BackstageとModel Context Protocol (MCP) 連携完全ガイド:AIエージェントによる次世代開発者ポータルの構築手順

(最終更新日: 2026年11月11日)

「社内の開発ツールが散在していて、どこに何があるか把握しきれない」「AIをもっと業務に活用したいけれど、セキュリティや具体的な連携方法が分からない」とお悩みではありませんか?

マイクロサービス化が進む現代の開発現場において、バラバラになったリソースを効率よく管理し、AIの力を最大限に引き出すことは、多くのエンジニアやテックリードにとって共通の課題です。

本記事では、開発者ポータルとして定評のある「Backstage」と、最新のAI通信規格「Model Context Protocol (MCP)」を組み合わせ、AIエージェントが自律的に開発基盤を操作する次世代の環境づくりを徹底解説します。

仕組みの理解から具体的な実装手順、さらには気になるセキュリティ設計までを網羅しており、この記事を読むだけで「AI×IDP」による自動化の未来を自社でスタートさせる準備が整います。

最先端の技術を味方につけて、劇的に向上した新しい開発者体験をぜひ手に入れてください!

Backstage meets MCP:AIエージェントがIDPを操作する仕組みと重要性

当セクションでは、BackstageとMCP(Model Context Protocol)が融合することで、AIエージェントがどのように社内の開発インフラを操作し、どのような価値を生み出すのかを詳しく解説します。

技術の進化により、開発者が手動で情報を探す時代から、AIがコンテキストを理解して自律的に動く時代へとシフトしており、その仕組みを理解することは次世代のプラットフォーム戦略において不可欠だからです。

  • Model Context Protocol(MCP)が解決する「AIの文脈不足」
  • Backstageを「AIの脳」に接続するメリット
  • UI操作からエージェント対話へのパラダイムシフト

Model Context Protocol(MCP)が解決する「AIの文脈不足」

Model Context Protocol(MCP)は、AIモデルが外部のデータソースやツールとシームレスに連携するためのオープンな標準規格です。

これまでAIは一般的な知識には長けていたものの、特定の企業が持つ独自のリポジトリ構造や複雑な依存関係といった「内部の文脈」を直接知る手段がありませんでした。

このプロトコルはLSP(Language Server Protocol)がエディタ間の差異を吸収したように、AIと多様なデータリソースを繋ぐ統一的なインターフェースを提供します(参考: Revolutionizing Developer Platforms with Backstage and MCP)。

標準化された通信プロトコルを導入することで、AIは迷うことなく必要な情報へアクセスし、開発者の意図に沿った正確なアクションを実行可能になります。

MCP architecture diagram showing Client, Server, and Resource layers.

Backstageを「AIの脳」に接続するメリット

社内のあらゆるサービス情報が集約されたBackstageをAIの知識ベースとして活用することで、AIエージェントの有用性は飛躍的に高まります。

Backstageは組織における「Single Source of Truth(信頼できる単一の情報源)」であり、ここをMCP経由で接続することは、AIに組織全体の精密な地図を与えることに他なりません。

かつて私が直面した、ドキュメントの散在によってAIが誤った古いAPI仕様を提案してくるような事態も、常に最新の情報が保たれたBackstageを参照させることで根本から解消できます。

信頼性の高いプラットフォームをAIの脳の拡張として機能させることにより、自律的なサービス立ち上げや担当者への自動連絡といった高度な自動化が現実のものとなります。

詳細はMCPとAIエージェントの仕組みを解説したガイドも併せてご覧ください。

UI操作からエージェント対話へのパラダイムシフト

ブラウザを介した手動のカタログ検索から、IDE内での自然言語による対話へとインターフェースが劇的に変化しています。

このパラダイムシフトの最大の恩恵は、開発者が作業の手を止めて情報を探しに行く際のコンテキストスイッチを最小化し、認知負荷を大幅に削減できる点にあります。

以下の表に示す通り、AIエージェントを活用することで、従来のWeb UI操作と比較して圧倒的なスピードで業務を遂行できるようになります。

比較項目 従来のWeb UI操作 AIエージェント対話(MCP)
操作ステップ数 5〜8ステップ 1ステップ(指示のみ)
主要な作業場所 ブラウザとIDEの往復 IDE内で完結
平均所要時間 約120秒以上 5〜15秒程度

(出所: Revolutionizing Developer Platforms with Backstage and MCP)

対話型インターフェースへの移行は、単なる効率化に留まらず、開発者がより創造的な設計や実装に集中できる新しい開発体験をもたらします。

Backstage as MCP Server:外部AIから社内資産へ安全にアクセスするアーキテクチャ

当セクションでは、BackstageをMCPサーバーとして機能させ、外部のAIエージェントから社内リソースへ安全にアクセスするためのアーキテクチャについて詳しく解説します。

生成AIの台頭により、開発者がポータル画面を操作するのではなく、IDE上のAIが直接ポータル機能を呼び出す「AIネイティブ」な開発運用が求められているためです。この変革を支える技術要素を、以下の3つのポイントに分けて説明していきます。

  • Actions Registry:プラグイン機能をツールとして一元管理する
  • Streamable HTTPによる通信プロトコルとエンドポイント設計
  • AIクライアント(Cursor/Claude Code)との接続プロセスの全体像

Actions Registry:プラグイン機能をツールとして一元管理する

Backstage v1.40.0より導入されたActions Registryは、分散したプラグイン機能をAIが扱える「ツール」として一元的に再定義する重要な役割を担います。

従来は各機能がScaffolderなどの特定モジュールに密結合していましたが、この仕組みにより全プラグインのアクションをメタデータとして外部へ解放できるようになりました。

技術的な裏付けとしてZodスキーマを採用しており、入力パラメータの型や必須項目をAIエージェントが正確に解釈するための情報を付加します。

import { z } from 'zod';

const createRepoSchema = z.object({
  repoName: z.string().describe('作成するリポジトリ名'),
  owner: z.string().describe('GitHubのオーナー名'),
  private: z.boolean().default(true),
});

開発者が作成した既存のカスタムアクションも、このレジストリを介すことで特別な改修なしにAIから呼び出し可能になる点は大きな利点です。

人間がポータル画面から行う操作とAIエージェントの処理が同じ定義を共有するため、管理コストの肥大化を防ぎつつ一貫性のあるガバナンスを実現できます。

MCP (Model Context Protocol)との親和性が高いこの設計は、社内資産の「単一の真実(SSOT)」を維持する上で極めて有効なアプローチとなります。

Streamable HTTPによる通信プロトコルとエンドポイント設計

サーバーとしての通信基盤には、効率的なデータ転送を可能にするStreamable HTTPプロトコルが標準採用されています。

@backstage/plugin-mcp-actions-backendを導入することで、デフォルトでは/api/mcp-actions/v1という単一のエンドポイントを通じて機能が公開されます。

大規模な組織でアクション数が膨大になる場合には、コンテキストウィンドウの消費を抑えるためにmcpActions.servers設定を用いてエンドポイントを論理的に分割するのが有効です。

# app-config.yamlの例
mcpActions:
  servers:
    catalog:
      endpoint: /api/mcp-actions/v1/catalog
      filter:
        pluginId: catalog
    scaffolder:
      endpoint: /api/mcp-actions/v1/scaffolder
      filter:
        pluginId: scaffolder

このようにドメインごとにツールを切り出すことで、AIが適切なツールを選択する際の精度を大幅に向上させ、無関係な情報の混入を回避できます。

公式リリースノート(参考: Backstage v1.40.0 Release Notes)に基づいたこのアーキテクチャは、エンタープライズ環境での拡張性を担保するための鍵となります。

AIクライアント(Cursor/Claude Code)との接続プロセスの全体像

外部のAIクライアントからBackstageへの接続は、動的なディスカバリーとネゴシエーションのプロセスを経て確立されます。

ローカル環境で広く使われるstdio接続とは異なり、リモートのBackstageサーバーとはHTTP/HTTPSを介してセキュアに連携する形をとります。

具体的には、CursorやClaude CodeなどのクライアントがBackstageのエンドポイントを叩き、利用可能なツールリストと実行に必要な権限情報を取得します。

Detailed flowchart showing the negotiation process between a remote AI client and Backstage MCP server, illustrating authentication, tool discovery via HTTP, and response handling.

接続時にはOAuthベースの認証が走り、開発者の既存の権限に基づいたトークンが発行されるため、セキュリティを損なうことなく社内資産へのアクセスが可能になります。

Claude Codeでの設定手順を参考にポータル側のURLを指定するだけで統合が完了する手軽さは、次世代の「AI駆動型開発」を象徴しています。

実践・導入ガイド:BackstageをMCPサーバーとして構築・設定する具体手順

当セクションでは、BackstageをMCPサーバーとして機能させるための具体的な環境構築と設定のプロセスについて詳しく解説します。

AIエージェントがBackstageの持つカタログ情報やアクションを正確に解釈するためには、基盤となるフレームワークのバージョンアップやフロントエンド・システムの近代化が不可欠な前提条件となるからです。

  • 前提条件の確認:BackstageバージョンとNew Frontend Systemの有効化
  • MCP Actions Backendプラグインのインストールとバックエンド設定
  • 動作確認:Claude DesktopからBackstageカタログを取得するハンズオン

前提条件の確認:BackstageバージョンとNew Frontend Systemの有効化

BackstageをMCPサーバーとして運用するためには、まずコアフレームワークがv1.40.0以上にアップデートされていることを確認してください。

MCP連携の根幹を支える「Actions Registry」というアクション管理機構はこのバージョンから導入されており、旧式の環境では連携用プラグインが正常に機能しないためです。

筆者も当初、レガシーなClassic Frontend環境のままプラグインを強引に導入しようとして、深刻なパッケージの依存関係エラーに直面し、数時間のデバッグを余儀なくされた失敗談があります。

確実な動作を担保するためには、package.jsonで各コンポーネントのバージョンを厳密に指定した上で、New Frontend Systemへの移行プロセスを完遂させることが重要です(参考: Backstage v1.40.0 Release Notes)。

土台となる基盤の近代化こそが、AIエージェントによる次世代の開発者体験を実現するための第一歩となります。

MCP Actions Backendプラグインのインストールとバックエンド設定

環境が整い次第、サーバー機能の中核を担う@backstage/plugin-mcp-actions-backendをバックエンドパッケージにインストールします。

このプラグインはBackstage上のアクションを自動的にMCPツール定義へと変換してくれますが、app-config.yamlを用いた適切なフィルタリング設定が運用の成否を分けます。

不用意にすべての社内アクションを外部公開してしまうと、LLMのコンテキストウィンドウを圧迫して推論精度を下げたり、不用意な破壊的操作を招いたりするリスクが生じるためです。

Architecture diagram showing Backstage core with Actions Registry. The @backstage/plugin-mcp-actions-backend acts as a bridge, converting Backstage actions into MCP Tools for AI clients.

具体的には、readOnly属性を持つアクションのみを許可するフィルタを設定し、AIに提示するツール群を安全かつ必要な範囲に絞り込む構成が推奨されます。

MCPセキュリティ完全ガイドでも強調されている通り、最小権限の原則に基づいたエンドポイントの設計が、エンタープライズ環境での信頼性を支える鍵となります。

動作確認:Claude DesktopからBackstageカタログを取得するハンズオン

設定作業の締めくくりとして、Claude Desktopをクライアントに使用し、Backstageのカタログ情報を対話形式で取得できるかテストしましょう。

ローカルのmcp.jsonにBackstageのエンドポイント情報を追記して起動することで、AIが社内サービスの一覧や所有者情報を自律的に検索できるようになります。

もし接続がうまくいかない場合は、CORS設定によるブロックや、認証に使用している外部アクセストークンの有効期限が切れていないかを優先的に点検してください。

スムーズなトラブルシューティングのために、以下のデバッグチェックリストを活用することをお勧めします。

  • Backstageのバックエンドログに「tool/call」の受信履歴が記録されているか
  • ネットワークプロキシ設定が接続を妨げていないか
  • app-config.yamlのフィルタリング条件が厳しすぎないか

無事に連携が完了すれば、ブラウザでポータルを辿る手間なく、自然言語だけで社内資産を自在に操る環境が手に入ります。

Claude CodeでMCPを使い倒す方法についても学んでおくと、より実践的な自動化ワークフローが構築可能になります。

エンタープライズ向けセキュリティ設計:ゼロトラスト認証と監査ガバナンス

当セクションでは、エンタープライズ環境においてBackstageとMCP(Model Context Protocol)を安全に連携させるためのセキュリティ設計について詳しく解説します。

企業がAIエージェントを基幹システムに統合する際、情報の漏洩や権限の乱用を防ぐゼロトラスト認証と、全操作を追跡可能にする監査ガバナンスの構築は避けて通れない最重要課題だからです。

  • CIMD(Client ID Metadata Documents)による動的認可の仕組み
  • Backstage Permission Frameworkとの統合による権限制御
  • OpenTelemetryを用いたAIエージェントの操作トレースと監査

CIMD(Client ID Metadata Documents)による動的認可の仕組み

エンタープライズ環境におけるAI連携の基盤となるのは、開発者個人のSSO(シングルサインオン)認証をMCP経由で直接引き継ぐCIMDによる動的認可モデルです。

従来の共有トークンやサービスアカウントに依存した方式では、誰がAIに指示を出したかの特定が難しく、セキュリティリスクが増大する懸念がありました。

2025年11月のMCP仕様改定により、これまで使われていたDCR(動的クライアント登録)は非推奨となり、接続時にブラウザでユーザー承認を行うCIMDへの移行が公式に強く推奨されています(参考: Backstage Official Docs)。

この仕組みにより、CursorやClaude Codeなどの外部クライアントがBackstageに接続を試みると、自動的に認可画面が立ち上がり、ユーザー個別の権限が紐付いた安全なセッションが確立されます。

CIMD-based OAuth authorization sequence between AI client, Backstage MCP Server, and SSO provider.

最新の認証プロトコルを遵守することで、個人の権限を逸脱しないセキュアなAIエージェント運用が可能になります。

Backstage Permission Frameworkとの統合による権限制御

AIエージェントによる操作は、Backstageが標準で備えるPermission Frameworkの制御下で実行されるため、開発者の役職や所属に応じた緻密なアクセス制限が適用されます。

これは「AIに特権を与えすぎない」という最小権限の原則(PoLP)を徹底するために不可欠なプロセスです。

具体的には、たとえAIがリソースの削除を提案したとしても、その実行ユーザーに権限がなければ、システム側でリクエストが自動的に拒絶されエラーを返します。

初期導入時においては、設定ファイルで以下のような制約を設け、破壊的な操作を制限することが実務上の定石です。

  • destructive: true とマークされたアクションの初期無効化
  • 読み取り専用(readOnly: true)ツールから段階的に開放
  • 権限不足時のエラーハンドリングをAI側へ適切に通知

組織全体の安全性を担保しつつAIの利便性を享受するためには、既存のRBAC(ロールベースアクセス制御)との密な統合が鍵となります。

セキュリティ対策の全体像については、【2025年最新】MCPセキュリティ完全ガイドもあわせて参照してください。

OpenTelemetryを用いたAIエージェントの操作トレースと監査

企業がコンプライアンスを遵守するためには、OpenTelemetryを活用してAIエージェントの全操作ログを可視化・追跡する仕組みが極めて有効です。

いつ、どのエージェントが、どの会話セッションを通じて社内リソースを操作したかを、従来のインフラ監視と同様の粒度で把握する必要があります。

BackstageのMCP Actions Backendは、ツールの呼び出しごとにトレーススパンを生成し、agent.idやconversation.idといったコンテキスト情報をメタデータとして自動付与します。

Visualization of AI agent operation traces in Jaeger/Honeycomb showing agent context propagation.

JaegerやHoneycombといった可視化ツールを導入すれば、複雑なAIの推論過程に紐付くバックエンド処理を一目で監査できるようになります。

このように詳細な実行証跡をリアルタイムで管理することが、企業のセキュリティ担当者にとっての安心感と導入の決め手へと繋がります。

商用エコシステムの比較と導入コスト:OSS、Spotify Portal、Roadie、Red Hat

当セクションでは、Backstageの商用エコシステムの比較と、導入にあたって考慮すべきコスト構造について詳しく解説します。

なぜなら、MCPを通じたAIエージェントの活用を最大化するためには、自社運用(OSS)とマネージドサービスの機能差や価格体系を正しく理解し、最適なプラットフォームを選択することが不可欠だからです。

  • セルフホスト(OSS)とマネージドSaaSのコスト・運用比較
  • 実用ユースケース:トラブルシューティングの迅速化とオンボーディング自動化
  • 今後の展望:自律型AIエージェントによるプラットフォームエンジニアリングの自動化

セルフホスト(OSS)とマネージドSaaSのコスト・運用比較

Backstageの導入にあたっては、自社運用の自由度と運用コストのバランスを慎重に評価する必要があります。

セルフホストのOSS版はライセンス費用が無料である一方、プラグインの管理やインフラ維持に多大な工数を要するため、トータルコスト(TCO)で見るとSaaS版が有利になるケースも少なくありません。

特に最新のMCP対応状況はベンダーごとに異なり、商用版ではセキュリティ監査やAI連携機能が最初から最適化されている点が大きな強みです。(参考: MCPセキュリティ完全ガイド)

具体的な価格体系については、以下の比較表を参考にしてください。

ソリューション名 提供形態 参考価格(2026年11月時点) 特徴およびMCP対応
Backstage (OSS) セルフホスト 無料(Apache License 2.0) コアのMCP機能を完全制御・拡張可能。自社保守。
Spotify Portal SaaS 年額 35,000 USD / インスタンス Spotify公式版。InsightsでMCP連携の追跡が可能。
Roadie SaaS 月額 24 USD / 開発者 管理不要のSaaS。エージェント向けコンテキスト標準化を推進。
Red Hat Dev Hub ソフトウェア 年額 約4,056 USD / 10ユーザー OpenShift統合とエンタープライズサポートが付属。

出所: AWS Marketplace / Roadie.io Pricing / CDW RHDH Pricing

組織の規模やエンジニアのスキルセットに合わせて、これら商用ソリューションの価値をOSSと比較検討することが、AI時代の開発者体験向上に向けた第一歩となります。

実用ユースケース:トラブルシューティングの迅速化とオンボーディング自動化

AIエージェントとBackstageを連携させる最大の利点は、複雑化したマイクロサービス環境での意思決定を劇的に高速化できることにあります。

障害発生時にAPIのオーナーや依存関係をAIに特定させることで、従来数時間を要していた初動対応を数秒へと短縮することが可能です。

実際に導入した企業では、新入社員の環境構築を対話形式で自動化するなどの施策により、月間1,400時間もの工数削減を実現した事例も報告されています。

A flowchart showing how an AI agent uses Backstage MCP to identify service owners and dependencies during an incident to speed up troubleshooting.

このような具体的なROIの可視化は、プラットフォーム導入に対する経営層の理解を得るための強力な材料となります。

ツールとしての導入に留まらず、開発プロセス全体の効率化をシナリオベースで設計することが、投資対効果を最大化する鍵を握ります。

今後の展望:自律型AIエージェントによるプラットフォームエンジニアリングの自動化

Model Context Protocol(MCP)の普及に伴い、Backstageの役割は静的なカタログからAIが活動するための「OS」へと劇的に進化します。

CNCFの動向を見ても、プラットフォームエンジニアリングの成熟度を高める要素として、AIによる自律的なインフラ操作が重要視されています。(参考: MCPとAIエージェント完全ガイド)

開発者が直接画面を操作することなく、AIエージェントが背景知識を持って最適なアクションを実行する未来がすぐそこまで来ています。

エンジニアが本来取り組むべき創造的なタスクに集中できる環境を構築することが、これからの企業競争力の源泉となるでしょう。

技術の標準化が進む中で、早期にこのエコシステムを取り入れることは、長期的な技術負債を回避するための極めて戦略的な投資と言えます。

まとめ:BackstageとMCPで切り拓く開発者体験の新時代

いかがでしたでしょうか。BackstageとModel Context Protocol(MCP)の連携は、社内ポータルを単なる情報源から「AIエージェントが自律的に社内資産を操作する次世代のプラットフォーム」へと進化させます。

本記事では、Actions Registryによるセキュアなツール公開、CIMDを用いたゼロトラスト認証、そして商用エコシステムの現状について重要なポイントを解説しました。

これらの最新技術を統合することは、開発者の認知負荷を劇的に下げ、プラットフォームエンジニアリングの真の価値を引き出す大きな一歩となります。

未来のエンジニアリング環境をいち早く構築し、組織全体の生産性と競争力を高めていきましょう。

自社の開発環境にBackstageとMCPを導入し、AIエージェントによる次世代の開発者体験を構築しませんか?

詳しい導入支援やコンサルティングが必要な方は、ぜひ当サイトのお問い合わせフォームよりご連絡ください。

Backstage導入支援・AIツール比較記事一覧はこちらから最新の情報をチェックして、最適な技術選定を行いましょう。