自作の Elastic AI Agent Tool をMCPサーバーとして公開してみる。

1. はじめに

「Pythonコード不要？Elastic AI Agent と ES|QL で実現する超シンプルな次世代RAG」のブログ で Elastic AI Agent を使って、「柿之助」についての質問に答える RAG を作成しました。

その際、「柿之助」に関するコンテキストを取得する手段として ES|QL を用いた Elastic AI Agent Tool を作成・登録しました。

本記事では、この Tool を MCP (Model Context Protocol) サーバーとして公開し、LM Studio などの MCPクライアントから外部ツールとして呼び出せる環境を構築してみます。

※一般的には MCPサーバーは多様な役割を担いますが、本稿では「柿之助のコンテキストを提供するデータソース」としてシンプルに活用しています。

Elastic AI Agent Tool （の集合）をMCP サーバーとして公開するメリット：

• Claude Desktop や LM Studio などの標準的な MCP クライアントから、自作の Elastic 検索ロジック（ES|QL）をコンテキスト提供ツールとしてシームレスに呼び出せるようになります。

2. 動作環境

• Elastic Cloud Enterprise License (Elastic Integration Service (EIS) 用に必要)
• Docker 実行環境 (筆者はWindows用のRancher Desktop 1.24.0を利用)
• MCPクライアント : LM Studio 0.4.25
• Local Chat LLM : google/gemma-4-e4b

※Elasticsearch 9.5.3 (Trial License) は、自動的にダウンロードされます。

※今回、MCPクライアントには LM Studio を利用しました。MCPクライアントに Claude Desktop などを利用することも可能です。　→　参考URL: Claude DesktopにElastic Agent BuilderのMCPサーバーを追加する方法

3. 以前のバージョンとの比較

2025年1月に作成した RAG アプリケーションとの比較表です。

4. シーケンス図（概略図）

5. 準備

Pythonコード不要？Elastic AI Agent と ES|QL で実現する超シンプルな次世代RAG の準備作業の 1 ～ 5.4 までを行い、以下が完了している状態にします。

• Elasticsearch / Kibana のセットアップ
• ES|QLを用いた AI Agent Tool (kakinosuke.get_contents) の登録

※なお、Elastic 側の AI Agent の登録は今回は不要です。

6. MCPサーバーのURL の取得

※ Kibana の Display language : 日本語 としています。

6.1. Elasticsearch / Agent / Tool の画面の表示

Kibana にログイン後、Home / Elasticsearch / エージェント / ツール の画面を表示します。

6.2. すべてのツールを管理

右上の すべてのツールを管理 をクリックします。

6.3. MCPサーバーのURLをコピー

ツールライブラリ画面が表示されるので、右上の MCPを管理 から MCPサーバーのURLをコピー をクリックします。

MCPサーバーのURLがクリップボードにコピーされるので、メモ帳などに貼り付けて記録しておきます。

今回は Docker 上で、HTTP で動作させているため、下記のような URL になるはずです。

http://localhost:5601/api/agent_builder/mcp

7. API Key の発行

7.1. APIキー作成画面の検索

上部の検索窓に api と入力します。「セキュリティ / APIキー」が検索結果に表示されるのでクリックします。

7.2. APIキー作成画面への遷移

[(+) APIキーを作成] をクリックします。

既に他のAPIキーが存在する場合、表示される内容が異なりますが、その場合も [(+) APIキーを作成] をクリックしてください。

7.3. APIキーの作成

APIキー作成画面が表示されます。

名前に MCPサーバーへのアクセス用とわかる名前を入力し、右下の [APIキーを作成] をクリックします。

• 名前 : mcp_server_api_key (例)

※注 本番運用では、有効期限の設定や、セキュリティ権限の制御を行うことを推奨します。

7.4. APIキーのコピー

APIキーが作成されると、APIキーの作成完了画面が表示されます。

エンコーディング済のAPIキーの値をコピーします。

コピーした APIキーは、メモ帳などに貼り付けて記録しておきます。

もしも、この値を忘れてしまったら、APIキーを再作成してください。

8. LM Studio からの MCPサーバー への接続手順

8.1. Developer Mode

LM Studio を起動し、Developer Mode を選択します。

Developer Mode の画面から [mcp.json] をクリックします。

8.2. mcp.json の編集

mcp.json の編集画面になるので、下記を貼り付けます。貼り付けが終わったら、mcp.json を保存します。

※既存の設定がある場合は、それらの設定を削除しないように貼り付けてください。

※mcp-remote の次の行のURLには、6.3. でコピーしたMCPサーバーの URL を貼り付けます。

※YOUR_API_KEY== のところには、7.4. でコピーした APIキーの値を貼り付けます。

{
  "mcpServers": {
    "elastic-agent-builder": { 
      "command": "npx",
      "args": [
        "-y",
        "mcp-remote",
        "http://localhost:5601/api/agent_builder/mcp",
        "--header",
        "Authorization:${AUTH_HEADER}"
      ],
      "env": {
        "AUTH_HEADER": "ApiKey YOUR_API_KEY=="
      }
    }
  }
}

9. LM Studio での Local LLM のロード

LM Studio で使いたい LLM を選択してロードします。ここでは、google/gemma-4-e4b を選択しています。

この状態では、まだ、Elastic AI Agent Tool の MCPサーバーとは接続できていません。

10. MCPサーバーとの接続

10.1. mcp/elastic-agent-builder との接続

LM Studio の画面の右側に Integrations メニューが表示されます。

そこから mcp/elastic-agent-builder の左のスイッチを ON にします。

MCPサーバー (Elastic AI Agent Tool) との接続が行われます（少し時間がかかります）。

10.2. 利用する tool の選択

MCPサーバー (Elastic AI Agent Tool) との接続に成功すると、tool の一覧が表示されます。

今回利用したい tool は、kakinosuke_get_contents のみなので、それ以外のチェックを外します。

※ Elastic 側では、kakinosuke.get_contents として登録しましたが、LM Studio 側には kakinosuke_get_contents として表示されます。

なお、MCPサーバーへの接続に成功すると、LM Studio のチャット入力欄に elastic-agent-builder が追加されて表示されます。

11. 問い合わせの実行

11.1. 問い合わせの実行

LM Studio のチャット入力欄に次の内容を入力します。

あなたは柿之助についての質問に答えるエージェントです。

# 指示1

与えられた質問を query とし、次の tool を呼び出して、結果の 5 件のドキュメントを受け取りなさい。

受け取った5件のドキュメントを指示2に渡しなさい。

- tool : kakinosuke_get_contents

# 指示2

指示1 で取得した 5 件のドキュメントを元に、与えられた質問 (query) に答えなさい。

# 質問

柿之助の3人の家来は誰?

11.2. 処理の継続

途中で、「処理を継続するか？」の確認を求められるので、処理の継続を選択します。

11.3. 回答の確認

回答が次のように返ってきます（下記は回答例です）。

ご提示いただいた資料に基づくと、柿之助の3人の家来は**猫**、**ゴリラ**、そして**鷹**です。

資料には「猫と、ゴリラと、鷹と、これで三にんまで、いい家来ができたので」といった記述や、「宝物をいっぱい積んだ車を、猫が先に立って引き出しました。鷹が綱を引いて、ゴリラがあとを押しました。」という描写から、この3体が一緒に行動していることが確認できます。

LM Studio から MCPサーバーとしての Elastic AI Agent Tool へ接続し、必要なコンテキストを取得して、Local LLM に回答させることに成功しました。

12. 注意事項

• 公開単位の仕様：
  • Elasticsearch の MCPサーバーは、登録されている Elastic AI Agent Tool の「集合（ライブラリ全体）」を公開します。個別の Tool のみを個別に絞り込んで公開することはできません。
• 通信の暗号化 (HTTPS)：
  • 本稿ではローカル検証のため、Kibana を HTTP で動作させていますが、本番運用時は必ず HTTPS (TLS) で保護してください。
• スペースの分離：
  • 今回は検証用に Kibana の Default スペースを使用しましたが、本番環境では公開専用のスペースを作成・整理して運用することを推奨します。
• API Key の権限最小化：
  • 今回発行した API Key は検証用に有効期限や権限を設定していません。本番環境では、必要最低限のロール設定および有効期限を設定してください。

13. 参考URL

• Pythonコード不要？Elastic AI Agent と ES|QL で実現する超シンプルな次世代RAG
• Claude DesktopにElastic Agent BuilderのMCPサーバーを追加する方法
• GitHubリポジトリ