データベースとの連携：AIにデータを扱わせる | MCP入門コース

AIが、あなたのデータを知っていたら

AIは膨大な一般知識を持っていますが、あなたの会社の顧客リストや、個人のタスクリストといったプライベートなデータについては何も知りません。もし、AIがこれらのデータに安全にアクセスし、活用できるとしたら、その可能性は大きく広がります。

この記事では、MCPを使って AIとデータベースを連携させる 具体的な方法を解説します。手軽に始められる SQLite を例にとり、データベースから情報を取得したり、新しい情報を書き込んだりするツールを作成するプロセスを学びます。

なぜデータベース連携が重要なのか

AIとデータベースを連携させることには、計り知れない価値があります。

パーソナライズされた応答: AIがあなたの過去の購入履歴や好みをデータベースから参照できれば、「あなたへのおすすめ」は格段に精度が上がります。
業務の自動化: 「先月の新規顧客リストを作成して」という指示で、AIが顧客データベースにアクセスし、レポートを生成できます。
リアルタイムな情報活用: 株価や在庫状況など、常に変動するデータをAIが参照し、最新の情報に基づいた判断を下せるようになります。

要するに、「AIに静的な知識だけでなく、動的でパーソナルなデータを与えることで、その価値を飛躍的に高めることができる」からです。

ステップ1：準備（SQLiteとサンプルデータ）

今回は、セットアップが簡単なファイルベースのデータベースである SQLite を使用します。まず、データベースファイルと、簡単なテーブルを作成しましょう。

以下のPythonスクリプトを実行して、tasks.db というデータベースファイルを作成し、tasks テーブルにサンプルデータを挿入します。

# setup_db.py
import sqlite3

conn = sqlite3.connect('tasks.db')
cursor = conn.cursor()

# テーブル作成
cursor.execute('''
CREATE TABLE IF NOT EXISTS tasks (
    id INTEGER PRIMARY KEY AUTOINCREMENT,
    title TEXT NOT NULL,
    status TEXT NOT NULL DEFAULT 'pending'
);
''')

# サンプルデータ挿入
cursor.execute("INSERT INTO tasks (title) VALUES (?)", ('MCPの記事を書く',))
cursor.execute("INSERT INTO tasks (title, status) VALUES (?, ?)", ('牛乳を買う', 'done'))

conn.commit()
conn.close()

print("データベース 'tasks.db' を作成しました。")

このスクリプトを実行すると、tasks.db ファイルが生成されます。

ステップ2：データを取得するツールを作成する

次に、このデータベースからタスクの一覧を取得するMCPツール get_tasks を作成します。このツールは、オプションでステータスによる絞り込みもできるようにします。

# server.py (一部抜粋)
import sqlite3

def get_tasks(status: str = None):
    """タスクのリストを取得する。オプションでステータスによる絞り込みが可能。"""
    conn = sqlite3.connect('tasks.db')
    # 辞書形式で結果を取得できるようにする
    conn.row_factory = sqlite3.Row
    cursor = conn.cursor()

    if status:
        cursor.execute("SELECT id, title, status FROM tasks WHERE status = ?", (status,))
    else:
        cursor.execute("SELECT id, title, status FROM tasks")

    tasks = [dict(row) for row in cursor.fetchall()]
    conn.close()
    return tasks

このツールのポイントは、sqlite3.Row を使って、結果を辞書（JSONオブジェクトに変換しやすい形式）のリストとして取得している点です。これにより、AIが扱いやすい構造化データを返すことができます。

ステップ3：データを追加するツールを作成する

続いて、新しいタスクをデータベースに追加するツール add_task を作成します。

# server.py (一部抜粋)
def add_task(title: str):
    """新しいタスクをデータベースに追加する"""
    if not title:
        raise ValueError("タスクのタイトルは必須です")

    conn = sqlite3.connect('tasks.db')
    cursor = conn.cursor()

    cursor.execute("INSERT INTO tasks (title) VALUES (?)", (title,))
    new_task_id = cursor.lastrowid

    conn.commit()
    conn.close()

    return {"status": "success", "added_task_id": new_task_id}

このツールでは、引数 title が空でないことをチェックする簡単なバリデーションを入れています。また、戻り値として、成功したことと、新しく追加されたタスクのIDを返しています。

AIとの対話シナリオ

これらのツールをMCPサーバーに登録すると、AIと以下のような対話が可能になります。

あなた: 「保留中のタスクを教えて」 AI: ( get_tasks(status="pending") を実行し、結果を受け取る) AI: 「『MCPの記事を書く』というタスクが保留中です。」

あなた: 「『プレゼンの資料を準備する』というタスクを追加して」 AI: ( add_task(title="プレゼンの資料を準備する") を実行し、結果を受け取る) AI: 「承知しました。新しいタスクとして追加しました。」

このように、AIがデータベースという「長期記憶」を持つことで、よりパーソナルで実用的なアシスタントになることができます。

まとめ

今回は、MCPを通じてAIとデータベースを連携させる方法を、SQLiteを例に解説しました。

データベース連携により、AIはパーソナルでリアルタイムなデータを扱えるようになる。
SQLiteを使えば、手軽にデータベース連携を試すことができる。
データを取得するツールでは、AIが扱いやすいように構造化されたデータを返すことが重要。
データを変更するツールでは、入力チェックや、処理結果を明確に返す設計が求められる。

データベースは、AIの能力を拡張するための最も強力な武器の一つです。あなたの身の回りにあるデータをAIと連携させることで、どのような新しい価値が生まれるか、ぜひ想像してみてください。

次回は、応用編の最後として、さらに外の世界と繋がる「API連携とWebサービス」について学びます。