビュー：カスタマーサクセスリーダーがMicrosoft Copilot Coworkに対し、どの顧客の利用率が低下しているか、サポート件数が増加しているか、および更新リスクがあるかを尋ねます。Genie Oneが、ガバナンスの効いた顧客、製品の使用状況、サポート、および契約のコンテキストを接続し、Copilotがリスクのあるアカウントを優先順位付けして、ターゲットを絞ったフォローアップを準備します。

Genie One MCPのセットアップ

セットアップは、ワークスペースでのプレビューの切り替えとクライアント接続から始まります。手順はクライアントによって異なるため、詳細についてはAIアシスタントとコーディングエージェントのドキュメントに記載されている手順に従ってください。接続が確立されると、AIアシスタントにGenie One MCP接続が表示されるようになります（以下のClaude Coworkの例を参照）。

Genie One MCPの体験

セットアップが完了すると、Claudeは企業のコンテキストを必要とする質問をされた際に、Genie One MCPを呼び出すことができます。これに対してGenie Oneは、基盤となるデータ資産へのアクセス制御を完全に尊重しながら、十分に推論され構築された回答を返します（Claude CoworkとChatGPTの例については以下を参照）。 

Genie One MCPサーバーは、サーバーがプレーンテキストの代わりに対話型のビューを返せるようにする拡張機能である MCP Appsを提供します。MCP Appsをサポートするクライアントでは、サーバーは対話型のビューを返し、AIアシスタントのインターフェース内（以下を参照）にビジュアル、サマリーメトリクス、Genie Ontologyの引用をレンダリングします。 注意：MCP Appsをサポートするクライアントは自動的に対話型ビューを取得しますが、MCP Appsをサポートしていないクライアントは引き続きテキストのみの結果を取得します。 

 Genie One MCPを使用したChatGPT

 Genie One MCPを使用したClaude Cowork

MCPを使用してClaudeを呼び出すには、シンプルなコマンド ug claude を実行するだけで簡単に行うことができ、Databricksワークスペース内のClaudeインスタンスに接続されます。Claudeモデルサービングエンドポイントが開くと、コマンドラインから直接使用できます。Genie One MCPの統合により、Claudeは正確に回答するためのコンテキストを持つことができます。

Genie One MCPを使用したClaudeコード（CLI）

Genie One MCPの仕組み

ツールコントラクト

Genie One MCPを使用すると、外部のAIエージェントは自然言語の質問を送信することで、Genie Oneのガバナンスされた会話型分析機能のパワーを活用できます。Genieはビジネス用語を解釈し、許可された企業データを検索し、SQLを生成して実行し、Databricksのソースリンク付きの根拠に基づいた回答を返します。 

これを可能にするために、Genie One MCPサーバーは5つのツールを公開しています。 

• genie_askは応答を開始してconversation_idを返し、response_id genie_poll_responseは進行状況のステップを返し、完了時にはDatabricksで探索のディープリンク付きの回答を返します。 
• genie_get_query_resultは、切り捨てられた応答では不十分な場合に完全な結果セットを返します
• genie_cancel_responseは、実行中のターンを停止します。  
• view_askは、MCP Appsをサポートするクライアントでgenie_askを置き換え、進行状況、ビジュアライゼーション、オントロジーの引用を含む対話型パネルをインラインでレンダリングします
• warehouse_id _metaパラメータは、実行を特定のSQLウェアハウスに固定します

IDとアクセス制御

エージェントが基盤となるテーブルではなくGenie Oneを介してクエリを実行すると、ユーザーがアクセスできるメトリクスとその計算方法が決定されます。したがって、ユーザーのIDがリクエストを介して渡される必要があります。推奨されるアプローチは、代理（OBO）ユーザー認証です。外部アシスタントがエンドユーザーのOAuthトークンを渡し、GenieはそのユーザーのコンテキストでUnity Catalogの権限、行フィルター、列マスクを評価します。ユーザーは承認された結果のみを受け取り、ディープリンクはアクセス可能なアセットのみを開きます。

2人のユーザーが同じクライアントで同じ質問をしても、ユーザーごとのプロンプト・ロジックを使用することなく、適切にスコープされた回答を受け取ることができます。外部向けの統合にはサービスプリンシパルを使用したマシン間（M2M）認証を利用できますが、すべての呼び出し元が1つのIDとして表されるため、ユーザーごとの権限適用が排除され、パーソナライズやメモリが制限される可能性があります。

Access Genie everywhereでは、U2M、M2M、OBOパターンとそれらがガバナンスに与える影響について説明しています。外部MCP接続は、標準的な付与を通じて管理されるUnity Catalogオブジェクトです。

管理とモニタリング

管理対象のMCPサーバーは、ワークスペースの エージェント > MCPにリストされ、Unity Gatewayに表示されます。Genie Oneのチャットイベントは監査ログに、SQLの実行はクエリ履歴に、消費量は課金システムテーブルに表示されます。本番環境で役立つベストプラクティスを以下に示します：

• Genie Oneのチューニングは1箇所で行います。MCPサーバーは、Databricksで構成されたワークスペースの指示、認定、およびGenieエージェントのキュレーションを尊重します。クライアントのシステムプロンプトからGenie Oneを制御しようとしないでください。
• ユースケースが1つのキュレーションされたドメインに対応する場合は、 /api/2.0/mcp/genie/{genie_space_id}にある Genie Agent MCPサーバーを優先して使用してください。これは、独自の指示と信頼されたSQLを持つ単一の読み取り専用エージェントを公開するため、ベンチマークやスコープの設定が容易になります。
• クライアントプラットフォームごとに1つのOAuthアプリケーションを登録し、IDポリシーに一致する最小限のスコープとトークンの有効期間を設定します。
• ロールアウトの規模を決定する際は、90秒のSQL実行タイムアウトとワークスペースのGenie QPM制限を考慮してください。Genieエージェントにルーティングされる質問は、後者の制限にカウントされます。
• 偽装によるガバナンスの検証：外部クライアントを介して異なるグループのメンバーとして同じ質問をし、回答が期待通りに異なることを確認します。

Genie One MCPを使い始める

エージェント、クライアントインターフェース、統合プロトコルは今後も変化し続けます。それでも、汎用AIアシスタントは、共有されガバナンスされたビジネスコンテキストから恩恵を受けることができます。 

Genie Ontologyを使用してその共有コンテキストを確立し、Genie One MCPをデプロイして、チームがすでに使用しているエージェントやワークフローにGenie Oneのデータ認識機能を導入しましょう。

詳細については、以下のリソースを参照してください。 

• Genie One MCPの一般提供（GA）を開始 
• データスタックにおけるGenie Ontologyの運用化
• Genie One MCPサーバーのドキュメント： 
  • 管理対象のMCPサーバー
  • MCPをAIアシスタントおよびコーディングエージェントに接続する

(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