Model Context Protocol の概要
 |
Model Context Protocol (ベータ) は、現在プレビューモードで提供されており、基本的な機能検証のみを使用できます。完全な資格認定および拡張機能は、今後のリリースで導入される予定です。
|
従来の方法では、各 AI アプリケーションは、各バックエンドシステムにカスタム統合する必要があります。M 個の AI アプリケーションと N 個のデータソースがある環境では、M × N 個の独立した統合が必要です。
たとえば、3 個の AI アプリケーションが 3 個のデータソースに接続されている場合、9 個の個別の統合が必要であるだけでなく、それぞれに独自の認証ロジック、データマッピング、エラー処理、継続的なメンテナンスが必要となります。このモデルでは、システムの数が増えるにつれて拡張が難しくなり、エンジニアリングのオーバーヘッドが増加し、機能提供が遅れ、アプリケーションによるエンタープライズデータの使用方法に一貫性がなくなります。
MCP は、AI アプリケーションと外部システムの対話方法を標準化することで、このような断片化を排除します。
次の図に、統合数が M × N の場合に、複数の AI アプリケーションとデータソースによって、カスタム接続の複雑なウェブが形成される問題を示します。
MCP による統合の簡素化
MCP は、AI アプリケーションとバックエンドシステムの間に標準化された対話レイヤーを導入します。各 AI アプリケーションを各データソースと個別に統合する代わりに、MCP クライアントと MCP サーバーを介する統合フレームワークを提供します。
• AI アプリケーションは MCP クライアントと 1 回統合します。
• データソースは MCP サーバーと 1 回統合します。
MCP は、ツールの実行、スキーマの交換、コンテキスト通信などを定義する対話モデルを管理します。これにより、すべてのアプリケーションをすべてのデータ ソースに直接カスタム統合する必要のある M × N モデルの統合パターンから、各システムを MCP エコシステムに 1 回だけ接続する M + N モデルの統合バターンに移行します。
3 個の AI アプリケーションと 3 個のデータソースの場合、統合数は 9 から 6 に減少します。この標準化されたアプローチにより、スケーラビリティが向上し、メンテナンスのオーバーヘッドが軽減され、多様なシステム間で一貫した相互運用性が実現します。
次の図に、MCP を導入して統合パターンを M × N カスタム接続から合理化された M + N モデルに変更することにより、複雑さを軽減してスケーラビリティを向上させる方法を示します。
マルチサイト ThingWorx デプロイメント間の MCP 統合
次の図に、MCP を使用することで、AI システムと複数の製造拠点にまたがる分散型 ThingWorx 環境との間で、インテリジェントな統合対話を可能にする方法を示します。
AI 対話レイヤー
最上位では、ThingWorx AI Assistant は MCP クライアントとして動作できるため、AI エージェントは標準化された MCP 対話を通じて ThingWorx サービスを呼び出すことができます。これにより、データクエリー、診断、インテリジェント自動化などのワークフローが可能になります。
カスタムアプリケーションや ThingWorx アプリケーション (DPM や AMU など) も、同じ MCP インタフェースを介して通信できます。
ThingWorx MCP サーバー
製造拠点または地域ごとに展開される各 ThingWorx インスタンスは、MCP サーバーとして機能し、MCP を介してプラットフォーム機能 (ツール、プロンプト、リソース) を公開します。これにより、AI アプリケーションを、カスタム統合せずに、一貫したインタフェースを使用してあらゆるサイトに接続できます。
図に示すサイトデプロイメントの例には、次のものが含まれています。
• サーバー 1 - サイト 1 および 2 (ボストン、デトロイト)
• サーバー 2 - サイト 3 (ミュンヘン)
• サーバー 3 - サイト 4 (メキシコシティ)
各サーバーは、ERP、MES、PLM、Kepware に接続された産業機器などのローカル運用システムと統合されています。
MCP を使用したマルチサイトデジタルスレッド
MCP は、すべてのサイトの AI クライアントと ThingWorx サーバーの間に標準化された通信レイヤーを提供します。次のような利点があります。
• AI が運用データを操作するための、統一された一貫性のあるインタフェース
• 異種システム間の統合の複雑さを軽減
• 任意の ThingWorx デプロイメントからコンテキスト情報にアクセス
• AI を活用したスケーラブルなマルチサイトのオーケストレーションと分析
MCP を使用したエージェントとシステムの統合
Claude Desktop、Cursor、VS Code 拡張機能、カスタム AI アプリケーションなどの MCP クライアントは、次のような MCP 準拠のシステムと統合できます。
• ThingWorx MCP サーバー
• MCP インタフェースを公開するサードパーティのシステム
統合すると、AI エージェントをカスタムコネクタなしで複数のエンタープライズシステムで動作させ、構造化されたツールアクセス、プロンプト、データ リソースに MCP を活用できます。
AI エージェントと接続されたシステムのエコシステム
MCP を使用すると、エージェントは ThingWorx だけでなく、次のような MCP をサポートするシステムとも対話できます。
• SAP
• Salesforce
• Microsoft 365
• Slack
• GitHub
• その他の ThingWorx サーバー
主な利点
• 標準化 - MCP は、AI とシステム間の通信に共通のプロトコルを提供することで、カスタムのポイントツーポイント統合を不要にします。
• スケーラビリティ - 統合を再構築せずに、新しいサイトまたはアプリケーションを追加できます。
• AI 主導の洞察 - 一元化された AI アシスタントにより、分散された運用データについての洞察を得ることができます。
• 拡張性 - ThingWorx のツールとリソースは、任意の MCP 準拠のホスト (Claude Desktop や VS Code 拡張機能など) にプラグイン可能です。