すべてのカテゴリ

最近取り組んでいたのが、MCPサーバーをどう運用するかの整理と、VPS常駐のinternal MCP、そして朝に必要な情報を届けるruntime deliveryの実装です。今回は、ただ「動くようにする」だけではなく、毎日の運用の中で無理なく使い続けられる形まで落とし込めたのが大きな前進でした。まず何が起きていたかMCPサーバーを実際の運用に乗せていく中で、「どう動かすか」だけでなく、どう続けるかが大きなテーマになっていました。技術的に実装できても、毎日使う中で確認が重かったり、履歴が追いづらくなったりすると、運用は少しずつ苦しくなります。だから今回は、VPSで常駐させるinternal MCPと、朝に必要な情報だけを届けるruntime deliveryまで含めて設計しました。「仕組みを作る」だけではなく、実際に使い続けやすい運用の形にすることを意識して進めた流れです。どこで判断が止まりやすかったかいちばん迷いやすかったのは、毎朝同じ会話スレッドを起こし続ける運用で本当にいいのかという点でした。同じスレッドを使い続けると、文脈はつながりやすいです。過去の流れも見やすく、一見便利に思えます。ただ、その一方で、会話履歴がどんどん重くなる必要な情報を探しにくくなるあとから見返したときに、その日の判断が追いづらくなるという問題も出てきます。つまり、続けやすさと見返しやすさの両立が意外と難しかった、ということです。今回いちばん大きかった学び今回いちばん大きかったのは、AIの朝運用は、「裏の固定メモ」と「表の新規配達」を分けると続けやすいということでした。土台になる前提情報や固定メモは、

Googleが新たに発表したMCPサーバは、生成AIをあらゆるGoogleのサービスに簡単に接続できるフルマネージドな仕組みです。まずはGoogleマップやBigQuery、Google Compute Engineなど主要なサービスで利用が可能になりました。たとえばGeminiのようなAIチャットボットに「最寄りの公園までの距離は？」と自然言語で尋ねると、Googleマップからデータを取得して答えてくれたり、BigQueryで巨大なデータの質問も自然言語で実行できるようになっています。 しかも、Agent Development Kit（ADK）を使うことで、Gemini 3 Proの基盤技術で自然言語エージェントの構築もサポートされています。 BigQueryと連携すれば、売上データから収益予測をAIが出してくれたり、Googleマップと組み合わせて効率的な配送ルートの検証もできるようになります。 複数のGoogleサービスを組み合わせた高度な処理が一つのAIによって行えるというのは、これまでの単なるAPI連携とは違った新しい体験です。 MCPサーバは、生成AIやAIエージェントが外部ツールのデータ取得や操作を行う際に用いるプロトコルの役割も持っています。ユーザーはこれまで自前で管理していたMCPサーバの運用を気にせず、Googleが提供するリモートMCPサーバにすぐに接続できるので、GeminiやChatGPTのような生成AIを簡単にGoogleのさまざまなサービスと連携できるようになりました。 今後もGoogleは多くの自社サービスにこのフルマネージドなリモートMCPサ