11月18日、Retoolが「How our support agent ran 851 investigations through Retool's MCP server」と題した記事を公開した。この記事では、RetoolのMCPサーバーを活用してサポートエージェントが851件の案件調査を自動実行した実践事例について詳しく紹介されている。
問題:野良エージェントが乱立した
年初、RetoolのサポートチームはSalesforce、Databricks、Confluence、LinearといったデータソースにアクセスするAIエージェントを各自で構築し始めた。しかしすぐに問題が顕在化する。
どのエージェントが何のデータにアクセスできるか、誰も把握していなかった。
「顧客が使っているバージョンは?」という問いに答えるためのテーブルには、ライセンスキー、ARR(年間経常収益)、アカウント名も一緒に入っている。エージェントへの指示が曖昧なだけで、チケット要約用に作ったツールが売上データを読み始める。権限はチームや組織によってバラバラで、管理の一元化ができていなかった。
解決策:エージェントにクレデンシャルを渡すのをやめた
RetoolはエージェントへのDB直接接続をやめ、**RetoolのMCPサーバー**を介してデータアクセスを行う構成に切り替えた。
MCP(Model Context Protocol)とは、AIモデルが外部ツールやデータソースを呼び出す際の標準プロトコル。Anthropicが主導して策定し、Claude等のLLMで広く採用されつつある。
現在の構成は、Claudeのスキルとしてプラグイン形式で配布され、データアクセスはRetoolの既存の権限モデルをそのまま通過する。「エージェントは、そのユーザーが見られるものしか見られない」という原則を、追加開発なしで実現している。

権限管理の具体的な仕組み
既存のRetoolインスタンスにはすでにユーザーグループごとの権限設定が入っていた。MCPサーバーを接続するだけで、その権限構造がそのままエージェントに継承された。
エージェントはユーザーの権限グループを引き継ぐ
誰かがサポートエージェントを使うと、そのユーザーが所属するグループの権限が適用される。サポートエンジニアとコントラクターでは見えるデータが異なる。
コントラクターには行・列レベルで制限をかける
コントラクターグループには行・列単位のアクセスポリシーを設定し、必要な情報だけが返るようにした。リソースへのアクセスを全面カットするのではなく、粒度を絞るアプローチだ。

また、APIキーの管理も改善された。以前は各エンジニアが個別にキーを持つか、共有キーをローカルの設定ファイルに貼り付けていた。Retoolリソースとして管理することで、クレデンシャルはサーバーサイドで一元管理され、新メンバーのオンボーディングが「5つのAPIキーを集める」から「グループに参加する」だけに変わった。
851件の調査結果と精度
6月以降、このエージェントは851件の案件調査を実行した。事後評価として、実際にどのように案件がクローズされたかと照合したところ、評価可能な138件のうち94%が完全または部分的に正確だった。
138件という母数は851件全体より大幅に少ないが、これは事後的な照合評価が可能だった案件のみを対象としているためだ(残りはクローズ後の追跡データが十分に得られなかったケースに相当する)。
チームの働き方は根本的に変わった。従来は各案件を自分で調査していたが、今はエージェントの出力をレビュー・検証する形に移行している。
ガバナンス:ログと自己学習の仕組み
MCPサーバー経由のすべての操作はRetoolの監査ログに記録される。SQLの内容、リソース名、SSO経由のユーザーID、調査単位でまとめたセッションIDが残る。エージェントのトラフィックとアプリのトラフィックも区別できるため、「データアクセスのうち何%がエージェント経由か」を集計で即座に出せる。
さらに、すべての実行結果はRetool Databaseにログされ、月次で正確性を採点した「レッスンカード」を生成してエージェントにフィードバックする仕組みも構築した。同一のMCPサーバー経由でこのレッスンカードを参照させることで、精度を継続的に改善している。

現状の限界と今後
現在の構成には率直に限界が認められている。
- ローカル実行のためセットアップに技術知識が必要:非エンジニアが単独で導入するには障壁がある
- Claude Codeのみに対応:他のLLMやエージェントフレームワークへの対応は今後の課題
- 自己学習の仕組みは初歩的なレベル:レッスンカードによるフィードバックループはまだ改善の余地が大きい
- すべての調査が手動トリガー:案件の自動検知・自動起動には至っていない
Retoolは現在、同一の権限構造を再利用して案件を自動的にトリガー・解決できるRetool agentsを開発中で、モデル非依存で既存ワークフローへの統合も容易になるとしている。
この事例から得られた教訓として、記事は2点を挙げている。まず権限モデルを最初に設計すること。そしてエージェント出力はあくまで「最初のドラフト」として扱い、人間のレビューを挟むこと。自動化と人間の判断を組み合わせる構成が、チームの信頼を維持しながら精度を積み上げる鍵だとしている。
詳細はHow our support agent ran 851 investigations through Retool's MCP serverを参照していただきたい。




