Smartsheet、AWS上にAIエージェント向けMCPサーバー展開、トークン使用量35～47%削減

Smartsheetはエンタープライズワーク管理プラットフォームであり、数十万の組織に依存されています。エンタープライズチームがAIエージェントを採用するにつれて、それらのエージェントは社内データへの構造化されたアクセスが必要であることを認識しました。しかし、ほとんどのシステムはそれに対応して構築されていません。このギャップを埋めるため、SmartsheetはAWS上にリモートModel Context Protocol（MCP）サーバーを構築し、AIクライアントにSmartsheetのデータと機能への直接アクセスを提供します。

Amazon QuickやClaude Desktopなどのアシスタントは、ユーザーが自然言語でSmartsheetと相互作用するのを支援します。プロジェクトデータの分析、タスクの更新、シート作成、ワークスペース管理などが可能です。支援的な使用の先に、エンタープライズはヒューマンプロンプトなしに自律的に動作するカスタムAIエージェントを構築しています。これらのエージェントはMCPを使用してSmartsheetを通じて調整でき、要件キャプチャ、タスク取得、テスト結果の添付、ドキュメント作成を実行します。すべてはヒューマンカウンターパートが使用するのと同じシート内で行われます。Smartsheetは、これらの最適化ワークフローが従来は数週間要していた作業を数日または数時間に圧縮していると報告しています。

アーキテクチャはAWSインフラストラクチャの上に構築されています。MCPサーバーはAmazon ECS（Elastic Container Service）向けAWS Fargate上で実行され、AWS WAF（Web Application Firewall）、AWS Shield、アプリケーションロードバランサー、OAuth検証を含むAPIゲートウェイレイヤーの背後にあります。サーバーはトランザクション操作用にSmartsheetのドメインサービスAPIに接続し、Amazon NeptuneとDatabricksの上に構築されたインテリジェンスレイヤーにクエリして、クロスプロジェクトインサイトを取得します。変更イベントはAmazon Kinesis Data StreamsとApache Flinkを通じてAmazon S3にストリーミングされ、メダリオンアーキテクチャに従います。Smartsheetは意図的にSmart Assist（インプロダクトAI体験）と外部接続AIクライアントを同じインフラストラクチャ上で、同じツールと最適化を使用して実行しています。同社は一度構築すればすべてのエージェント型クライアントが即座に恩恵を受けます。

AIトラフィックはSmartsheetのデプロイメントとスケーリング戦略を推進した独特なパターンを示しています。エージェントはツール呼び出しのシーケンスを自律的にオーケストレートし、タスクを進める際に数秒で複数のリクエストを発火させた後、モデルが推論している間は静かになります。このバースト的なトラフィックは急激なスパイクと持続的なスループットに応答するスケーリング戦略を要求しました。Smartsheetはトラフィックボリュームとコンピュート使用率を組み合わせたターゲット追跡ポリシーを備えたECS自動スケーリングを使用しています。各リクエストはサーバー側のLLM最適化シリアライゼーション、単なるプロキシではなく、を必要とします。広範な負荷テストがインフラストラクチャがエージェントバーストを劣化なしに吸収することを検証しました。デプロイメント側では、コンテナイメージはAmazon Elastic Container Registry（ECR）に格納され、ECSデプロイメント遮断器を通じてCI/CDで展開されます。これはロールアウト中に失敗するコンテナを検出し、自動的に最後の安定版にリバートし、手動の介入と顧客への影響を回避します。デプロイメントはAWS Well-Architectedの原則に従い、最小リージョンから開始されます。各リージョン後、自動化されたエンドツーエンドテストがライブ環境に対してツールの動作を検証し、15分ごとにカナリアテストを実行して、完全な認証とゲートウェイパス全体を通じてマルチステップMCPワークフローを実行します。

エンタープライズガバナンスはAI採用のゲーティング要因です。Smartsheetはガバナンスをツールフレームワーク自体に組み込みました。アクセス制御、エラーハンドリング、監査証跡はデフォルトですべてのツールに付属しています。アクセスは組織ごとに段階化されています。管理者はグローバルにAIアクセスをオンにする、非破壊的な操作のみに制限する、またはフル書き込みおよび破壊的機能を許可することができます。ツールはreadOnlyHintやdestructiveHintなどのMCPプロトコルアノテーションを備えており、AIクライアントは自動的に適切な確認フローを適用します。サーバーはOpenTelemetryシグナル（ログ、トレース、メトリクス）を完全なリクエストライフサイクル全体で発行しています。すべてのツール呼び出しはユーザー、組織、ツール名、結果などをプライバシー制約内でキャプチャします。Smartsheetはエージェント優先のアイデンティティと追跡でオブザーバビリティを拡張し、ツールチーン全体のコンテキストを相関させています。ログはAmazon KinesisをAmazon OpenSearch Serviceを通じてストリーミングされます。インフラストラクチャメトリクスはAmazon CloudWatchを通じてサーフェースされます。Datadogはツール単位のアプリケーションパフォーマンスモニタリング（APM）可視性を提供します。PagerDutyはインシデントルーティングを処理します。すべての呼び出しはまた、Amazon Simple Queue Service（SQS）を通じてインテリジェンスレイヤーに構造化分析イベントを発行し、本番使用データがツールの優先順位付けに情報を与えるようにフィードバックループを閉じます。

セキュリティは本番APIを反映しています。エッジでのAWS WAFとAWS Shield、VPC内のプライベートサブネット、サービス間呼び出し用の相互TLS（mTLS）、認証されないリクエストを拒否するOAuth2プロキシです。APIゲートウェイは認証とスコープ検証を処理します。ドメインサービスは細粒度のアクセス許可を処理します。ユーザーがUIを通じてシートにアクセスできない場合、MCPを通じてアクセスすることはできません。AIトラフィックは独特なレート制限の課題を追加します。単一ユーザー質問は数秒で複数のツール呼び出しをトリガーでき、多くのエンタープライズユーザーは共有コーポレートプロキシの背後に位置するため、IPベースのレート制限は信頼できません。SmartsheetはAWS WAF経由で段階化されたレート制限を実装しました。外側エッジでの包括的保護、アイデンティティヘッダー上のカスタム集計キーを使用したユーザー単位のメーター、高コスト操作用のパス固有の制御です。

非決定的なAIワークフローのテストには新しいアプローチが必要でした。従来のAPIレスポンスはUIによって決定論的にレンダリングされます。MCPツールレスポンスは最初にLLMを通じて渡され、それが解釈し、推論し、ユーザーが実際に見るものを生成します。その非決定性のレイヤーがテストの「正確性」の意味を変えます。Smartsheetはエンドツーエンドワークフローテストに大きく投資しており、LLMをループ内に含め、現実的なビジネスシナリオをシミュレートしています。ワークスペース作成、データ書き込み、結果クエリ、モデルの解釈がユーザーに理解できることの検証です。これらのテストはCI/CDパイプライン（GitLab CI、AWS上のランナー）で実行され、各本番AWSリージョンに対して継続的にカナリアテストとして実行されます。

トークン消費はエンタープライズがAIエージェントデプロイメントをスケーリングするにつれて、実際のコストドライバーです。Smartsheetは3段階で最適化しています。プログレッシブディスクロージャーは、列数とデータ密度に基づいて適合できる行数を動的に計算することで、レスポンスあたりのトークン消費をキャップします。5列のシートは15列のシートより多くの行を返しますが、総トークンは予算内に留まります。メタデータフィールド（is_sampled、rows_in_sheet、rows_actual、filters_applied）はモデルにデータが切り詰められたかどうか、そして何を見ているのかを伝え、モデルはフィルターで質問を絞るかどうかを決定します。Pydanticモデルから生成された厳密に型付けされたツールスキーマは、幻想的なパラメータと無駄な呼び出しを防止するのに役立ちます。独自シリアライゼーション形式はデータ量の多いレスポンスのトークンカウントを35～47パーセント削減します。ローンチ以来、Smartsheetはこれらの最適化を使用して30億トークンを超える削減を実現しています。

SmartsheetのMCPサーバーは、エンタープライズAI採用における重大なギャップに対処します。ほとんどの内部システムはAIエージェントが安全かつ効率的に処理できる構造化された機械可読インターフェースで構築されていません。SmartsheetはSmartsheetの既存APIと中央インテリジェンスレイヤーの上にAI最適化インターフェースを重ねることで、エージェントが複雑なワークフローを自律的にオーケストレートできるようにします。タスク取得、テスト結果の添付、ドキュメント作成などすべてが、ヒューマンユーザーがアクセスするのと同じシート内で実行されます。内部のSmart AssistとAmazon QuickおよびClaude Desktopなどの外部AIクライアント間のこの同等性は、Smartsheetが一度構築すればすべてのエージェント型クライアントが即座に恩恵を受けることを意味し、フラグメンテーションを回避します。

インフラストラクチャの選択はエージェント型トラフィックの独特な要求を反映しています。従来のAPIサービスはリクエスト-レスポンスサイクルを処理します。エージェント型トラフィックはバースト的で、エージェントがタスクを推論しながら数秒で複数のツール呼び出しを発火させます。Smartsheetはこれに対してAWS Fargate上でMCPサーバーを実行し、トラフィックボリュームとコンピュート使用率を組み合わせた自動スケーリングポリシーで対応します。デプロイメント戦略（最小リージョンから開始し、15分ごとにカナリアテストで検証）はアクティブなエージェントセッションを中断から保護します。オブザーバビリティレイヤーは従来のモニタリングを超えており、ツールチーン全体のコンテキストをキャプチャします。単一ユーザーリクエストは一連のツール呼び出しを生成することができ、障害は多くの場合数段階さかのぼって追跡されるためです。

トークンコストはAIエージェントデプロイメントの経済的制約となっています。Smartsheetの3段階の最適化戦略（レスポンスサイズをキャップするプログレッシブディスクロージャー、幻想的なパラメータを防ぐ厳密に型付けされたスキーマ、トークンカウントを35～47パーセント削減する独自シリアライゼーション）がこの問題に直接取り組みます。ローンチ以来の30億トークンの削減は、サーバー設計が正確性だけでなくスケール時の効率性を優先していることを示しています。

まだコメントがありません。最初のコメントを投稿しましょう！