現在、多くの AI プログラミングアシスタントが MCP（Model Context Protocol）に対応しており、これは AI に「手」を与えて外部 API を呼び出せるようにするようなものだ。だが、API を AI が使えるツールに変換するのは、聞こえほど簡単ではない。OpenAPI 仕様をそのままモデルに渡しても、得られるのは複雑で膨大なエンドポイントの羅列が多く、AI はどれを呼び出せばいいのか見分けがつかない。セキュリティ認証情報の管理に至ってはなおさらだ。
GetKeri は、まさにこの課題を解決しようとする新ツールだ。OpenAPI スペックを入力として受け取り、取捨選択済みの MCP サーバーを出力する。すべてのエンドポイントを機械的に AI に晒すのではなく、タスクレベルのツールとして整理するのだ。たとえば EC の API に数十のエンドポイントがあったとしても、Keri はそのすべてを AI に見せるのではなく、「注文の確認」「在庫の更新」といった実際のタスク単位で構成する。
変換だけでなく、テストとスコアリングも提供
注目すべきは、GetKeri が単なるフォーマット変換ではないという点だ。生成された MCP ツールのそれぞれに準備度スコアを付与する。これは、そのツールが AI にとってどれほど信頼できるか、パラメータが明確か、ドキュメントが揃っているかを示す指標だ。スコアリングの前に、システムはモックトレースとリアルタイム呼び出しテストを実行し、エンドポイントが実際に通じるか、レスポンスが期待どおりかを確認する。
開発者にとって、これは AI を接続する前に品質検査を済ませられることを意味する。実際にテストを通過したツールだけが最終設定に含まれるため、AI の呼び出しでエラーが発生する可能性が抑えられる。最終的な出力はそのままインストールできる MCP 設定ファイルで、Cursor や Claude などの一般的な環境に適合しており、YAML を手書きする必要はない。
典型的なユースケースと導入の提案
最も適したユーザーは、自社開発やサードパーティ製の API を AI エージェントに組み込みたい開発チームだろう。たとえば、社内に注文システムがあり、Cursor から自然言語で直接データを照会できるようにしたい場合、従来は MCP サーバーを自前で実装する必要があった。しかし GetKeri を使えば、設定ファイルを生成するだけで素早く稼働させられる。また、クラウドホスティングとローカル実行の両方に対応しており、ローカルモードなら機密性の高い API を自社環境に留めておける。
セキュリティ面では、GetKeri はより安全なトークン処理の方法を採用している。シークレットキーをモデルに直接公開するのではなく、サーバーサイドでの転送や環境変数によって管理する。これは本番環境では特に重要だ。実際の認証情報を AI にそのまま保持させるのは、リスクが大きいからだ。
- OpenAPI 仕様をタスクレベルの MCP ツールへ自動マッピング。全エンドポイントを無理やり公開するのではなく
- 準備度スコア、モックトレース、リアルタイム呼び出しテストを提供し、導入後の失敗確率を低減
- 標準の MCP 設定ファイルを出力し、Cursor や Claude など主要環境に対応
- ホスティングとローカルの2つのデプロイ方式に対応し、キー管理がより安全
実際に注意すべきポイント
試してみる場合、いくつか注意したい点がある。まず、入力は OpenAPI ファイルだけで足りるが、元の仕様の品質が生成結果に直結する。もともとの API ドキュメントにパラメータの欠落や曖昧な記述があると、Keri のスコアは低くなるため、先にメタデータを補完しておく必要がある。次に、無料プランには通常、呼び出し回数やプロジェクト数の制限があるため、チームで使う前に契約プランを確認しておこう。最後に、非常に複雑だったり高度にカスタマイズされた API の場合、自動生成されたタスク分割は手動での微調整が必要になることがあり、完全にノータッチとはいかない。
総じて、GetKeri は非常に現実的な課題を狙っている。AI と既存 API との間にあるギャップだ。万能のオーケストレーションプラットフォームを目指すのではなく、OpenAPI から MCP への変換という工程をしっかりと仕上げ、テストとスコアリングの仕組みを加えることで、開発者が AI を実際のビジネスに安心して接続できるようにしている。AI エージェントのワークフローを構築中のチームにとって、比較対象のリストに入れる価値のあるツールだ。
コメント
コメントはまだありません
最初のコメントを書きましょう