Introducing Streamhouse: the open data architecture for AI | Learn More
開発者向けAIツール提供開始 — ConfluentのMCPサーバーとAgent Skills
あなたのAIコーディングアシスタントが、Confluentの言語を話せるようになりました。
開発者はエディタの中で作業しています。優れたプラットフォームツールは、その場に合わせて提供されるものであり、AIアシスタントもまた、その場に合わせて提供されるのです。AIコーディングツールはすでに、開発者がソフトウェアを構築、デバッグ、運用する方法を再定義しつつありますが、その多くは汎用的なものです。Apache Kafka®のプロデューサーを記述することはできても、あなたのScheme Registryの主題は把握していません。変更データキャプチャ（CDC）コネクタの設定をすることはできても、Apache Flink ®やTableflowを経由してデータレイクにスムーズにデータを取り込む方法までは知りません。
もし、AIコーディングアシスタントがConfluentを本当に理解したらどうでしょう？単なる一般的なコード生成の補完だけでなく、トピックの発見方法、遅延しているコンシューマーグループの診断方法、あるいはConfluentのベストプラクティスに沿ったCDCパイプラインの構築方法といった、実際の運用知識を備えていたとしたらどうでしょうか？
本日、それを実現する3つの機能の一般提供（GA）を発表します。オープンソースのローカルModel Context Protocol（MCP）サーバー、ConfluentがホストするマネージドMCPサーバー、そしてあらゆるAIコーディングツール向けにConfluentのドメイン専門知識をパッケージ化した「Agent Skills」です。これらを組み合わせることで、AIエージェントはストリーミングプラットフォームに直接アクセスできるようになり、それに基づいて行動するためのツールと、それを推論するためのドメイン知識を兼ね備えることになります。
おさらい：MCPとAgent Skills
詳細に入る前に、まずこの2つの機能がどのように動作するのか、そしてなぜ両方必要なのかについて説明します。
MCP：接続
MCPは、AIコーディングツールと外部システムを接続するオープンスタンダードです。データベース、クラウドプロバイダー、SaaS（Software-as-a-Service）APIなど、あらゆるプラットフォームがMCPサーバーを公開することができ、このプロトコルに対応したAIアシスタントであれば、どれでも接続できます。MCPは、構造化された双方向のブリッジを提供します。アシスタントは、標準化されたインタ ーフェースを通じて、利用可能なリソースを検出し、データを読み取り、アクションを実行することができます。
Agent Skills：知識
単に接続するだけでは、必ずしも十分とは言えません。MCPはAIアシスタントにプラットフォームへの接続性を提供しますが、それを効果的に活用するための専門知識までは提供しません。Agent Skillsは、そのギャップを埋めるものです。これは、特定のプラットフォーム向けにドメイン知識、ベストプラクティス、ガードレール、ガイド付きワークフローをパッケージ化したプラグインであり、AIアシスタントが汎用的な提案ではなく、正確で実運用に耐えうる出力を生成できるようにします。
MCPは、お客様の環境との接続機能を提供します。Skillsは、それを正しく活用するための知識を提供します。これらを組み合わせることで、汎用的なAIアシスタントを、プラットフォームを意識したアシスタントへと変えるのです。
ローカルMCP Server: オープンソース、どこでも実行可能
MCPは、AIアシスタントが外部ツールやデータソースに接続できるようにするオープンスタンダードです。ConfluentのオープンソースMCPサーバーはこのプロトコルを実装しており、AIエージェントがConfluent環境（Confluent CloudおよびローカルのKafkaクラスターの両方）に直接アクセスできるようにします。
サーバーをローカルにインストールし、Confluent環境を指定すれば、AIアシスタントは以下の操作を行うことができます。
発見：トピック、スキーマ、コネクター、およびFlinkのコンピュートプールの一覧
ビルド：トピックの作成、メッセージの生成、Flink SQL文の実行、コネクタの設定
管理：トピックの構成更新、コネクタ設定の変更、スキーマおよび環境の管理
デバッグ：メトリクスの照会、コネクタのステータス確認、Flinkステートメントのパフォーマンス分析、問題の診断
ローカルのMCPサーバーは読み取りおよび書き込み両方をサポートしており、開発者やプラットフォームエンジニアはエディタから自身の環境をフルにコントロールできます。すべてのツールには、ディスクリプション、入力スキーマ、操作のコンテキストなどの構造化されたメタデータが付与されているため、AIアシスタントはアクションを実行する前にその影響を評価することができます。AIコーディングツールに組み込まれた権限モデルにより、どの操作を許可するかをさらに細かく制御することが可能です。
このサーバーはConfluent CloudとApache Kafkaの両方をサポートしているため、ローカルのDockerクラスター上で開発する場合でも、本番環境のConfluent Cloud環境で開発する場合でも、同じツールを使用できます。また、オープンソースであるため、コミュニティはissueの報告や新しいツールの提案を通じて貢献し、プロジェクトの方向性を形作る一助となることができます。
Tこのサーバーはオープンソースであり、npx -y @confluentinc/mcp-confluent -e /path/to/.envを実行してインストールできます。また、github.com/confluentinc/mcp-confluentにアクセスし行うこともできます 。
マネージドMCPサーバー：設定不要、Confluent によるホスティング
マネージドMCPサーバーはConfluent Cloudに直接ホストされており、ローカルサーバーを補完する読み取り専用のエントリポイントとして機能します。これは、探索、検査、診断に最適です。AIアシスタントをConfluent Cloudに接続すれば、プラットフォームの進化に合わせて常に最新の状態に保たれるツールを用いて、すぐに環境へのクエリを開始できます。ツールは2つの階層に分類されています：
Globalサーバー： Confluent Cloudのorganization全体を対象とするツールには、環境およびクラスターの検出、テレメトリ指標、ならびにコネクタのステータス、設定、オフセット、エラーの概要、修正の推奨事項、ログ、コネクタレベルの指標などを網羅した、包括的なコネクタトラブルシューティングスイートが含まれます。.
Regionalサーバー： 特定のクラスターを対象とするツールには、トピックの一覧表示や検査、スキーマサブジェクトの閲覧、メッセージの受信などがあります。
コネクタのトラブルシューティングスイートは、コネクタの問題を診断・解決するために特別に設計されています。コネクタに障害が発生した場合、AIアシスタントがそのステータスを読み取り、設定を確認し、ログを検証し、修正案を伴うエラーの概要を表示することができます。これらすべてを、エディタから離れることなく行えます。
マネージドサーバーが認証、レート制限、APIのバージョン管理を処理するため、ユーザーはそれらを気にする必要はありません。Confluentが新しいプラットフォーム機能を提供すると、 対応するMCPツールが自動的に利用可能になります。
マネージドサーバーがConfluent Cloudで利用可能になりました。AIアシスタントを接続して、ぜひお試しください。
Agent Skills：AIエージェントのためのドメイン知識
AIコーディングアシスタントは強力な汎用ツールですが、利用しているプラットフォームの詳細までは把握していません。オープンソースのApache Flinkでは動作するFlink SQLを生成しても、必要なテーブルプロパティが欠落しているため、Confluent Cloudでは動作しないことがあります。また、Scheme Registryのシリアライゼーションに対応していないKafkaプロデューサーを構築してしまい、本番環境で管理されていないスキーマが残ってしまうこともあります。また、2バージョン前に非推奨となったパラメータを使用してコネクタを設定してしまうこともあります。
Agent Skillsは、Confluentのドメイン専門知識を、あらゆるAIコーディングツールが利用できる再利用可能な知識モジュールとしてパッケージ化することで、この課題を解決しています。各スキルには、特定のドメインにおけるベストプラクティス、ガードレール、ワークフローが組み込まれています。また、インフラストラクチャのプロビジョニングのような複雑な操作については、Agent Skillsはアクションを実行する前に、確認用の詳細な実行計画を提示します。これらはMCPサーバーを必要とせず、スタンドアロンで動作しますが、MCPサーバーに接続されている場合は、ドメイン知識と実稼働環境へのアクセスを組み合わせることで、さらに強力なワークフローが実 現できます。
リリース時には、4つのスキルが利用可能です。
Schema Registry: プロジェクトをスキャンし、データモデルからスキーマを抽出し、個人を特定できる情報（PII）フィールドにタグを付け、それらをSchema Registryに登録するためのTerraformを生成します。1つのワークフローで、ガバナンスが適用されていないスキーマから適切なガバナンスへと移行できます。
Kafka Streams: トポロジーの設計やパターンの選定から、本番環境での問題のトラブルシューティングに至るまで、Kafka Streams アプリケーションをエンドツーエンドで設計、構築、デバッグします。
Python Kafka Client: ターゲット環境に合わせてScheme Registryのシリアライズ設定が行われた、本番運用可能な状態のPythonのプロデューサー／コンシューマープロジェクトの骨組みを生成します。
CDC to Tableflow: Confluent Cloudで、データベースのソースからDebezium、Flink、Tableflowを経て、Apache Iceberg™またはDelta Lakeテーブルに至るまで、エンドツーエンドのCDCパイプラインを構築します。
Agent Skillsは、Claude Code、Cursor、Windsurfなど、これをサポートするあらゆるAIコーディングツールで利用可能です。一度インストールするだけで、AIアシスタントとのあらゆる会話がConfluentに対応するようになります。
利用可能なAgent Skillsの一覧は、github.com/confluentinc/agent-skillsで確認できます。また、npx skills add confluentinc/agent-skills を実行するだけで簡単にインストールできます。
実際に動作を確認してみましょう：Agent SkillsとMCPサーバー
以下は、Agent SkillsとMCPサーバーが連携して動作する様子です。このデモでは、開発者がConfluent Cloudの環境の探索から、MySQLからIcebergへの完全なCDCパイプラインの構築に至るまで、すべて自然言語のプロンプトだけで行っています。
自然言語を用いてIcebergへのCDCパイプラインを構築
探索と調査
開発者はまず、利用可能なリソースを確認することから始めます。MCPサーバーが環境（10の環境、トピック、スキーマ、コネクタ）を調査し、エディタを離れることなく全体像を返します。
「Confluent Cloudでは、どのようなリソースを利用できますか？」
次に、彼らはライブ（リアルタイム）データを検証します：
「stock_tradesテーブルの最新のデータを表示してください。」
エージェントはトピックからメッセージを取り込み、それらをテーブルに表示します。表示されるのは、銘柄、口座、ユーザー情報が含まれた模擬取引データです。2つのプロンプトで、瞬時に状況を把握できます。
CDCパイプラインの構築
ここで開発者は、MySQLからIcebergデータレイクへと至るエンドツーエンドのCDCパイプラインという、野心的な要件を提示します。
「Confluent Cloudを使って、MySQLからIcebergへCDCデータを取り込みたい。」
CDC to Tableflowスキルは、トリガーワード（CDC + Iceberg + Confluent Cloud）に基づいて自動的に起動し 、ユーザーが直接スキルを起動する必要はありません。また、パイプラインアーキテクチャ全体の概要と実行計画を提供します：
Confluent CloudおよびMySQLの接続情報の入力が求められます。開発者がローカルの設定ファイルを指定すると、スキルがそれらを読み取り、既存の環境を把握した上で、コネクタの設定、Flink SQLの戦略、Tableflowの設定といった詳細な実行計画を提示し、実行前に確認を行います。承認されると、エージェントが手動操作を必要とせずにビルド全体を実行します。
監視と診断
パイプラインが実行されている間、開発者はその状況を確認できます：
「パイプラインの状態を確認してもらえますか？」
エージェントは、CDCコネクタ、2つのFlink INSERTジョブ、2つのTableflowマテリアライゼーションという5つのコンポーネントすべてに対してヘルスチェックを実行し、そのステータスを1つのテーブルに集約して報告します。その後、開発者はさらに詳細を確認できます：
「target_pageviews に関連するスループットはどのくらいですか？」
エージェントは、受信バイト数、受信レコード数、送信バイト数、および保持バイト数について、テレメトリAPIにクエリを実行します。これにより、3つの異なるフェーズが特定されます。すなわち、パイプライン処理前の定常状態のトラフィック、コネクタのプロビジョニング中のギャップ、そしてFlinkが初期のMySQLスナップショットを処理する際にピークで約24万レコード/分に達するスナップショットバーストです。
7つの自然言語プロンプトと1つの エンドツーエンドワークフロー - 探索からパイプラインの構築、本番環境の監視まで、わずか数分で完了します。MCPサーバーが本番環境へのアクセスを提供し、CDC to Tableflowスキルが、それを正しく構築するための専門知識を提供したのです。
さあ、はじめましょう
以下3つの機能はすべて一般提供が開始されました。ご自身のワークフローに合った方法をお選びください。
ローカルMCPサーバー：github.com/confluentinc/mcp-confluentからオープンソースのサーバーをインストールします。Confluent CloudおよびローカルのKafkaに対する完全な読み取りおよび書き込みアクセス権を取得します。
マネージドMCPサーバー：https://docs.confluent.io/cloud/current/ai/ai-tools/managed-mcp-server.htmlでAI コーディングツールから設定無しで直接接続できます。Confluent Cloudの環境への読み取り専用アクセス権を取得できます。
Agent Skills：github.com/confluentinc/agent-skillsからドメイン固有のスキルを見つけ、インストールしてください。これらのスキルは、Claude Code、Cursor、Windsurf などの AI コーディングツールと連携し、ローカルおよびマネージドMCPサーバーの両方で利用できます。
クラウドのユーザーインターフェースへのコンテキスト切り替えを避けたい開発者であっても、チーム向けに共有ツールをセットアップするプラットフォームエンジニアであっても、自分に合ったものを選び、そこから構築を進めていってください。
ConfluentのAI開発者向けツールについて詳しく知りたい方は、confluent.ioをご覧いただくか、コミュニティフォーラムでの議論にご参加ください。
Apache®, Apache Kafka®, Kafka®, Apache Flink®, Flink®, Apache IcebergTM, and IcebergTM are either registered trademarks or trademarks of the Apache Software Foundation in the United States and/or other countries. No endorsement by the Apache Software Foundation is implied by using these marks. All other trademarks are the property of their respective owners.
