Google Auth Platformのブランディングの審査基準がわからぬ・・・ OAuth 同意画面に表示されるアプリ名 ←「ブランティング」セクション内の「アプリ名」項目？ ホームページに掲載されているアプリ名 ←titleタグに表示される文字列？ どっちも1ビットたりとも違わないんだが・・・

# ADKの便利で実践的な使い方 🔐 APIキー、Bearer Token、OAuth2、OpenID Connect、サービスアカウント — ADKのAuthentication機能は、あらゆる認証方式をツールにシームレスに統合します。 📌 タイトル：Authentication — ツールの認証統合 🔗 URL： 🧩 概要 ADKのAuthentication機能は、AuthSchemeとAuthCredentialの2つのコンポーネントで構成されます。APIKey、HTTP Bearer、OAuth2、OpenID Connect、SERVICE_ACCOUNTの各認証方式をサポートし、ツールの認証を統一的に管理できます。OAuth2ではブラウザフローにも対応し、`tool_context.state`を使ったトークンキャッシュや、トークン有効期限の管理も可能です。 🛠 使い方 各認証方式の設定例です。 `google.adk.auth` から `AuthScheme`、`AuthCredential`、`APIKeyAuth`、`HTTPBearerAuth`、`OAuth2Auth` をインポートします。APIキー認証では `APIKeyAuth(header_name="X-API-Key")` でスキームを作成し、`AuthCredential(api_key="sk-your-api-key")` でクレデンシャルを設定します。HTTP Bearer認証では `HTTPBearerAuth()` と `AuthCredential(token="your-bearer-token")` を使います。OAuth2認証（ブラウザフロー）では `OAuth2Auth(authorization_url="", token_url="", scopes=["read", "write"])` でスキームを定義し、`AuthCredential(client_id="your-client-id", client_secret="your-client-secret")` でクレデンシャルを渡します。 ツールでの認証の活用: ツール内での認証活用例として、`call_protected_api(endpoint: str, tool_context: ToolContext)` 関数を定義します。`tool_context.state.get("user:api_token")` でキャッシュ済みトークンを取得し、有効期限内であればそのまま使用します。期限切れの場合は `refresh_token(tool_context)` で新しいトークンを取得し、`tool_context.state["user:api_token"]` に保存してキャッシュします。取得したトークンを `Authorization: Bearer` ヘッダーに設定してAPIを呼び出します。 🏗 実践的な使い方 **トークンキャッシュ戦略**: `tool_context.state`の`user:`プレフィックスを使ってトークンをキャッシュすることで、同一ユーザーのセッション内でトークンの再取得を避けられます。有効期限の管理も忘れずに実装しましょう。 トークンキャッシュの実践例として `get_or_refresh_token(tool_context: ToolContext) -> str` を定義します。`tool_context.state.get("user:oauth_token")` からトークンデータを取得し、`expires_at` を確認して有効期限内（60秒のバッファ付き）であれば `access_token` をそのまま返します。期限切れの場合は `oauth_client.refresh(refresh_token=...)` で新しいトークンを取得し、`tool_context.state["user:oauth_token"]` に `access_token`、`refresh_token`、`expires_at` を含む辞書として保存します。 **サービスアカウント認証**: GCPサービス間の通信では、SERVICE_ACCOUNT認証を使うことで、ユーザーの介入なしにセキュアなAPI呼び出しが可能です。 **認証の多層化**: 同一エージェント内で複数の認証方式を使い分ける場合、ツールごとに異なる認証を設定できます。OpenAPIToolsetの`auth_scheme`/`auth_credential`と組み合わせると効果的です。 💡 ユースケース 🔑 APIキーによるサードパーティAPI認証 🌐 OAuth2によるユーザー代理でのAPI操作 🏗️ サービスアカウントによるGCPサービス間連携 🔄 トークンのキャッシュと自動リフレッシュ ⚠️ 注意点 - 認証情報（APIキー、シークレット）はコードにハードコードせず、環境変数やSecret Managerから取得してください。 - OAuth2のブラウザフローはサーバーサイドのバッチ処理では使えません。サービスアカウントやクライアントクレデンシャルフローを検討してください。 - トークンの有効期限管理を怠ると、期限切れトークンでのAPI呼び出しが401エラーになります。バッファを持った自動リフレッシュを実装しましょう。 ✨ ADKの認証機能を適切に設定すれば、セキュアなAPI連携をツール内にシームレスに組み込めます。認証はエージェントの信頼性の土台です！ #ADK# #AIAgent#

Mimoという完全ローカルで議事録作成を行うMac向けアプリを作っています！ NotionやGoogleドライブとOAuth連携し、コンテキストとして活用することができます☺️

🔑 `.env`に埋め込んだAPIキーは、エージェントが「何をできるか」は教えてくれても、「誰が頼んだのか」は決して教えてくれません。全ユーザーが同じボットアカウントを共有していれば、GitHubのIssueも社内チケットも、誰が実際に作業したのか記録に残らないのです。 キーのローテーションのたびにコードを直して再デプロイし、OAuthを使いたければ認可URL・トークン保存・リフレッシュ処理・同意画面まで自前で組む必要がありました。そんな地味だけれど重くのしかかる「配管作業」を、LangChainのManaged Deep Agentsが新機能Connectionsで肩代わりしてくれます。 認証情報を「エージェント所有（全員共有）」か「ユーザー所有（呼び出し元ごとに解決）」かで分け、静的なAPIキーとOAuthグラントの両方に対応。Web検索のような共通機能は共有キーで済ませつつ、GitHub連携ではユーザーごとに実際の権限とアカウント名でアクセスさせ、Issue作成者にも本人の名前が記録されるようになります。 Connections: Managed credentials and per-caller identity for Managed Deep Agents 認証情報の管理と「誰が呼んだか」を切り分けるこの発想が、エージェント開発の面倒なOAuth配管をなくしてくれそうです。 #AIエージェント# #LangChain#

# OpenCodeの機能と実践的な使い方 🔌 エージェントに「外の世界」へ手を伸ばさせたい。Sentryのエラーやライブラリのドキュメントをそのままツールとして使えるのが、OpenCodeのMCPサーバー連携です。 🏷️ タイトル: 外部ツール接続（ローカル/リモート） 🔗 URL: 📘 概要 MCP（Model Context Protocol）サーバーを設定すると、外部サービスのツールがOpenCodeの組み込みツールと並んでエージェントから自動的に使えるようになります。ローカル（プロセス起動）とリモート（HTTPエンドポイント）の両方に対応します。 ⚙️ 機能の説明 設定は `opencode.json` の `mcp` ブロックに、サーバーごとの識別子で記述します。 ・ローカル: `type: "local"` とし、`command` に起動コマンドの配列、必要なら `environment` で環境変数を渡します。`timeout`（既定5000ms）も指定可能です。 ・リモート: `type: "remote"` とし、`url` を指定。認証は `headers` でBearerトークンを渡すか、OAuthを利用します（401を検知して自動フローも可能）。 各サーバーは `enabled` で個別にオン/オフできます。MCPツールはサーバー名を接頭辞として現れ、`tools` のワイルドカード（`*` や `?`）で全体・エージェント単位に有効/無効を切り替えられます。 🛠️ 実践的な使い方 リモートのSentry連携は、`opencode.json` の `mcp` 配下に `sentry` を作り、`type: "remote"`・`url: ""`・`headers` のBearer認証・`enabled: true` を書くだけです。 ローカルなら `"command": ["npx", "-y", "@/modelcontextprotocol/server-everything"]` のように起動します。ドキュメント検索の Context7（` Grep（` mcp auth <名前>` や `opencode mcp list` で認証・状態確認も可能です。 💡 ユースケース Sentryで本番エラーをエージェントに調査させ、Context7で最新ライブラリの正しい使い方を引き、Grepで他リポジトリの実装例を探す、といった「調査から実装まで」を1つのセッションで完結できます。普段は `enabled: false` にしておき、必要な作業のときだけ有効化する運用が安全です。 ⚠️ 注意点 MCPサーバーはコンテキストを消費します。多くのツールを公開するサーバー（GitHub系など）を有効にすると、トークンが急増しコンテキスト上限を圧迫しがちです。使うサーバーは絞り、APIキー運用なら `oauth: false` で自動OAuthを抑止しましょう。リモートは `timeout` 超過で起動失敗する点にも注意してください。 #OpenCode# #MCP#

# Antigravityの機能と実践的な使い方 🚀 エージェントを自分のデータベースや社内ツールへ安全につなぐ「AI 用 USB-C」。それが Antigravity の MCP です。 📌 タイトルと機能のURL タイトル: MCP URL: 📝 概要 Antigravity は Model Context Protocol（MCP）をサポートし、エディタからローカルのツール・データベース・外部サービスへ安全に接続できます。MCP は「AI 用の USB-C ポート」とも呼ばれ、AI エージェントや大規模言語モデルがさまざまなデータソースへ接続する方法を標準化します。 🔧 機能の説明 MCP は標準化されたプラグイン機構として機能します。 ・MCP はオープン標準であり、AI エージェントが外部ツールやデータソースへ安全に接続できるようにします ・Antigravity には MCP Store があり、必要なサービスを検索して導入できます ・接続情報（プロジェクト ID など）は簡単なフォームから入力し、パスワードや IAM 認証情報は安全に保管されます ・例えば BigQuery のリモート MCP サーバーは、クエリ実行・メタデータ取得・リソース一覧などを可能にします ・BigQuery の MCP は OAuth 2.0 と IAM による認証・認可を用い、Google Cloud の各種 ID に対応します 🛠 実践的な使い方 ・MCP Store で「BigQuery」など必要なサービスを検索し、Install を押してセットアップを開始します ・表示されたフォームにプロジェクト ID などの接続情報を入力し、認証情報を安全に登録します ・接続後、自然言語でテーブルのスキーマを検査させ、その結果を元にスクリプトを生成させます ・ローカルプロセスとリモートホストの両方の MCP 構成を使い分けます 🎯 ユースケース ・MCP Store から BigQuery を導入し、課金テーブルのスキーマを検査して FinOps スクリプトを生成する ・社内データベースに接続し、自然言語の質問からクエリを組み立てる ・メタデータ取得やリソース一覧を通じて、データ基盤の構造をエージェントに把握させる ・ローカルツールと外部サービスを横断する自動化ワークフローを構築する ⚠️ 注意点 ・MCP はエージェントに外部データへのアクセス権を与えるため、最小権限の IAM 設定が前提です ・認証情報はフォームから安全に保管されますが、接続するサービスの権限範囲は慎重に確認してください ・BigQuery など各サービス固有の認証（OAuth 2.0 / IAM）や課金条件は、導入前に確認が必要です #Antigravity# #MCP#

# Codexの機能と実践的な使い方 🔌 Codex を「コードしか触れないエージェント」から「課題管理・DB・デザインツールまで直接操作できる相棒」へ。その鍵が MCP(Model Context Protocol)接続です。 🏷️ タイトル: 外部ツール接続(MCP) 🔗 URL: 📘 概要 MCP は Codex を外部のツールやコンテキストにつなぐ標準プロトコルです。MCP サーバーを登録すると、Codex がそのツールを直接呼び出して読み書きできます。設定は CLI と IDE 拡張で共有され、クライアントを切り替えても同じ構成で動きます。 ⚙️ 機能の説明 ・最も手軽な追加方法は CLI です。`codex mcp add <名前> -- <起動コマンド>` の形で登録し、TUI 内では `/mcp` で稼働中のサーバーを確認できます。 ・トランスポートは2種類あります。ローカルプロセスを起動する STDIO サーバー（`command` / `args` / `env` / `cwd` を指定）と、URL でアクセスする Streamable HTTP サーバー（`url` / `bearer_token_env_var` / `http_headers` を指定）です。 ・認証は環境変数経由の Bearer トークン、または OAuth に対応します。OAuth 対応サーバーは `codex mcp login <名前>` でログインします。 ・ツール単位の制御も可能で、`enabled_tools` / `disabled_tools` で許可・拒否リストを、`default_tools_approval_mode`(`auto`/`prompt`/`approve`)で承認方式を指定できます。 ・`startup_timeout_sec`(既定10秒)や `tool_timeout_sec`(既定60秒)、`required`(起動失敗時に Codex 自体を失敗させる)などの調整項目もあります。 🛠️ 実践的な使い方 ・例えば最新の開発ドキュメントを引ける Context7 を入れるなら `codex mcp add context7 -- npx -y @/upstash/context7-mcp` の1行です。 ・細かく制御したいときは `~/.codex/config.toml`（信頼済みプロジェクトなら `.codex/config.toml`）の `[mcp_servers.<名前>]` セクションに `url` と `bearer_token_env_var`、必要なら `http_headers` を書きます。 💡 ユースケース 課題管理ツールから仕様を読み取り、DB のスキーマを参照しながら実装し、Figma のデザインを取り込んで UI を作る、といった一連の流れを Codex 1つに任せられます。社内 API を MCP サーバー化すれば、独自業務ロジックも Codex から直接叩けます。 ⚠️ 注意点 ・外部ツールに読み書き権限を渡すことになるため、`disabled_tools` や承認モードで権限を絞るのが安全です。 ・トークンは設定ファイルに直書きせず、`bearer_token_env_var` で環境変数から読む形にしましょう。 ・プラグイン提供の MCP サーバーは起動コマンドをユーザーが指定するのではなく、`plugins..mcp_servers.` 配下で有効状態とツールポリシーを制御します。 #OpenAICodex# #MCP#

# Claude Codeの機能と実践的な使い方 🔌 スキーマやログを毎回コピペしていませんか。MCPでSentryやPostgreSQL、GitHubを接続すれば、Claudeが外部システムを直接読み書きします。「このテーブルの直近30日を調べて」がそのまま通ります。 📌 タイトルと機能のURL タイトル: MCP URL: 📝 概要 MCP（Model Context Protocol）はAIツール統合のためのオープン標準で、Claude Codeを数百の外部ツールやデータソースに接続します。MCPサーバーはツール・データベース・APIへのアクセスを提供し、貼り付けではなくシステムを直接参照・操作できるようにします。 🔧 機能の説明 ・トランスポートは複数あります。リモート接続はHTTP（推奨）、双方向プッシュ向けのWebSocket、ローカルプロセスのstdio、非推奨のSSEです。 ・スコープは3種類です。local（既定・自分のみ、~/.claude.jsonに保存）、project（.mcp.jsonでチーム共有）、user（全プロジェクトで自分のみ）。 ・多くのクラウドサーバーは認証が必要で、OAuth 2.0に対応します。401/403応答時に /mcp からフローを完了できます。 ・ツール検索が既定で有効で、MCPツールはオンデマンドで遅延読み込みされ、コンテキスト消費を抑えます。 🛠 実践的な使い方 ・追加は claude mcp add --transport http 、stdioは claude mcp add [options] -- [args...] です。オプションはサーバー名の前に置きます。 ・管理は claude mcp list / claude mcp get / claude mcp remove 、起動中は /mcp でステータス確認や認証ができます。 ・スコープ指定は --scope project などで行い、project共有時は .mcp.json がバージョン管理対象になります。 ・MCPリソースは @/server:protocol://resource/path 形式で参照でき、例: @/github:issue://123 を分析して。 ・MCPプロンプトは /mcp__servername__promptname の形でコマンドとして実行できます。 🎯 ユースケース ・Sentryを接続し「過去24時間で最も多いエラーは？」と本番の問題をデバッグする。 ・PostgreSQLを接続し、スキーマをコピペせず「直近30日に購入のない顧客を抽出して」と問い合わせる。 ・GitHubのリモートMCPを接続し「PR #456をレビューして改善提案して」と依頼する。# ・.mcp.jsonをコミットしてチーム全員に同じMCPツール群を共有する。 ⚠️ 注意点 ・接続前に各サーバーを信頼できるか確認してください。外部コンテンツを取得するサーバーはプロンプトインジェクションのリスクがあります。 ・project スコープのサーバーは安全のため、利用前に承認が求められます（承認のリセットは claude mcp reset-project-choices）。 ・ツール出力が10,000トークンを超えると警告が出ます。上限は MAX_MCP_OUTPUT_TOKENS で調整できます（既定の最大は25,000）。 ・SSEは非推奨です。可能ならHTTPを使ってください。 #ClaudeCode# #MCP#

AIエージェントをエンタープライズシステムに組み込むプラクティス 【MCPゲートウェイ / ツール・フェデレーション（MCP Gateway）】 💡 「エージェント5つ × SaaS 10種 = 50本の個別統合。この掛け算地獄を解消するのがMCPゲートウェイです。」 エージェントが増え、接続先SaaSが増えるたびに統合コストが爆発します。ツール定義の乱立、スキーマの不整合、そしてSaaSのサイレント仕様変更による暗黙の破綻。これらをアーキテクチャレベルで解決します。 🔥 解決する課題 - N（エージェント）×M（SaaS）の統合コスト爆発 - 各エージェントが独自にツール定義を持つことによる重複・不整合 - ツール経由の間接プロンプトインジェクション - エージェントに見えるツールが多すぎることによる選択精度の劣化 - SaaSのサイレント仕様変更（APIレスポンス形式変更等）による暗黙の破綻 🏗️ 提案パターン 各SaaSコネクタをMCP（Model Context Protocol）サーバとして束ね、ゲートウェイがツールの発見・認可・呼び出し監査・スコープ制御を一元管理します。ツール許可リストを主体（部署×エージェント種別）で動的に絞り、エージェントに見えるツールを必要最小限にします。危険ツール（削除・送金・外部送信など不可逆操作）には承認フックを設置します。さらに、ツール定義/APIスキーマを「契約」としてバージョン管理し、定期的に実APIと突合してドリフト（乖離）を検知します。後方互換のないドリフトを検出した場合は、アラート＋該当ツールの一時無効化で安全側に倒します。 ✅ 選定条件 - 採用する場合：連携SaaSが10種以上。複数エージェントが共通ツールを使う。N×M統合の複雑さに困っている。 - 採用しない場合：ツールが2〜3個固定の単機能エージェント（直結のほうが堅牢でシンプル）。依存APIが安定していて変更頻度が極めて低い環境。 ⚠️ 落とし穴 - エージェントに露出するツールが20〜30を超えると選択精度が低下します。tool RAGで意図に応じて動的に絞るか、役割別サブエージェントに分割してください。 - 契約テスト（ドリフト検知）を導入しないと、SaaS側の仕様変更に気づかず、エージェントが誤ったデータを処理し続けます。Salesforce APIのフィールド変更などは実際に起きる頻度が高いです。 - MCPサーバの認可設計を後回しにすると、全エージェントが全ツールにアクセスできる状態が放置されます。 🛠️ 実装方針 - 各SaaS（Salesforce / ServiceNow / Jira / Slack / Box 等）のMCPサーバを構築します。公式MCPサーバがあればそれを採用し、なければOpenAPI定義からツールを自動生成して自作MCPサーバとして用意します。 - MCPゲートウェイを配置し、ツールレジストリ（カタログ）を構築します。各MCPサーバが提供するツールを一覧化し、部署×エージェント種別でアクセス可能なツールを動的にフィルタリングする許可リストを設定します。 - OAuth 2.1 ベースの認可と承認フックを設定します。不可逆操作（削除・送金・外部送信）を行うツールにはP09（動的認可PDP）と連携した承認ゲートを設置し、人間の承認なしに実行されない構成にします。 - 契約テスト（Pact等）とスキーマレジストリでドリフト検知パイプラインを構築します。週次でツール定義と実APIスキーマを突合し、後方互換のない変更を検出した場合はアラート＋該当ツールの自動無効化を行います。 - tool RAG または役割別サブエージェント分割で、各エージェントに露出するツール数を20以下に制御します。意図に応じて動的にツールを絞り込み、選択精度を維持します。 #AIエージェント# #エンタープライズアーキテクチャ#