
ServiceNow AI Agent × MCP × Access 接続ガイド― 「リプレース不要」レガシーDBをそのままAIツール化した話
「まだAccessで動いてる業務データ、AIに繋げたいけど無理だよな…」と思っていませんか?
以前ブログでは、Pythonでインシデントレコードを生成AIのLLMへ分析させExcel出力するアプリを作成したりしました。
これはこれで、”今風”なアプローチなのですが、一方で、まだまだ業務部門側で何十年選手として動き続けている化石のような Access アプリもあるのではないでしょうか?
そこで、今回は3つの以下技術
ServiceNow × MCP (Model Context Protocol) × Access
という構成で繋いで、レガシーなAccessでも、最新MCPで接続させ、ServiceNowからでも参照できるという試みを行います。
1.全体構成図
まずは、全体構成図からです。

ServiceNowをクライアントと見立て、おかしな表現ですがローカルPCをサーバ側と位置付けます。
ここで接続に使う技術はMCP(Model Context Protocol)です。
MCPについては、簡易な説明を提供するブログが多く存在しますのでここでの詳細な説明は省略します。ここでの解釈としては以下の一言にまとめます。
・生成AI(LLM)が外部のツールやサービスと標準的な方法で繋がるための規格
このMCPを使いServiceNowのAI AgentからMCP接続を行うことで、サーバー側(MCP Server)に配備したAccessへ照会するという構成です。
間に、ngrokという構成が含まれてます。この構成については設定ステップにで後述しますが、一言でまとめる以下の機能を提供します。
・ローカル環境をインターネットに公開するトンネリングツール
続けて、ユーザーが質問してから回答が返るまでの処理シーケンスです。

では、早速この ”AIエージェント” を作成してゆきたいと思います。
2.準備
①Pythonライブラリのインストール
Pythonの各種ライブラリをインストールします。
pip install pyodbc pywin32 fastmcp1)pyodbc : 既存のAccessファイルへの読み書き用ODBCドライバー
2)pywin32 : AccessファイルそのものをPythonで新規作成用ライブラリ
3)fastmcp:MCP サーバー用ライブラリ
Accessとの疎通確認を行ってみます。私はPowerShellを使います。
python -c "import pyodbc; print([x for x in pyodbc.drivers() if 'Access' in x])"以下のような応答があれば、成功です。

②Access ファイルの作成
以下PythonスクリプトでAccessファイルを作成します。
python -c "
import os, pyodbc, win32com.client
DB_PATH = r'C:\work\sn_mcp_tool\parts.accdb'
if os.path.exists(DB_PATH):
os.remove(DB_PATH)
catalog = win32com.client.Dispatch('ADOX.Catalog')
catalog.Create(f'Provider=Microsoft.ACE.OLEDB.12.0;Data Source={DB_PATH};')
del catalog
print('DB作成完了:', DB_PATH)
"・ファイルパス:C:\work\sn_mcp_tool\parts.accdb
"DB作成完了"の標準出力が表示され、以下のようなファイルが作成されれば、成功です。

③レコードデータの一括作成続いて、簡易テーブル&レコードデータを一気に作成してしまいます。
製造業務系の在庫レコードデータとなっています。
python -c "import pyodbc
DB_PATH = r'C:\work\sn_mcp_tool\parts.accdb'
CONN_STR = r'Driver={Microsoft Access Driver (*.mdb, *.accdb)};DBQ=' + DB_PATH
conn = pyodbc.connect(CONN_STR, autocommit=True)
cursor = conn.cursor()
cursor.execute('''
CREATE TABLE parts_inventory (
部品コード TEXT(10) NOT NULL PRIMARY KEY,
部品名 TEXT(50) NOT NULL,
カテゴリ TEXT(20),
在庫数 INTEGER,
単位 TEXT(5),
倉庫 TEXT(20),
最終更新日 TEXT(10),
備考 TEXT(50)
)
''')
print('テーブル作成完了')
data = [
('A001','モーターシャフト','駆動部品',42,'個','第1倉庫','2024-03-15','標準品'),
('A002','ベアリング(6204)','軸受部品',210,'個','第1倉庫','2024-03-20','消耗品'),
('A003','Vベルト(B-50)','伝動部品',88,'本','第2倉庫','2024-03-18','定期交換品'),
('A004','オイルシール(40x60)','シール部品',55,'個','第1倉庫','2024-03-10',''),
('A005','六角ボルトM10x30','締結部品',1240,'個','第3倉庫','2024-03-22','汎用'),
('B001','油圧シリンダー','油圧部品',8,'台','第2倉庫','2024-02-28','要管理品'),
('B002','油圧ホース(1/4)','油圧部品',34,'本','第2倉庫','2024-03-05',''),
('B003','リリーフバルブ','油圧部品',12,'個','第2倉庫','2024-03-01',''),
('C001','PLCユニット(CPU)','電気部品',3,'台','第1倉庫','2024-01-15','要管理品'),
('C002','電磁接触器(AC200V)','電気部品',27,'個','第1倉庫','2024-03-19',''),
('C003','ブレーカー(30A)','電気部品',18,'個','第1倉庫','2024-03-12',''),
('C004','センサーケーブル(5m)','電気部品',62,'本','第3倉庫','2024-03-21',''),
('D001','Oリング(P-30)','シール部品',480,'個','第3倉庫','2024-03-20','消耗品'),
('D002','パッキン(ゴム50x50)','シール部品',156,'枚','第3倉庫','2024-03-14',''),
('D003','グリスニップルM6','保守部品',340,'個','第3倉庫','2024-03-22','汎用'),
('E001','ギアポンプ','油圧部品',5,'台','第2倉庫','2024-02-10','要管理品'),
('E002','フィルターエレメント','油圧部品',24,'個','第2倉庫','2024-03-08','定期交換品'),
('E003','圧力計(0-10MPa)','計測部品',9,'個','第1倉庫','2024-03-03',''),
('F001','チェーン(RS-50)','伝動部品',15,'m','第2倉庫','2024-03-17',''),
('F002','スプロケット(T=20)','伝動部品',22,'個','第2倉庫','2024-03-11',''),
]
cursor.executemany('INSERT INTO parts_inventory VALUES (?,?,?,?,?,?,?,?)', data)
print(f'{len(data)} 件投入完了')
cursor.execute('SELECT 部品コード, 部品名, 在庫数 FROM parts_inventory ORDER BY 部品コード')
for row in cursor.fetchall():
print(f' {row[0]} {row[1]} {row[2]}個')
conn.close()
"1)ファイルパス:C:\work\sn_mcp_tool\parts.accdb
2)テーブル:parts_inventry
3)20件のレコードデータサンプル
スクリプト実行後、以下の標準出力が表示されれば、テーブルとレコードデータの作成完了です。

これで、Accessデータベース側の環境準備が整いました。
3.FastMCP サーバーを実装
ここでMCP サーバーを構築します。
FastMCPというライブラリで構築し、さらにMCP サーバー側で利用できるツールをPythonコードで定義します。
・ファイル名:mcp_server.py
・スクリプト:以下のコードを定義
※ファイルパスはC:\work\sn_mcp_tool\mcp_server.pyとして配置
"""
FastMCP Server - 部品在庫照会ツール
=====================================
ServiceNow AI Agent (MCP Client) からの
自然言語クエリを受け取り、Access DBに問い合わせる
実行方法:
pip install fastmcp pyodbc
python mcp_server.py
ngrok公開:
ngrok http 8000
"""
import pyodbc
import uvicorn
from fastmcp import FastMCP
from starlette.middleware.base import BaseHTTPMiddleware
from starlette.responses import JSONResponse
# ── 設定 ──────────────────────────────────────────
DB_PATH = r"C:\work\sn_mcp_tool\parts.accdb"
CONN_STR = (
r"Driver={Microsoft Access Driver (*.mdb, *.accdb)};"
f"DBQ={DB_PATH};"
)
# ── APIキー認証 ────────────────────────────────────
API_KEY = "test-key-12345" # ServiceNowに登録したキーと合わせる
class APIKeyMiddleware(BaseHTTPMiddleware):
async def dispatch(self, request, call_next):
key = (
request.headers.get("x-api-key")
or request.headers.get("authorization", "").replace("Bearer ", "")
)
if key != API_KEY:
return JSONResponse({"error": "Unauthorized"}, status_code=401)
return await call_next(request)
# ── FastMCP 初期化 ─────────────────────────────────
mcp = FastMCP(
name="部品在庫照会サーバー",
instructions="製造業の部品在庫をMicrosoft Accessから照会するツールです。"
)
def get_connection():
"""Access DB接続を返す"""
return pyodbc.connect(CONN_STR)
# ── ツール①: 部品コードで在庫照会 ─────────────────
@mcp.tool()
def get_stock(部品コード: str) -> str:
"""
部品コードを指定して在庫数を照会します。
例: A001, B002, C003
"""
try:
conn = get_connection()
cursor = conn.cursor()
cursor.execute(
"SELECT 部品コード, 部品名, 在庫数, 単位, 倉庫, 備考 "
"FROM parts_inventory WHERE 部品コード = ?",
部品コード.upper()
)
row = cursor.fetchone()
conn.close()
if row:
result = (
f"部品コード : {row[0]}\n"
f"部品名 : {row[1]}\n"
f"在庫数 : {row[2]} {row[3]}\n"
f"倉庫 : {row[4]}\n"
f"備考 : {row[5] or 'なし'}"
)
else:
result = f"部品コード '{部品コード}' は見つかりませんでした。"
return result
except Exception as e:
return f"エラー: {str(e)}"
# ── ツール②: カテゴリで一覧照会 ───────────────────
@mcp.tool()
def list_by_category(カテゴリ: str) -> str:
"""
カテゴリを指定して部品一覧を照会します。
例: 駆動部品, 油圧部品, 電気部品, シール部品, 伝動部品, 締結部品, 保守部品, 計測部品
"""
try:
conn = get_connection()
cursor = conn.cursor()
cursor.execute(
"SELECT 部品コード, 部品名, 在庫数, 単位, 倉庫 "
"FROM parts_inventory WHERE カテゴリ = ? ORDER BY 部品コード",
カテゴリ
)
rows = cursor.fetchall()
conn.close()
if rows:
lines = [f"【{カテゴリ}】の部品一覧 ({len(rows)}件)\n"]
for row in rows:
lines.append(f" {row[0]} {row[1]} {row[2]}{row[3]} ({row[4]})")
return "\n".join(lines)
else:
return f"カテゴリ '{カテゴリ}' の部品は見つかりませんでした。"
except Exception as e:
return f"エラー: {str(e)}"
# ── ツール③: 倉庫で一覧照会 ───────────────────────
@mcp.tool()
def list_by_warehouse(倉庫: str) -> str:
"""
倉庫名を指定して保管部品一覧を照会します。
例: 第1倉庫, 第2倉庫, 第3倉庫
"""
try:
conn = get_connection()
cursor = conn.cursor()
cursor.execute(
"SELECT 部品コード, 部品名, カテゴリ, 在庫数, 単位 "
"FROM parts_inventory WHERE 倉庫 = ? ORDER BY カテゴリ, 部品コード",
倉庫
)
rows = cursor.fetchall()
conn.close()
if rows:
lines = [f"【{倉庫}】の保管部品一覧 ({len(rows)}件)\n"]
for row in rows:
lines.append(f" {row[0]} {row[1]} ({row[2]}) {row[3]}{row[4]}")
return "\n".join(lines)
else:
return f"倉庫 '{倉庫}' の部品は見つかりませんでした。"
except Exception as e:
return f"エラー: {str(e)}"
# ── ツール④: 要管理品一覧 ─────────────────────────
@mcp.tool()
def list_managed_parts() -> str:
"""
「要管理品」に指定されている部品の一覧を照会します。
"""
try:
conn = get_connection()
cursor = conn.cursor()
cursor.execute(
"SELECT 部品コード, 部品名, カテゴリ, 在庫数, 単位, 倉庫 "
"FROM parts_inventory WHERE 備考 = '要管理品' ORDER BY 部品コード"
)
rows = cursor.fetchall()
conn.close()
if rows:
lines = [f"【要管理品】一覧 ({len(rows)}件)\n"]
for row in rows:
lines.append(
f" {row[0]} {row[1]} ({row[2]}) "
f"{row[3]}{row[4]} {row[5]}"
)
return "\n".join(lines)
else:
return "要管理品はありません。"
except Exception as e:
return f"エラー: {str(e)}"
# ── 起動 ──────────────────────────────────────────
if __name__ == "__main__":
print("=== 部品在庫照会 MCP Server 起動 ===")
print(f"DB : {DB_PATH}")
print(f"Tools : get_stock / list_by_category / list_by_warehouse / list_managed_parts")
print(f"Port : 8000")
print(f"APIKey : {API_KEY}")
print("ngrok : ngrok http 8000")
print("URL : https://xxxx.ngrok-free.app/mcp をServiceNowに登録")
print("=" * 40)
app = mcp.http_app(path="/mcp")
app.add_middleware(APIKeyMiddleware) # 認証確認後に有効化
uvicorn.run(app, host="0.0.0.0", port=8000)
1)FastMCP:
MCP サーバーそのもの。簡単に構築できるよう設計されたライブラリ。開発を行うための各種機能がそろっています。
2)APIキー設定
検証環境といえど、きちんとAPIキーで認証をさせようと思います。
※↑文字列は当ブログ用のサンプルです。
3)get_stock:
MCPサーバ側の利用可能ツール①。部品コードで在庫照会が可能。「A001の在庫は?」と問い合わせする。
4)list_by_category:
MCPサーバ側の利用可能ツール②。カテゴリで一覧照会が可能。「油圧部品を一覧で」と問い合わせする。
5)list_by_warehouse:
MCPサーバ側の利用可能ツール③。倉庫で一覧照会が可能。「第2倉庫の部品は?」と問い合わせする
6)list_managed_parts:
MCPサーバ側の利用可能ツール④。要管理品一覧の照会可能。「要管理品を教えて」と問い合わせする。
7)mcpの接続のアプリケーションパスに/mcpを定義。ServiceNowのMCPクライアントはこのURLパスで接続させます。
↑のPythonスクリプトファイルを所定フォルダに配置し、以下のように実行します。
python C:\work\sn_mcp_tool\mcp_server.py以下ステータスが表示されれば成功です。
FastMCP 3.2.0
Server: 部品在庫照会サーバー
http://0.0.0.0:8000/mcpで待受中実際には、以下の大昔のファミコン画面のような標準出力が表示されます。MCP サーバーが起動しました。ツール群も利用できるようになっています。

4.ngrokでローカルを公開
続いて、ローカルPC環境を安全にインターネット上に公開する仕組みをトンネリングツールのngrokを使って行います。
①ngrokのインストール
以下コマンドでngrokをインストールします。
winget install Ngrok.Ngrokここで、ngrokを最新にしておきます。Authtokenを充てるときに、ngrokが古いPKGですと、、エラーになり適用ができないためです。
ngrok update②ブラウザで ngrok のサイトにサインインを実施
続いて、実際のngrokサイトへサインインし、Authtokenキーの払い出しを行います。
gmailやgithubアカウントでサインインが可能です。
サインインを行うと以下のようなWelcome画面が表示されます。

③Authtoken Keyの取得と設定
ngrokのログイン後初期画面をスクロールすると以下のようなキーコードを含めたコマンド文字列がありますので、これをコピーして、PowerShell上で実行します。
※ngrokのインストール完了後、環境変数が新規にセットされているのでPowerShell画面を一度閉じて新しく開いてから実行します。
ngrok config add-authtoken 2abc123xxxxx...以下のようにAuthtoken値がxmlファイルに保存されたメッセージが表示されれば、キー文字列が正しくセットされています。
Authtoken saved to configuration file: C:\Users\XXXXX\AppData\Local/ngrok/ngrok.ymlでは、ngrokを起動してみましょう。
ngrok http 8000以下のような標準出力が表示されます。

この出力の中の以下URLをコピーしておきます。
https://XXXXX-jett.ngrok-free.devこれでMCPサーバーは公開されました。
5.ServiceNow AI Agent StudioでMCP Server登録 & AI Agent作成
では、ServiceNowのMCPクライアントを定義してゆきましょう。
①MCP サーバーの登録
[すべて]→ファイルナビゲータに[AIエージェント]と入力し、
・AIエージェントスタジオの[設定]を開きます。

・MCPサーバーの管理メニューを開く
・右側の[新規]ボタンを押下

MCPサーバーの登録用ダイアログ画面で以下を入力します。
・名前:Parts Inventory MCP Server
※ここは日本語NGでした! おそらくエイリアスレコードの名前フィールドに日本語対応できない問題があるので、現時点では、英数文字列を指定してください。
・認証タイプ:API Key
・MCPサーバーURL:ngrokで取得したURL +/mcp
※先のngrokの起動手順で取得したURL文字列の後ろに"/mcp"を続けて入力
[Add]を押下します。

MCPサーバー登録画面で、[保存]を押下します。

ngrok側のステータスに、GETの要求が届きます。ServiceNowから接続がきたことを意味します

続いて、AIエージェントの作成に入ります。
ここでは、簡易的に動くAIエージェントを作りたいと思いますので、シンプルな設定値を入れてゆく程度に留めます。
[作成]タブ画面→[AIエージェント]タブ画面を表示し、[追加]を押下します。

AIエージェントの概要を定義します。
・AIエージェント名:部品在庫照会AIエージェント
・AIエージェント説明:部品在庫を照会するAIエージェント

続いて、ロールとステップを以下の図のように定義します。
※この設定値はAIエージェント(実際にはLLM)が解釈し、ツールを利用した様々な処理を行う重要な定義です。しかし、今回はシンプルな定義にとどめます。

[ツール追加ステップ]にてツールを追加します。
・画面右上の[ツールを追加]をクリック

MCPサーバーツールを選択します。

次画面で
・モデルコンテキストプロトコルサーバー選択より、
"Parts Inventory MCP Server"
を選択しますと、、
おおっ! Accessを照会するMCP サーバーのツールメニューが表示されました! この状態で、ServiceNowからMCPサーバーに繋がっています!

リストより、ツールを選択します。
・get_stock
・その他の設定はデフォルト値を指定
[追加]を押下します。

4つのツールをすべてAIエージェントで利用できるツールとしてセットします。
MCP Client側の設定は、ここまで簡単な画面設定で行えます。

ロールやアクセス周りの定義を追加し、最後に実行中および完了メッセージの設定を入れます。
・処理中メッセージ:在庫データベースを検索中…
・完了メッセージ:在庫情報の取得が完了しました。

これでServiceNow側のAIエージェントの設定は完了です。
MCPクライアントとしてMCPサーバへ繋がり、ツール経由でAccessデータベースを照会できるようになりました。
6.動作確認:AI Agentに聞いてみる
それでは、待望の動作確認です。
"最新技術"と"最古の技術"が本当に繋がるのか?
企画倒れにならないか!?
ドキドキしますね。
テスト実施画面に遷移し、
・部品コードA001の在庫を教えてください
と入力し、実行ボタンを押下します。

AIエージェントが起動し、ツールの利用可否を聞いてきます。[はい]をクリックします。

おおっ! MCPサーバーのツールでAccessから照会結果が戻りました。
在庫数:42個
倉庫:第1倉庫
備考:標準品

続いて、「油圧部品の一覧を見せてください」と問い合わせすると、List_by_categoryがツールとして使われ、一覧が表示されています。

「第二倉庫にある部品を教えてください」と問い合わせすると、List_by_warehouseがツールとして使われ、一覧が正しく表示されています。

最後に、「要管理品の一覧を教えてください」と問い合わせしてみます。List_managed_partsがツールとして使われ、一覧が正しく表示されています。

7.終わりに
如何でしたでしょうか?
”最新AI技術” と "最古でレガシーなAccess" との組み合わせのギャップがまた面白いと思い、今回の技術チャレンジをトライしてみようと思いました。
正直に言うと、最初は「Accessで動くわけない」と思っていました。でも普通に動きました。
2024年最先端のAIエージェントと、1992年生まれのデータベースが普通に会話しているわけです。
笑えますが、これは笑い話ではありません。MCPというプロトコルは、AIとあらゆるツールの間に「共通言語」を作りました。接続先がAccessだろうと、古いオンプレDBだろうと、MCP Serverを1本書くだけで最新のAI Agentのツールになります。
「リプレースしなければAIが使えない」と諦めていたレガシー資産に、AIの方が歩み寄ってきた時代が来たのかもしれません。
Accessはまた静かにPCの片隅に眠らせておきます。
次の記事も乞うご期待ください。では。