TrueFoundry Accelerator シリーズ: MCP ツールによる構造化・非構造化データへのシームレスなクエリ実行

Built for Speed: ~10ms Latency, Even Under Load
Blazingly fast way to build, track and deploy your models!
- Handles 350+ RPS on just 1 vCPU — no tuning needed
- Production-ready with full enterprise support
現代の企業において、データはサイロ化されています。CRM レコード、売上数値、ログなどの構造化データはデータベース内に存在し、研究レポート、顧客からのフィードバック、フィールドノートなどの非構造化データはドキュメントストアに存在します。これら両方を理解・活用するために、チームはコネクタ、パイプライン、分析スクリプトの構築に何時間も費やすことがよくあります。
しかし、これらすべてを1つの層(Model Control Plane (MCP))で統合し、自然言語ですべてにクエリを実行できるとしたらどうでしょうか?
データ操作の新しい方法へようこそ: MCP ツールを介した構造化および非構造化ソースへのクエリ実行です。
MCP とは?
Model Control Plane (MCP) は、AI エージェントと、それが相互作用する外部ツールやデータシステムとの間のブリッジとして機能します。MCP は AI ツールの「オペレーティングシステム」と考えることができます。AI がアクセスできる対象、アクセス方法、およびどのようなコンテキストの下でアクセスするかを定義します。
各 MCP は特定の機能に接続します。例えば、増大するデータセットを管理するために database sharding を使用する構造化データ用のデータベースコネクタ、ドキュメントリトリーバー、さらにはコード実行環境などです。
例えば: -
- Text-to-SQL ツール → 構造化データベースにクエリを実行。
- RAG ツール → 非構造化ドキュメントリポジトリから情報を検索。
- コード実行環境 → 分析ロジック(Python など)を動的に実行。
これらが連携すると、文字通り次のように尋ねることができます: > 「優先度評価による上位 5 名の HCP をリストアップし、社内レポートから彼らの腫瘍学(オンコロジー)への注力領域を要約してください。」
システムは自動的に以下を行います:
1. 上位の HCP についてデータベースにクエリを実行するための SQL を生成。
2. RAG を介して腫瘍学に焦点を当てたレポートを取得。
3. 両方を組み合わせて要約。
構造化データと非構造化データ上での MCP の構築
Sales Rep-Co Accelerator のセットアップを例に、これがどのように機能するかを見ていきましょう。
1. デプロイ済みの Sales Rep-Co MCP サービスを使用
まず、TrueFoundry 上に Sales Rep-Co サービスを MCP としてデプロイすることから始めます。
TrueFoundry のデモテナントへのアクセス権が必要になります。
- サービスが active であり、Pod が実行中であることを確認します。
- 一時停止している場合は再開するか、自動シャットダウン状態の場合は Endpoint/Credentials から再起動します。
- デプロイされていない場合は、提供されている設定を使用して TrueFoundry UI またはローカルから起動できます。
デプロイされると、次のようなエンドポイントが取得できます: https://tfy-eo.truefoundry.cloud/deployments/{deployment_id}?tab=pods
2. AI Gateway に接続する
TrueFoundry の AI Gateway 内で、次へ進みます: > AI Gateway → MCP Servers → + (Add MCP)

sales-repco-accelerator MCP を検索または追加します。
接続したら: - on に切り替えます - Enable All Tools をクリックします。

これで MCP は構造化(SQL)ツールと非構造化(ドキュメント)ツールの両方にアクセスできるようになりました。
3. 1つのプロンプトで両方のデータ世界にクエリを実行
MCP がアクティブになり接続されると、すべて自然言語を通じて構造化データと非構造化データに一緒にクエリを実行できます。
以下にいくつか例を挙げます:
クエリ
内部で何が起こるか
優先度評価による上位 5 名の HCP は誰ですか?
Text-to-SQL が構造化 HCP データベースにクエリを実行します。
腫瘍学に焦点を当てている医師をリストアップし、Metastatic Organotropism に関するレポートを参照した短い要約のドラフトを作成してください。
SQL が医師の詳細を取得 → RAG がレポートテキストを取得して要約 → メールの返信ドラフトを作成します。
腫瘍学部門における HCP 優先度評価の分布を分析してください。
SQL + Python コード実行環境がインサイトを生成および可視化します。
分析、可視化、またはカスタム API 用の MCP ツールを追加することで、このセットアップをさらに拡張することもできます。
なぜこれが重要なのか
従来のエンタープライズデータアクセスワークフローには以下が必要です: - ETL パイプライン、- BI ダッシュボード、- アナリストとビジネスユーザー間の手動での調整。MCP ベースのクエリ使用により: - ツールの切り替えを削減できます。 - 1つのインターフェースを介してすべてにクエリを実行できます。 - 構造化データと非構造化データをネイティブに橋渡しします。これは単に便利というだけではありません。これこそがデータ駆動型の意思決定があるべき姿です。
未来への展望
分析、RAG、CRM、さらには外部 SaaS ツールなど、チームがより多くの MCP を構築するにつれて、マルチエージェントエコシステムが出現し始めます。各エージェントは自らの領域(SQL のエキスパート、要約担当、メール作成担当など)を専門とし、AI Gateway が MCP を介してそれらをオーケストレーションします。企業のデータシステムが静的なダッシュボードではなく、生きてクエリを実行し推論するエンティティとなる世界へと向かっています。
まとめ
MCP 内で構造化クエリ(SQL)、非構造化検索(RAG)、および実行ロジック(Python)を組み合わせることで、エージェントが複雑な領域横断的な質問に即座に答えることが可能になります。データサイエンティスト、セールスリーダー、エンタープライズアーキテクトのいずれであっても、データシステムの上に MCP 層を構築することは、真にインテリジェントなデータアクセスに向けた第一歩です。
TrueFoundry AI Gateway delivers ~3–4 ms latency, handles 350+ RPS on 1 vCPU, scales horizontally with ease, and is production-ready, while LiteLLM suffers from high latency, struggles beyond moderate RPS, lacks built-in scaling, and is best for light or prototype workloads.


















.webp)





.webp)
.webp)
.png)

.png)
.png)
.png)
.png)
.png)
.webp)
.webp)






