Databricks は、Genie One MCP サーバーがすべての Databricks ユーザー向けに一般提供(GA)となったと発表した。このマネージド型 MCP サービスにより、任意の AI エージェントは単一のインターフェースを通じて Genie One から構造化データと非構造化データ、インサイト、回答を取得できる。その基盤となるのは、Genie Ontology が提供する統制されたビジネスコンテキストだ。
Databricks は、AI の同僚役エージェントやコーディングエージェントが企業内で急速に広がっていると指摘する。しかし各エージェントはそれぞれ独自の業務理解を持ち込む。孤立して導入されたエージェントは、正確に答えるために必要なセマンティクスやビジネス定義を欠き、セットアップ時に手作業でモデリングされ、その後陳腐化したコンテキストに依存しがちで、同じデータを参照する別のエージェントと矛盾する回答を返してしまう。共有されたデータ基盤とビジネスコンテキストがなければ、組織全体へエージェントを安心して展開することはできない。
こうした課題に対し、Genie One MCP は単一の入口を提供する。Genie One MCP は Genie One を MCP 経由で公開し、任意のエージェントが対等なエージェントとして Genie One と通信できるようにする。この MCP は Unity Gateway 内に置かれ、マネージド MCP サービスとして動作するため、集中ガバナンス、きめ細かなポリシー、そして呼び出しごとの監査ログが得られる。
機能面では、この MCP は Genie One への質問、クエリ結果の取得、増分進捗の確認、回答の方向づけを行うためのツールを公開している。Genie One MCP App を使えば、対応するエージェントクライアントは対話的な可視化と Genie Ontology の引用を伴いながら、Genie One のプロセス全体をリアルタイムに埋め込める。これにより、既存のワークフローを変えることなく、データに強い AI 同僚として Genie One を任意のエージェントに統合できる。
GetYourGuide のグロース&トラベラー・データエンジニアリング部門エンジニアリングマネージャーである Fenny Sanyoto 氏は、Genie One MCP の価値はチームがどの AI ツールを選んでも分析品質を高く保てる点にあると述べている。あるメンバーは Genie One の UI で直接作業し、別のメンバーは一日中 Claude や自分の IDE で作業しているが、MCP が単一の統合ポイントとなり、それぞれが慣れたツールの中で同じ信頼できる統制済みの回答を得られるという。
アーキテクチャの観点では、エージェント連携のための単一の統制された入口として機能することで、Genie One MCP はエージェントの乱立が生む摩擦を直接取り除く。接続されたエージェントクライアントは Genie One 経由で Genie Ontology を自動的に活用し、ドメインのセマンティクスを解釈して、構造化されたリレーショナルデータと非構造化ドキュメントリポジトリの橋渡しを行う。フォーマットごとのカスタムコネクタは不要だ。ユーザーが Claude、ChatGPT、Cursor、あるいは社内独自のインターフェースのどこで操作していても、すべての質問に対して単一のエンタープライズ・コンテキスト層が統制する一貫した回答が返る。さらにインテリジェントルーティングにより、複雑なサブタスクはドメイン特化型の Genie Agent へ動的に委任される。
利用方法としては、まず Unity Gateway から Genie One MCP を自分のエージェントに追加し、その後ワークフローへ組み込むだけでよい。Databricks は顧客から見られた代表的なユースケースをいくつか挙げている。第一に、より豊かなデータとコンテキストを備えたスライド作成だ。プレゼン資料を作るよう設定されたエージェントは社内のスタイルガイドに沿い、役員が好む形式も把握しているが、実際に業績数値を埋め込む段階では、正しい数字を探し、矛盾する定義を突き合わせ、データの意味を説明する作業が依然として必要だった。Genie One MCP を追加すると、エージェントはプレゼン作成中に MCP へデータ取得リクエストを投げ、得られた信頼できるデータとコンテキストを資料に反映する。骨組みだけの資料では終わらない。
第二に、顧客利用データをアウトリーチに近づける使い方だ。カスタマーサクセスチームは、製品利用パターンの中の興味深い兆候に基づいて顧客へ自動的に連絡するエージェントを作ることがある。ただし利用量の落ち込みが意味する内容は顧客ごとに異なる。何が変化し、そのアカウントにとって何を意味するのかをチームが調べなければ、適切なメッセージは送れない。Genie One MCP を組み込むと、エージェントは Genie One に問い合わせて利用状況を調査し、Genie Ontology に基づく信頼できるテレメトリ信号を取得できる。そのデータと解釈の手がかりをアウトリーチ用エージェントに渡し、CRM 経由で的を絞ったメール送信につなげる。
第三に、開発者ワークフローにビジネスの真実を組み込む使い方だ。コーディングエージェントを使うエンジニアリングチームは、Genie One MCP を統合して開発を Genie Ontology に接地させられる。たとえば開発者が製品にログを追加する PR に取り組んでいる場合、コーディングエージェントは Genie One MCP にリクエストを送り、その製品に関連する現在の定義やクエリを取得する。これにより、変更内容が合意済みのビジネス定義と整合することが保証される。Databricks は、好みのエージェントが統制された業務データへアクセスする必要があるときはいつでも、Genie One MCP を呼び出して確信を持った行動に必要なコンテキストを与えられると説明する。
導入を検討するユーザー向けに、Databricks は新しいブログ記事「Genie One MCP: How to give any AI Agent the Right Business Context」で実際の動作とセットアップ手順を案内しており、詳細はドキュメントを参照するか、Databricks のアカウントチームに問い合わせることで得られる。