ScyllaDB MCPサーバー：AIネイティブな開発者ディストリビューションの姿

重要なお知らせ：この記事で説明するScyllaDB MCPサーバーは、非公式のコミュニティ主導プロジェクトです。ScyllaDB Inc.によるサポート、承認、または関連付けは一切ありません。これは、AIネイティブな開発者ディストリビューションパターンを探求するために作成された独立した実装です。

ScyllaDBは、技術的に真に優れた製品の1つです。実際のベンチマークでCassandraやDynamoDBを一貫して凌ぐ高性能NoSQLデータベースです。しかし、技術的な優位性は開発者の発見を保証しません。特に、AIエージェントが開発者がツールを見つけて評価する方法にますます介在するようになっているからです。

私たちは、AEO（AIエンジン最適化）がSEOに取って代わることや、AIエージェントがドキュメントを読まない理由について探求してきました。しかし、理論だけでは限界があります。実際に何かを構築する必要がありました。

そこで、ScyllaDB用のMCPサーバーを構築しました。彼らから依頼されたからではなく（実際には依頼されていません）、まさに優れたAIネイティブなディストリビューションに値する種類の製品だからです。技術的に優れ、強力な開発者コミュニティがある一方で、プログラム的にアクセスできないエージェントからは見えない可能性があります。

なぜScyllaDBなのか？

ScyllaDBは、AIネイティブなディストリビューションの完璧なテストケースです。その理由はいくつかあります：

• 複雑な評価基準：データベースを選択する開発者は、パフォーマンス特性、データモデリングパターン、運用要件を理解する必要があります。
• 高いスイッチングコスト：一度データベースにコミットすると、ロックインされます。評価フェーズは非常に重要です。
• 技術的な深さ：データベースの専門知識を偽ることはできません。AIエージェントが分散システムを理解しているかどうかが問われます。
• 競争環境：ScyllaDBはよく知られた代替品と競合します。AIエージェントがそれを知らなければ、開発者も知らないでしょう。

MCPサーバーの機能

scylladb-mcp-serverは単なるScyllaDBラッパーではありません。競合するソリューション間でサイドバイサイドの評価をAIエージェントが実行できるマルチデータベース比較プラットフォームです。さらに重要なことに、開発者が実際のデータでエージェントの推奨を検証するためのツールを提供します。

エージェントが「このワークロードにはScyllaDBを使ってください」と提案した場合、開発者は同じMCPツールを使用してその推奨を検証できます。独自のベンチマークを実行し、独自のクエリをテストし、エージェントの言葉を信じるのではなく証拠に基づいて情報に基づいた決定を下すことができます。

データベース比較：ScyllaDB vs DynamoDB

MCPサーバーはScyllaDBとAmazon DynamoDBの両方に接続し、エージェントが以下を実行できるようにします：

• サイドバイサイドクエリ：両方のデータベースに対して同一のクエリを実行し、レイテンシ、スループット、一貫性を比較。
• 価格分析：理論上の価格計算ツールではなく、実際のワークロードパターンに基づいて実際のコストを計算。
• ワークロード固有のアドバイス：時系列、IoT、ユーザーセッション、その他の特定のユースケースに合わせた推奨を取得。
• 移行評価：スキーマの違い、クエリ変換、移行の複雑さを理解。

ベクトルデータベース比較：Pinecone vs ScyllaDB Vector

ScyllaDBのクラウドベクトルデータベースの最近の立ち上げに伴い、MCPサーバーはPineconeに対するベクトル検索比較も可能にします：

• 埋め込みパフォーマンス：インデックス作成速度、クエリレイテンシ、再現率の精度を比較。
• ハイブリッド検索：ベクトル類似性と従来のフィルタリングの組み合わせをテスト。
• コストモデリング：異なるスケールとクエリボリュームでの価格を評価。

4つのすぐにデプロイ可能なデモアプリケーション

抽象的なベンチマークではなく、MCPサーバーには4つの完全なデモアプリケーションが含まれており、エージェントが実際の比較のためにどちらかのデータベースに即座にデプロイできます：

• IoT時系列：時間ウィンドウ集計を使用したセンサーデータ取り込み。
• ユーザーセッションストア：TTLベースの有効期限を持つ高速読み書き。
• 製品カタログ：セカンダリインデックスとマテリアライズドビューを使用した複雑なクエリ。
• リアルタイム分析：インクリメンタル集計を使用したイベントストリーミング。

各デモには現実的なデータジェネレーターが付属しており、エージェントは両方のデータベースに同一のデータセットを投入し、真のリンゴ対リンゴの比較を実行できます。

コア機能

• スキーマ操作：接続された任意のデータベースでキースペース、テーブル、インデックス、マテリアライズドビューを作成。
• データ操作：CQLおよびDynamoDB APIを完全にサポートして挿入、クエリ、更新、削除。
• パフォーマンス分析：EXPLAINクエリの実行、実行計画の分析、ボトルネックの特定。
• クラスタ内部調査：トポロジ、ノードの健全性、レプリケーションステータス、キャパシティメトリクスの確認。

開発者体験の変革

以前：ドキュメント中心の発見

ScyllaDBを評価する開発者は従来、以下を行っていました：

1. 「ScyllaDB vs Cassandra」または「高性能NoSQLデータベース」を検索。
2. ScyllaDBのドキュメントサイトにアクセス。
3. クイックスタートガイドを読む。
4. ローカルインスタンスをセットアップ（20〜30分）。
5. ドキュメントからサンプルコードをコピー。
6. エラーに遭遇し、ドキュメントに戻る。
7. 最終的に何かを動作させる（2〜4時間）。
8. 続ける価値があるか判断。

合計時間：半日から数日。

その後：エージェント媒介の発見

MCPサーバーを使用すると、同じ開発者は以下を実行できます：

1. Claudeに質問：「IoT時系列データ用の高性能データベースが必要です。サブミリ秒の読み取りです。私のユースケースにScyllaDBとDynamoDBを比較してください。」
2. ClaudeがMCPサーバーを介して両方のデータベースに接続。
3. エージェントがIoT時系列デモアプリを両方の環境にデプロイ。
4. エージェントが各データベースに同一のサンプルデータ（100万のセンサー読み取り値）を生成。
5. エージェントが同一のクエリパターンを実行し、レイテンシパーセンタイルをキャプチャ。
6. エージェントがワークロードに基づいて予想月額コストを計算。
7. 開発者は比較レポートと選択したものの動作コードを受け取る。

合計時間：5分未満。

これは簡略化されたデモではありません。従来はチームが手動でセットアップするのに数日または数週間かかる実際の競合評価です。

タイム・トゥ・バリューの圧縮

開発者の発見は、ドキュメントと書籍（採用に数週間）から、GoogleとStack Overflow（数日）、GitHubと社会的証明（数時間）へと進化してきました。今はエージェント時代であり、AIアシスタントがプロセス全体を数分で仲介します。

• 1995年：本を読む→ 本番まで4〜6週間
• 2010年：Googleで検索→ 本番まで1〜2週間
• 2020年：Stack Overflowからコピー→ 本番まで1〜3日
• 2026年：エージェントに聞く→ 数分で動作するプロトタイプ

ゲートキーパーは出版社から検索アルゴリズム、コミュニティの勢いへと移り、今やMCPアクセシビリティが重要な補完要素になりつつあります。エージェントがアクセスしやすい製品は、この成長する発見チャネルで優位に立つでしょう。

古典的な開発者ジャーニー（そしてその進化）

エージェントの変革を理解する前に、開発者体験についての考え方を定義した基礎的な研究を認識する必要があります。Caroline Lewkoの開発者ジャーニーマップは、現代のDevRelにおいて最も影響力のあるフレームワークです。彼女の研究は『Developer Relations: How to Build and Grow a Successful Developer Program』にまとめられ、数百の企業が開発者体験に取り組む方法を形作ってきました。

私たちは何年も彼女の図を標準的なリファレンスとして使用してきました。これは業界のゴールドスタンダードであり、開発者ジャーニーをマッピングするものです。採用は単一の瞬間ではなく、それぞれに独自の目標、質問、タッチポイントを持つ明確な段階を経た旅であることを認識しています。彼女のフレームワークは、DevRelチームに共有言語と開発者ライフサイクル全体を最適化するための体系的なアプローチを提供しました。

Caroline Lewkoの開発者ジャーニーマップ—開発者体験のための決定版フレームワーク。画像クレジット：@DevRelBook、CC BY-SAライセンス。

このフレームワークは、すべての開発者が通過する5つの段階を定義しています：

1. 発見：「これは自分に役立つか？」— それは何か？問題を解決できるか？信頼できるか？
2. 評価：「ニーズを満たすか？」— 使いやすそうか？危険信号はあるか？価格は障壁か？
3. 学習：「どうやって動作するのか？」— Hello Worldまでの時間は？ドキュメントは良いか？コミュニティはあるか？
4. 構築：「概念実証を構築できるか？」— MVPへのスピードは？サポートを得る方法は？価値に見合うか？
5. スケール：「スケールするように構築できるか？」— もっとできるか？どう貢献するか？製品は自分とともに成長するか？

Lewkoのフレームワークの価値は、これらの段階の背後にある詳細にあります。彼女は数十のタッチポイントをマッピングしています。内部（ランディングページ、ドキュメント、チュートリアル、コードサンプル、サンドボックス環境、サポート）と外部（GitHub、Stack Overflow、ミートアップ、紹介）です。これにより、開発者中心のGo-To-Market戦略のための包括的な青写真が作成されます。厳格で実用的であり、スタートアップから大企業まで多くの企業で実戦テストされています。

そして、それは完全に人間のナビゲーションに最適化されています。

ここで変化が起こります。AIエージェントは人間とは異なる方法で製品と対話します。ドキュメントサイトを閲覧したり、Stack Overflowで質問したりしません。ツールを実行し、結果を返します。

エージェント時代では、発見、評価、学習の段階が1回のエージェントインタラクションに凝縮される可能性があります。これは従来の開発者体験が重要でなくなることを意味するのではなく、MCPサーバーと実行可能なインターフェースが既存のドキュメントやチュートリアルの重要な補完物になることを意味します。

エージェント型テクノロジー採用ライフサイクル

Geoffrey Mooreの古典的なテクノロジー採用ライフサイクルは、イノベーションが市場にどのように広がるかを説明しました。イノベーター、アーリーアダプター、アーリーマジョリティ、レイトマジョリティ、ラガード。Lewkoの開発者ジャーニーマップは、個々の開発者がどのように採用を進めるかを説明しました。どちらのフレームワークも、すべての段階で人間の意思決定者を想定していました。

エージェント時代には、新しいモデルが必要です。AIエージェントを主要な発見および評価メカニズムとして考慮するモデルです。

重要な段階：エージェント認知（エージェントがMCP、llms.txt、またはトレーニングデータを介してあなたを見つけられるか）、エージェント評価（実際にベンチマークを実行し製品をテストできるか）、推奨（動作コードとともにオプションを提示）、人間による検証（開発者が実際のデータでエージェントの主張を検証）。

重要な洞察：開発者が最終決定を下すことに変わりはありません。MCPサーバーは、エージェントが伝える内容を検証する能力を彼らに与えます。同じクエリを実行し、同じベンチマークを見て、実際のデータで推奨を検証します。エージェントが加速し、人間が検証します。

古典的なジャーニーがどのように変わるか

• 発見 → エージェント認知：MCPサーバーとllms.txtがSEOやランディングページを補完。
• 評価 → エージェント評価：エージェントがドキュメントを読むと同時に実際のベンチマークを実行。
• 学習/構築 → 人間による検証：開発者が実際のデータでエージェントの推奨を検証。
• スケール → エージェントスケーリング：監視、最適化、トラブルシューティングのためのより深いMCPツール。

何を測定しているか

これは単なる概念実証ではありません。それは機器化されたAIエージェントエンゲージメントメトリクスの実験です。追跡しているもの：

• ツール呼び出し：どのMCPツールが最も頻繁に使用されるか？
• クエリパターン：開発者は実際にどのような質問をしているか？
• セッションの深さ：エージェントセッションあたりの操作数は？
• 完了率：エージェントは開発者の意図を正常に達成しているか？
• エラー回復：エージェントはスキーマの不一致やクエリの失敗をどのように処理するか？

これは、かつてクリックパスやページ滞在時間に夢中になったのと同じように、エージェントジャーニーを理解するための開発者体験最適化（DEO）の実践です。

初期の洞察

• 73%のエージェントセッションで、最初の操作としてスキーマ内省が実行されます。エージェントは変更を提案する前に既存の構造を理解したいと考えています。
• セッションあたりの平均ツール呼び出し数は4.2で、エージェントが単純なルックアップではなくマルチステップ評価を実行していることを示しています。
• EXPLAINクエリの89%がスキーマまたはクエリ最適化の提案につながっています。エージェントは積極的に開発者がより良いコードを書くのを支援しています。

テレメトリに関する注意

scylladb-mcp-serverには実験的なオプトインテレメトリが含まれており、その機能と理由について透明性を保ちたいと思います。

MCPの採用が進むにつれて、成長チームと開発者体験チームは新たな課題に直面しています。AIエージェントがAPIをどのように消費しているかを理解することです。従来の分析（ページビュー、サイト滞在時間、ファネルコンバージョン）ではエージェントインタラクションを捉えられません。ClaudeやCursorがMCPサーバーを使用するとき、どのように……