MCPツールボックスとAgentDevelopmentKit（ADK）を使用してプロジェクト進捗管理エージェントを構築する

2025/09/19に公開されました。
2025/09/19に更新されました。

BigQueryのプロジェクト・タスク情報を MCP Toolbox for Databasesから参照し、ADKを使って進捗状況などを回答できるエージェントの作り方を紹介します。

Table of contents

author: Mami

1. はじめに

本記事では、MCP Toolbox for DatabasesとAgent Development Kit（ADK） を組み合わせて、社内プロジェクトの進捗管理を支援するエージェントを構築します。BigQuery上に用意したプロジェクト・タスク情報をもとに、自然言語の質問に回答できるようにすることで、担当者や管理者が効率的に進捗状況を把握できる仕組みを作ります。

MCP Toolbox for Databases は、データベースに対する接続やSQLの実行を「ツール」として定義し、エージェントから安全かつ統制された形で呼び出せるようにする仕組みです。これにより、BigQueryやCloudSQLなどのデータベースに直接アクセスするのではなく、あらかじめ設定したクエリや会話型分析ツールを介して情報を取得できます。

Agent Development Kit（ADK） は、エージェントを効率的に設計・開発するためのフレームワークです。モデルやツールの接続、会話フローの定義、デプロイ方法を統一的に扱えるため、開発者はアプリケーションロジックに集中できます。MCP Toolboxで定義したツールをADKで利用することで、ユーザーからの質問を自然言語で処理し、必要なデータ取得と回答生成を一気通貫で実現できます。

2. BigQueryデータセットとテーブル・ビューを用意

BigQueryデータセットを作成し以下テーブルを２つ作成してください。

projects テーブルを作成します。

CREATE TABLE IF NOT EXISTS `YOUR_PROJECT_ID.YOUR_DATASET_NAME.projects`
(
project_id   STRING  OPTIONS(description = "P001 等。tasks.project_id の親キー"),
project_name STRING  OPTIONS(description = "プロジェクト名"),
owner        STRING  OPTIONS(description = "責任者/PM"),
start_date   DATE    OPTIONS(description = "開始日"),
end_date     DATE    OPTIONS(description = "終了予定日"),
status       STRING  OPTIONS(description = "未着手/進行中/完了/保留 など"),
budget_jpy   INT64   OPTIONS(description = "予算(円)")
)
CLUSTER BY status, owner
OPTIONS(description = "プロジェクトテーブル");

tasks テーブルを作成します。

CREATE TABLE IF NOT EXISTS `YOUR_PROJECT_ID.YOUR_DATASET_NAME.tasks` (
project_id   STRING,
task_id      STRING,
task_name    STRING,
assignee     STRING,
start_date   DATE,
end_date     DATE,
status       STRING,
hours_spent  INT64
)
PARTITION BY end_date
CLUSTER BY project_id, status, assignee;

v_tasks_with_project ビューを作成します。

CREATE OR REPLACE VIEW `YOUR_PROJECT_ID.YOUR_DATASET_NAME.v_tasks_with_project` AS
SELECT
t.project_id, p.project_name, p.owner AS project_owner, p.status AS project_status,
t.task_id, t.task_name, t.assignee, t.start_date, t.end_date, t.status AS task_status,
t.hours_spent
FROM `YOUR_PROJECT_ID.YOUR_DATASET_NAME.tasks` AS t
LEFT JOIN `YOUR_PROJECT_ID.YOUR_DATASET_NAME.projects` AS p
USING (project_id);

3. 用意したテーブルにサンプルデータ用意

projectsテーブルにサンプルデータを挿入します。

INSERT INTO `YOUR_PROJECT_ID.YOUR_DATASET_NAME.projects`
(project_id, project_name, owner, start_date, end_date, status, budget_jpy)
VALUES
('P001','新ECサイト刷新','佐藤', DATE '2025-08-01', DATE '2025-10-31','進行中',15000000),
('P002','モバイルアプリ改修','鈴木', DATE '2025-08-01', DATE '2025-09-30','進行中',8000000),
('P003','データ基盤整備','高橋', DATE '2025-08-05', DATE '2025-11-15','未着手',12000000),
('P004','保守改善パッケージ','山本', DATE '2025-08-10', DATE '2025-09-25','未着手',3000000);

tasksテーブルにサンプルデータを挿入します。

INSERT INTO `YOUR_PROJECT_ID.YOUR_DATASET_NAME.tasks`
(project_id, task_id, task_name, assignee, start_date, end_date, status, hours_spent)
VALUES
-- P001 新ECサイト刷新
('P001','T001','企画書作成','佐藤', DATE '2025-08-01', DATE '2025-08-05','完了',12),
('P001','T002','顧客ヒアリング','鈴木', DATE '2025-08-03', DATE '2025-08-06','完了',8),
('P001','T003','要件定義','高橋', DATE '2025-08-07', DATE '2025-08-12','進行中',15),
('P001','T004','詳細設計','伊藤', DATE '2025-08-10', DATE '2025-08-17','未着手',0),
('P001','T005','インフラ準備','山本', DATE '2025-08-15', DATE '2025-08-22','未着手',0),

-- P002 モバイルアプリ改修
('P002','T006','UIデザイン','山本', DATE '2025-08-02', DATE '2025-08-08','完了',20),
('P002','T007','API設計','伊藤', DATE '2025-08-04', DATE '2025-08-15','進行中',25),
('P002','T008','DB設計','佐藤', DATE '2025-08-05', DATE '2025-08-14','未着手',0),
('P002','T009','ログイン機能実装','鈴木', DATE '2025-08-10', DATE '2025-08-18','進行中',18),
('P002','T010','結合テスト','高橋', DATE '2025-08-16', DATE '2025-08-25','未着手',0),

-- P003 データ基盤整備
('P003','T011','DWH設計','高橋', DATE '2025-08-05', DATE '2025-08-20','未着手',0),
('P003','T012','ETL設計','伊藤', DATE '2025-08-06', DATE '2025-08-21','未着手',0),
('P003','T013','単体テスト','鈴木', DATE '2025-08-10', DATE '2025-08-18','進行中',10),
('P003','T014','監視設定','佐藤', DATE '2025-08-12', DATE '2025-08-22','未着手',0),
('P003','T015','ドキュメント作成','山本', DATE '2025-08-12', DATE '2025-08-20','完了',5),

-- P004 保守改善パッケージ
('P004','T016','改善要望整理','佐藤', DATE '2025-08-10', DATE '2025-08-12','完了',6),
('P004','T017','軽微修正対応','鈴木', DATE '2025-08-13', DATE '2025-08-18','進行中',9),
('P004','T018','リリース準備','伊藤', DATE '2025-08-18', DATE '2025-08-25','未着手',0),
('P004','T019','ユーザトレーニング','高橋', DATE '2025-08-20', DATE '2025-08-28','未着手',0),
('P004','T020','運用マニュアル更新','山本', DATE '2025-08-21', DATE '2025-08-29','未着手',0);

データを確認します。

SELECT * FROM v_tasks_with_project;

4. MCPツールボックスを設定

MCPツールボックスのインストール

データベース用MCPツールボックスのバイナリバージョンをインストールします。 リリースページを確認し、OSとCPUアーキテクチャに応じて変更してください。

mkdir mcp-toolbox
cd mcp-toolbox

# リリースページで最新のバージョンを確認してください
export VERSION=0.14.0
export OS="darwin/arm64" # one of linux/amd64, darwin/arm64, darwin/amd64, or windows/amd64
curl -O https://storage.googleapis.com/genai-toolbox/v$VERSION/$OS/toolbox
chmod +x toolbox

tools.yaml を作成

tools.yamlは、MCP Toolbox for Databasesがどのデータベースにどう接続し、どんなSQLをツールとして提供し、それらをどうまとめてエージェントに渡すかを記述する設定ファイルです。記載方法はこちらをご確認ください。

sources:
  my-bigquery-source:
    kind: bigquery
    project: YOUR_PROJECT_ID
    location: us-central1

tools:
  # 1) BigQuery ソースとの会話型のやり取り
  # このツールを利用するには、事前に `gcloud services enable geminidataanalytics.googleapis.com` の実行が必要です。
  ask_data_insights:
    kind: bigquery-conversational-analytics
    source: my-bigquery-source
    description: |
      BigQueryテーブルの内容に関してデータ分析を行ったり、インサイトを得たり、複雑な質問に答える

  # 2) 任意SELECT（読み取り専用）
  bq-exec-sql:
    kind: bigquery-execute-sql
    source: my-bigquery-source
    description: 任意の読み取り専用GoogleSQLを実行する（更新系は禁止）

  # 3) データセット内テーブル/ビュー一覧
  bq-list-tables:
    kind: bigquery-get-table-info
    source: my-bigquery-source
    description: テーブルのメタデータを取得します

  # 4) プロジェクト別進捗サマリ（JOINビュー）
  bq-project-summary:
    kind: bigquery-sql
    source: my-bigquery-source
    description: プロジェクト単位で完了/進行中/未着手件数と総工数を集計する
    statement: |
      SELECT
        project_id,
        project_name,
        COUNTIF(task_status = '完了')   AS done_count,
        COUNTIF(task_status = '進行中') AS doing_count,
        COUNTIF(task_status = '未着手') AS todo_count,
        SUM(hours_spent)                AS total_hours
      FROM `YOUR_PROJECT_ID.YOUR_DATASET_NAME.v_tasks_with_project`
      GROUP BY project_id, project_name
      ORDER BY project_id
      LIMIT 100;

  # 5) 期限範囲でタスク取得
  bq-get-tasks-by-due:
    kind: bigquery-sql
    source: my-bigquery-source
    description: タスクの終了日が指定期間に含まれるものを取得する
    parameters:
      - name: start_due
        type: string
        description: "開始日 (YYYY-MM-DD)"
      - name: end_due
        type: string
        description: "終了日 (YYYY-MM-DD)"
    statement: |
      SELECT project_id, task_id, task_name, assignee, start_date, end_date, status, hours_spent
      FROM `YOUR_PROJECT_ID.YOUR_DATASET_NAME.tasks`
      WHERE end_date BETWEEN PARSE_DATE('%Y-%m-%d', @start_due) AND PARSE_DATE('%Y-%m-%d', @end_due)
      ORDER BY end_date, project_id, task_id
      LIMIT 100;

toolsets:
  project-tracker-toolset:
    - ask_data_insights
    - bq-exec-sql
    - bq-list-tables
    - bq-project-summary
    - bq-get-tasks-by-due

Toolbox サーバーを実行

先ほど作成したファイルを指定して、Toolboxサーバーを実行します。

./toolbox --tools-file "tools.yaml"

5. エージェントとToolboxを接続

エージェント開発キット（ADK）をインストール

agentフォルダを作成、仮想Python環境を作成してADKとMCP Toolbox for Databasesのパッケージをインストールします。

mkdir my-agents
cd my-agents
python -m venv .venv
source .venv/bin/activate
pip install google-adk toolbox-core

エージェントを作成

adk create project-tracker-agent

以下手順に沿って選択・入力していきます。

Choose a model for the root agent:
1. gemini-2.5-flash
2. Other models (fill later)

Choose model (1, 2): 1
1. Google AI
2. Vertex AI
Choose a backend (1, 2): 2

You need an existing Google Cloud account and project, check out this link for details:
https://google.github.io/adk-docs/get-started/quickstart/#gemini---google-cloud-vertex-ai

Enter Google Cloud project ID [YOUR_PROJECT_ID]:
Enter Google Cloud region [us-central1]:

Agent created in <YOUR_HOME_FOLDER>/my-agents/project-tracker-agent:
- .env
- __init__.py
- agent.py

「project-tracker-agent」フォルダ内に.env、__init__.py、agent.pyが出来上がります。

この状態でADKを起動してみます。

adk web

以下のようなWeb UIが起動します。 adk_image_01

この状態だとMCPと接続していないので、agent.pyを以下に書き換えます。

from google.adk.agents import Agent
from toolbox_core import ToolboxSyncClient

toolbox = ToolboxSyncClient("http://127.0.0.1:5000")

tools = toolbox.load_toolset('project-tracker-toolset')

root_agent = Agent(
    model="gemini-2.5-flash",
    name="project-tracker-agent",
    description=(
        "社内プロジェクトの進捗状況やタスク情報を把握し、担当者ごとの工数や進捗サマリを回答するエージェント。"
    ),
    instruction=(
        "あなたは社内プロジェクト管理を支援するエージェントです。"
        "ユーザーからの質問に基づき、BigQueryの project_tracker データセットにある"
        "projects / tasks / v_tasks_with_project を参照して回答してください。"
        "必ず提供されたツール（tools.yamlで定義されたツールセット）を使って、"
        "プロジェクト別の進捗、担当者別工数、タスクの詳細や期日などを検索し、"
        "その結果に基づいて回答を生成してください。"
    ),
    tools=tools,
)

もう一度起動してみます。

adk web

adk_image_02

CLIモードで実行も可能です。

adk run project-tracker-toolset

以下のような結果になりました。

[user]: 2025年8月の未完了 タスクを教えて
[project_tracker_agent]: 2025年8月の未完タスクは以下の通りです。

**進行中のタスク:**
*   **要件定義** (プロジェクト: P001, 担当: 高橋, 終了日: 2025-08-12)
*   **API設計** (プロジェクト: P002, 担当: 伊藤, 終了日: 2025-08-15)
*   **ログイン機能実装** (プロジェクト: P002, 担当: 鈴木, 終了日: 2025-08-18)
*   **単体テスト** (プロジェクト: P003, 担当: 鈴木, 終了日: 2025-08-18)
*   **軽微修正対応** (プロジェクト: P004, 担当: 鈴木, 終了日: 2025-08-18)

**未着手のタスク:**
*   **DB設計** (プロジェクト: P002, 担当: 佐藤, 終了日: 2025-08-14)
*   **詳細設計** (プロジェクト: P001, 担当: 伊藤, 終了日: 2025-08-17)
*   **DWH設計** (プロジェクト: P003, 担当: 高橋, 終了日: 2025-08-20)
*   **ETL設計** (プロジェクト: P003, 担当: 伊藤, 終了日: 2025-08-21)
*   **インフラ準備** (プロジェクト: P001, 担当: 山本, 終了日: 2025-08-22)
*   **監視設定** (プロジェクト: P003, 担当: 佐藤, 終了日: 2025-08-22)
*   **結合テスト** (プロジェクト: P002, 担当: 高橋, 終了日: 2025-08-25)
*   **リリース準備** (プロジェクト: P004, 担当: 伊藤, 終了日: 2025-08-25)
*   **ユーザトレーニング** (プロジェクト: P004, 担当: 高橋, 終了日: 2025-08-28)
*   **運用マニュアル更新** (プロジェクト: P004, 担当: 山本, 終了日: 2025-08-29)

おわりに

MCP Toolbox for Databasesを使うことで、データベースへのアクセスを安全に統制しつつ、あらかじめ定義したクエリや分析を「ツール」として簡単に提供できる強みを実感できました。さらに、ADKを組み合わせることで、複雑な設定なしにエージェントを素早く立ち上げ、自然言語でのやり取りをすぐに試せる手軽さも体験できました。

この仕組みは、今回のプロジェクト進捗管理に限らず、営業支援や顧客管理、監視運用など幅広い業務に応用可能です。ぜひ、MCP Toolbox for Databasesの強みとADKの手軽さを活かして、自分たちのユースケースに合わせたエージェントを試してみてください。

※本記事は、ジーアイクラウド株式会社の見解を述べたものであり、必要な調査・検討は行っているものの必ずしもその正確性や真実性を保証するものではありません。

※リンクを利用する際には、必ず出典がGIC dryaki-blogであることを明記してください。
リンクの利用によりトラブルが発生した場合、リンクを設置した方ご自身の責任で対応してください。
ジーアイクラウド株式会社はユーザーによるリンクの利用につき、如何なる責任を負うものではありません。

前の記事へ
グッバイ、Starlinkの一時停止。または僕は如何にして心配するのを止めてStarlinkを使い続けると決めたか
次の記事へ
IAPでCloud Runを直接保護する