第8弾では、Agentic Codingを使用したAIチャットボット「AIゲームコンシェルジュ」の開発についてお話を伺いました！

第9弾でも、AIを使ったツール開発についてお話を伺おうと思います！

ーー自己紹介ーー

星：熊崎さん、今回はインタビューのお時間いただきありがとうございます！今日は、MCPを利用した社内向けツール開発についてお話を聞かせてください。まずは簡単に自己紹介をお願いします！

熊崎：前職はVOD（動画配信）業界に10年ほど在籍し、2020年にGameWithへ参画しました。現在はAIを活用した分析業務に従事しており、社内に向けて様々なツールの開発などをしています。

ーー「チャットでGAデータを取得」 最新プロトコルMCPが変える社内分析の形ーー

星：さっそくですが、社内向けツール開発でどの様にMCPを利用したのか教えてください！

熊崎： 一言で言うと、「GA(GoogleAnalytics)のデータを、AIを利用して自然言語で取得するツール」です。 GAの権限を持っている全社員を対象としたツールで、複雑な操作をすることなく、チャット形式で必要なデータを引き出せるようにしています。

星：どういう背景からこのツールの開発することになったんですか？

熊崎：GAのダッシュボードや探索機能は非常に強力ですが、使いこなすにはある程度の慣れが必要です。

非エンジニアや、普段数値分析を専門としないメンバーにとっては、少しハードルが高い部分もありました。

「自然言語で質問して、そのままデータが返ってきたら一番楽だな」という思いが以前からあり、MCPを活用してAIを利用すれば出来るのではないかと思ったのがきっかけです。

ーー最新モデル「Gemini3 Pro Preview」を採用。精度向上の鍵はナレッジ設計ーー

星：MCPを利用したツールを開発するにあたって、どのようなAIを用いて開発したか教えてください！

熊崎：開発にはClaude cordを利用していて、BotのAIモデルにはGoogle Cloudの Vertex AI（Gemini3 Pro Preview） を採用しています。最新のモデルをセキュアな環境で利用できる点が大きな理由です。開発言語は、MCPとの相性も考慮して選定しました。

星：開発するうえで大変だったことがあれば教えてください！

熊崎：ユーザーが入力した「自然言語」を、いかに正確に「GAへのリクエスト」へ変換させるか、というプロセスですね。

具体的には、AIに渡すためのコンテキスト（ナレッジ）として何を定義すべきか、それをどう保持し、どう学習（プロンプトへの組み込み）させるのが最適なのか、といった設計の部分で試行錯誤を繰り返しました。単にツールを作るだけでなく、「意図通りのデータを安定して出力させるための精度向上」に最も時間を割いています。

ーー目指すは「誰もが高度な分析を」。BigQuery連携で見える次のステップーー

星：実際にリリースした後の利用者の反応はいかがですか？

熊崎：現在はまだSlackのプライベートチャンネルに限定して公開し、フィードバックをもらっている段階ですが、「自然言語でデータを呼び出せる」という体験自体は、非常にポジティブな反応をいただいています。

また、現在はGAのAPIだけでなく、BigQueryにエクスポートしているログデータに対しても、AI経由で自然言語での問い合わせができるように調整を進めています。これが実現すれば、より高度な分析を誰もが簡単に行えるようになるはずです。

ーー既存の仕組みを壊し、再構築する。「GameWith × AI」の未来ーー

星：最後に、「GameWith×AI」に興味を持ってくださる方に一言お願いします！

熊崎：今のGameWithは、AIの活用に対して非常に積極的です。エンジニアだけでなく非エンジニアからも「こういう活用はできないか？」というアイデアが次々と出てくる、非常にスピード感のある環境です。

「AIを使って既存の仕組みをどう壊し、再構築していくか」という挑戦に興味がある方は、ぜひ一度カジュアルにお話ししましょう。