[Amazon Bedrock]MCPサーバーでビジネス課題を解決する #AI – Qiita

皆さんはもうMCPサーバーを使っていますか？
LLMと様々なツールを簡単に連携できるので、非常に便利ですよね。

弊社は特定のビジネス課題を解決するため、営業部門にもMCPサーバーを導入しています。
この記事では、AWSのMCPサーバーを活用した社内事例をご紹介します。

Model Context Protocol（MCP）は、大規模言語モデル（LLM）をさまざまなデータソースやツールに接続するための標準化されたプロトコルです。

LLMに対して独自のツールや機能を提供し、AIアシスタントの能力を大幅に拡張することができます。

詳しい説明は稔さんのスライドをご参照してください、非常にわかりやすいです

弊社は主にECデータの販売、可視化と分析サービスを提供しています。具体的には

• 商品の売上推計
• 価格動向
• ランキング情報などを見える化

データを元に、お客様の意思決定をサポートしています。

新規顧客との商談において、「データがあれば何ができるのか」 を直感的かつ素早く理解していただくことが、成約につながる最も重要なポイントです。

これまでは主に自社製品のBIツールを使って説明してきましたが、データ自体は見やすく表示できるものの、そこから得られるインサイトや具体的な活用方法が伝わりにくいというボトルネックがありました

また、Amazon Bedrock Agentを活用したAIサービスも開発しましたが、Agentの思考プロセスの特性上、最終的な回答が出るまでに時間がかかってしまいます。

さらに、クライアントからの質問がAgentの想定用途から外れる可能性もあり、商談の場でクライアントに待ち時間を強いることは失注リスクにもつながるため、アプローチの変更が必要だと考えていました

AWS MCP ServersはAWSLabsが公開したオープンソースプロジェクトで、MCPサーバーをAWS領域に特化させたツールセットです。

主要なMCPサーバー抜粋

特に注目すべき2つのサーバー

1. Amazon Bedrock Knowledge Bases Retrieval MCP Server

• 用途: Amazon Bedrockナレッジベースへのアクセス

2. AWS Lambda MCP Server

• 用途: AWS Lambda関数をMCPツールとして実行

Amazon Bedrock Agentを構築する際、Knowledge BasesとLambda Functionを利用することがよくあります。

AWS MCP Serversを使うことで、Bedrock Agentで構築したインフラストラクチャーを、様々なMCPクライアントから効率的に活用できるようになります。

既存のAIプロダクトの更新を待たずに、MCPクライアントを通じてお客様の様々なリクエストに柔軟かつ高速に対応できるようになります。

また、ビジネス側の創造力に委ねる部分もあるため、商談で得られた良いアイデアや取り組みを今後のAIプロダクト開発に反映していくことも可能になります。

基本的にクライアントはどれでも構いませんが、Claude Desktopの場合は他の多様なデータソースとの連携が可能で、ウェブ検索やデータの可視化も得意としているため、個人的におすすめです。

今回の実装は、Amazon Bedrock Agentを活用したプロダクトが既に存在し、基本的に社内での利用を前提としています。
MCPサーバーを外部販売・提供する場合のアプローチについては、別の記事でまとめる予定です。

AWS側の修正

{
    "Version": "2012-10-17",
    "Statement": [
        {
            "Effect": "Allow",
            "Action": [
                "bedrock:GetKnowledgeBase",
                "bedrock:Retrieve"
            ],
            "Resource": "arn:aws:bedrock:${Region}:${Account}:knowledge-base/*"
        },
        {
            "Effect": "Allow",
            "Action": [
                "bedrock:ListDataSources",
                "bedrock:ListTagsForResource",
                "bedrock:ListKnowledgeBases",
                "bedrock:Rerank"
            ],
            "Resource": "*"
        },
        {
            "Effect": "Allow",
            "Action": "bedrock:InvokeModel",
            "Resource": "arn:aws:bedrock:${Region}::foundation-model/amazon.rerank-v1:0"
        }
    ]
}

{
  "mcpServers": {
    "awslabs.lambda-mcp-server": {
      "command": "path/to/uvx",
      "args": ["awslabs.lambda-mcp-server@latest"],
      "env": {
        "AWS_PROFILE": "IAMユーザーネーム",
        "AWS_REGION": "you-region",
        "FUNCTION_TAG_KEY": "application",
        "FUNCTION_TAG_VALUE": "mcp-tool"
      }
    },
    "github.com/awslabs/mcp/tree/main/src/core-mcp-server": {
      "command": "path/to/uvx",
      "args": ["awslabs.core-mcp-server@latest"],
      "env": {
        "FASTMCP_LOG_LEVEL": "ERROR",
        "MCP_SETTINGS_PATH": "/Users/username/Library/Application Support/Claude/claude_desktop_config.json"
      },
      "autoApprove": [],
      "disabled": false
    },
    "awslabs.bedrock-kb-retrieval-mcp-server": {
      "command": "path/to/uvx",
      "args": ["awslabs.bedrock-kb-retrieval-mcp-server@latest"],
      "env": {
        "AWS_PROFILE": "IAMユーザーネーム",
        "AWS_REGION": "you-region",
        "FASTMCP_LOG_LEVEL": "ERROR"
      },
      "disabled": false,
      "autoApprove": []
    }
  }
}

        "FUNCTION_TAG_KEY": "KEY",
        "FUNCTION_TAG_VALUE": "VALUE"

"FUNCTION_LIST": "your-first-function, your-second-function",

"FUNCTION_PREFIX": "your-function-prefix",

oo市場で今後ヒットしそうなルームエアコンのモデルを検討してください。
MCPサーバーなどを活用して情報を収集し、収集したデータを基に、デザイン性と機能性を兼ね備えたレポートの作成をお願いします。

遠慮せずに、全力を尽くしてください。