2026年6月3日に公開・更新された「Public Preview: Azure Databricks workspace-wide Genie MCP for Microsoft Copilot Studio」は、Microsoft Copilot StudioでAzure Databricksのデータ活用を進めている組織にとって、かなり実務的な変更です。結論から言うと、Copilot Studioのエージェントが、Azure Databricksワークスペース全体を対象にしたGenie MCPエンドポイントへ接続できるようになり、従来のようにGenie Spaceごとにツールを細かく追加する運用を減らせます。
ただし、この機能はPublic Previewです。すぐ本番の全社展開に使うというより、まずは管理者・開発者が権限、接続方式、既存エージェントへの影響、レート制限、監査方法を確認しながら、限定的なパイロットで検証するのが安全です。Azure Updatesでは当該更新がAzure ID 564868として掲載され、「In preview」は非本番用途のテスト向けステータスとして説明されています。(Microsoft Azure)
Microsoft Copilot Studioの更新で何が変わるのか
今回の中心は、Azure Databricks workspace-wide Genie MCP endpointです。Microsoft Copilot Studioの任意のエージェントが、単一のエンドポイントを通じてAzure Databricksワークスペース全体に対する自然言語質問を実行できるようになります。公式更新では、このエンドポイントが接続済みのGenie SpacesとUnity Catalogデータに対して自動ルーティングし、従来のGenie Space単位の設定を置き換えるものと説明されています。(Microsoft Azure)
従来のCopilot Studio連携では、特定のGenie Spaceをツールとして追加する発想が中心でした。Databricksのドキュメントでも、Genie Space単位のMCP URLとして次の形式が示されています。
https://<workspace-hostname>/api/2.0/mcp/genie/{genie_space_id}一方、ワークスペース全体を対象にするGenie MCPサーバーでは、次のようなエンドポイント形式が示されています。
https://<workspace-hostname>/api/2.0/mcp/genieDatabricksの管理MCPサーバーはPublic Previewで、Unity Catalog、Databricks AI Search、Genie Spaces、カスタム関数などにAIエージェントを接続するための仕組みとして説明されています。Genieの管理MCPサーバーは読み取り専用で、Genie SpacesとUnity Catalogデータを横断して回答し、Databricks UI上の会話へのディープリンクも返せるとされています。(Databricks)
| 観点 | 従来のGenie Space単位の接続 | workspace-wide Genie MCP | 実務上の意味 |
|---|---|---|---|
| 接続単位 | Genie Spaceごとにツールを追加 | ワークスペース単位の単一エンドポイント | エージェント構成がシンプルになる |
| 質問の対象 | 指定したGenie Space中心 | 接続済みGenie SpacesとUnity Catalogデータ | 横断的な業務質問に対応しやすい |
| ルーティング | 作成者がどのツールを呼ぶか設計 | エンドポイント側で自動ルーティング | ツール選択の設計負荷が下がる |
| 権限管理 | Spaceごとの権限確認が中心 | ワークスペース全体の権限設計が重要 | 過剰権限の見落としに注意 |
| 移行判断 | 小規模・部門別に向く | 複数部門・複数データ領域に向く | 既存構成を一括置換せず検証が必要 |
Microsoft Copilot Studio利用者にとってのメリット
最大のメリットは、データに詳しくない利用者でも、Copilot Studioのエージェントから自然言語で複数領域のデータに質問しやすくなることです。
たとえば、営業担当者がTeams上のエージェントに次のように質問する場面を想定できます。
「今月の東日本エリアで売上が落ちている商品カテゴリと、関連する問い合わせ傾向を教えて」
従来は、売上分析用のGenie Space、問い合わせ分析用のGenie Space、顧客マスタ用のデータ領域などを別々に意識する必要がありました。workspace-wide Genie MCPでは、エージェントが単一エンドポイントを通じて適切なGenie SpaceやUnity Catalogデータへルーティングしやすくなるため、利用者は「どのデータソースに聞けばよいか」を考える負担が小さくなります。
ただし、自然言語で聞けるからといって、何でも正しく解釈されるわけではありません。Microsoft Learnでは、Genie Spaceには分かりやすい名前と説明を付けることが推奨されています。エージェントが適切にツールを選び、質問を正しいデータ文脈に結び付けるには、データ側の説明品質が重要です。(Microsoft Learn)
影響を受ける範囲
今回の変更は、Copilot Studioの作成者だけでなく、Azure Databricks管理者、Power Platform管理者、セキュリティ担当者、データオーナーにも関係します。
| 対象者 | 確認すべきこと |
|---|---|
| Copilot Studio作成者 | 既存エージェントでGenie Space単位のツールを使っているか、workspace-wide化で指示文やツール説明を変更すべきか |
| Power Platform管理者 | Azure Databricks接続、認証方式、環境、DLPポリシー、共有範囲 |
| Azure Databricks管理者 | Managed MCP Serversプレビューの有効化、Unity Catalog権限、AI GatewayでのMCP管理 |
| セキュリティ担当者 | OBO認証か共有IDか、最小権限、監査、利用ログ |
| データオーナー | Genie Spaceの説明、利用可能なデータ範囲、回答に含めてよい指標 |
| エンドユーザー | TeamsやMicrosoft 365上で、どのような質問が可能か、どのデータに基づく回答か |
特に重要なのは、「ワークスペース全体」という言葉を、すべてのデータが無条件に見えるという意味で捉えないことです。Databricksの管理MCPサーバーではUnity Catalogの権限が常に適用され、エージェントやユーザーは許可されたツールとデータだけにアクセスできると説明されています。(Databricks)
導入前に確認すべき前提条件
workspace-wide Genie MCPを検証する前に、少なくとも次の前提を確認してください。
| 確認項目 | 判断基準 |
|---|---|
| Public Previewの扱い | 本番全面展開ではなく、検証・非本番用途から始める |
| Databricks側のプレビュー | Managed MCP Serversプレビューを有効化できるか |
| Copilot Studio側の接続 | Azure Databricks接続をPower AppsまたはPower Automateで作成して利用できるか |
| ライセンス | Power Platform側で必要なPremiumライセンスを満たすか |
| 認証方式 | 利用者本人の権限で動かすか、作成者・サービスプリンシパルなどの共有IDで動かすか |
| Unity Catalog | 対象データのカタログ、スキーマ、テーブル、関数、Genie Spaceの権限が整理されているか |
| ネットワーク | Private EndpointやVNet構成の場合、Power Platformから到達できる設計か |
| レート制限 | Genie APIの制限を前提に、利用部門・同時利用数を見積もっているか |
Microsoft Learnでは、Azure DatabricksをPower Platformから使う前提として、Microsoft Entra IDアカウント、Premium Power Appsライセンス、Azure Databricksアカウント、SQL Warehouseへのアクセスが必要とされています。また、Copilot Studioで使う場合も、Databricks接続はPower AppsまたはPower Automateで作成することが推奨されています。(Microsoft Learn)
Azure DatabricksとPower Platformが異なるテナントにある場合は、サービスプリンシパルを使う必要がある点にも注意が必要です。認証設計を後回しにすると、検証では動いたが部門展開時にユーザーが接続できない、または逆に共有IDの権限が広すぎるという問題が起きやすくなります。(Microsoft Learn)
設定と展開の進め方
まずユースケースを絞る
最初から「全社のデータに何でも聞けるAI」を目指すのは危険です。Preview機能では、最初に対象業務を絞るべきです。
たとえば、次のようにユースケースを分けます。
| ユースケース | workspace-wide MCPとの相性 |
|---|---|
| 営業実績、顧客、問い合わせを横断して分析したい | 高い |
| 単一部門の定型KPIだけを確認したい | Genie Space単位の接続でも十分 |
| 機密性の高い人事・財務データを扱う | 慎重に検証すべき |
| データ探索よりもSQL実行や更新処理が目的 | 別のDatabricks SQL、Power Automate、関数連携も検討 |
workspace-wide化の価値は、複数のGenie SpaceやUnity Catalogデータを横断する質問で大きくなります。逆に、対象が1つのGenie Spaceに閉じているなら、既存の構成を急いで変える必要はありません。
Azure Databricks側を準備する
Databricks側では、Managed MCP Serversプレビューを有効にし、AI GatewayのMCP一覧で利用可能なエンドポイントを確認します。Databricksドキュメントでは、ワークスペースの「AI Gateway > MCPs」からMCPサーバーとエンドポイントURLを確認できると説明されています。(Databricks)
この段階で確認すべきポイントは次の通りです。
| 項目 | 確認内容 |
|---|---|
| Genie Space名 | 部門名だけでなく、扱うデータと用途が分かる名前になっているか |
| Genie Space説明 | 何に答えられるか、何に答えられないかが明確か |
| Unity Catalog権限 | ユーザー、グループ、サービスプリンシパルの権限が最小限か |
| データ分類 | 個人情報、機密情報、社外秘データが混在していないか |
| 監査 | Unity AI Gatewayなどで利用状況を追えるか |
エージェント側のプロンプトだけで安全性を担保しようとするのは不十分です。AIエージェント連携では、回答させたくないデータをプロンプトで隠すのではなく、権限で見えない状態にするのが基本です。
Power Platform側の接続を整理する
Copilot StudioでAzure Databricks Genieを使う場合、Power Platform上のAzure Databricks接続が重要になります。Microsoft Learnでは、Genie SpacesをCopilot Studioに接続する前に、Managed MCP Serversプレビューを有効化し、Power AppsでAzure Databricks接続を作成することが前提として示されています。(Microsoft Learn)
認証方式は、主に次の2つを比較して決めます。
| 認証方式 | 向いているケース | 注意点 |
|---|---|---|
| End user credentials | 利用者本人の権限で回答範囲を制御したい | 各ユーザーの接続準備や接続パラメーター共有を考慮する |
| Maker-provided credentials | 部門共通のサービスアカウントで同じ回答範囲にしたい | 共有IDの権限が広すぎると情報漏えいリスクが高まる |
利用者ごとに見えるデータを変えたい場合は、End user credentialsを優先して検討します。一方、FAQ的な分析エージェントや限定データだけを扱う部門内ボットでは、サービスプリンシパルなどの共有IDが運用しやすい場合もあります。
Copilot Studioエージェントに接続する
Copilot Studioでは、既存のMCPサーバーをエージェントに接続する方法として、MCP onboarding wizardを使う方法と、Power Apps経由でカスタムコネクタを作成する方法が案内されています。Microsoftは、MCP onboarding wizardを推奨しています。(Microsoft Learn)
設定時は、次の点を確認してください。
| 設定箇所 | 実務上のポイント |
|---|---|
| ツール名 | 「Databricks」だけでなく、「営業・顧客分析用Databricks Genie」のように用途を明確にする |
| ツール説明 | エージェントがいつ呼び出すべきか分かる説明にする |
| エージェント指示文 | どの質問はGenieに渡すか、どの質問は通常回答にするかを明記する |
| ポーリング指示 | Genieの処理完了まで待つように指示する |
| 公開チャネル | いきなり全社Teamsに公開せず、検証用チームから始める |
Microsoft Learnでは、Genie SpaceをCopilot Studioエージェントのツールとして追加する手順の中で、ツール名を分かりやすくすること、Genieの応答が完了するまでポーリングを続けるようエージェント指示に含めること、生成AIオーケストレーションを有効化することが案内されています。(Microsoft Learn)
既存構成から移行するときの注意点
すでにGenie Space単位でCopilot Studioエージェントを作っている場合、workspace-wide Genie MCPへ一気に置き換えるのではなく、次の順序で進めるのが安全です。
| 手順 | 実施内容 |
|---|---|
| 現状棚卸し | どのエージェントがどのGenie Spaceを使っているか一覧化する |
| 重複確認 | 同じ目的のツールが複数登録されていないか確認する |
| 検証環境で比較 | 同じ質問を既存構成とworkspace-wide構成で投げ、回答範囲と精度を比較する |
| 権限差分確認 | End user credentialsと共有IDで回答結果がどう変わるか確認する |
| ロールバック準備 | 問題があれば従来のGenie Space単位構成へ戻せるようにする |
| 段階公開 | 管理者、業務担当、限定ユーザー、本番部門の順に広げる |
特に注意したいのは、ワークスペース全体を対象にできることで、エージェントが「意図しないデータ文脈」を選ぶ可能性がある点です。たとえば、営業用の質問が似た名前の財務用Genie Spaceへ寄ってしまうと、回答の意味が変わります。Genie Spaceの名前、説明、アクセス権限、エージェント指示文をセットで見直してください。
セキュリティとガバナンスで見るべきポイント
workspace-wide Genie MCPの導入では、便利さより先にガバナンスを固める必要があります。Databricksの管理MCPサーバーはUnity Catalog権限を適用すると説明されていますが、これは「権限設計が正しければ安全に近づく」という意味です。権限が広すぎれば、エージェントも広い範囲を参照できます。(Databricks)
確認すべき観点は次の通りです。
| 観点 | 確認ポイント |
|---|---|
| 最小権限 | ユーザー、グループ、サービスプリンシパルに不要なカタログ権限がないか |
| 職務分離 | データ管理者、エージェント作成者、承認者が分かれているか |
| 監査 | 誰が、どのエージェント経由で、どのデータに質問したか追えるか |
| 機密情報 | 個人情報や機密指標を回答に含めてよい利用者範囲か |
| プロンプト設計 | エージェントが推測でフィルター条件を足しすぎないよう指示しているか |
| 公開範囲 | Teams、Microsoft 365、Power Appsなど公開先ごとの利用者範囲を確認しているか |
また、Copilot Studioで一般的なMCPサーバーを手動接続する場合は、サポートされる通信方式にも注意が必要です。Microsoft Learnでは、Copilot Studioは現在Streamable transportをサポートし、SSE transportは2025年8月以降サポートされないと説明されています。古いMCP構成やカスタムコネクタを使っている場合は、移行時にこの点も確認してください。(Microsoft Learn)
よくある失敗と回避策
Public Previewを本番前提で展開してしまう
「Previewで使える」と「本番の全社業務で使える」は別です。Azure UpdatesのIn previewは、非本番用途のテスト向けステータスとして説明されています。まずは検証環境、限定ユーザー、読み取り専用のユースケースから始めるべきです。(Microsoft Azure)
Genie Spaceの説明が曖昧なまま接続する
「Sales」「Customer」だけのような名前では、エージェントがどのデータ領域を使うべきか判断しにくくなります。たとえば「国内営業実績分析：月次売上、商品カテゴリ、地域別KPIに回答。個別顧客の契約条件は対象外」のように、対象と対象外を明記しましょう。
共有IDに広すぎる権限を与える
Maker-provided credentialsやサービスプリンシパルを使う場合、利用者本人ではなく共有IDの権限でデータにアクセスする設計になり得ます。便利ですが、部門外データまで参照できる権限を付けるとリスクが高まります。共有IDを使う場合は、専用の低権限IDを作り、対象カタログとGenie Spaceを限定してください。
レート制限を見落とす
Microsoft Learnでは、Copilot StudioのGenie SpacesにはGenie APIのレート制限により、1分あたり最大5問という制限があると説明されています。検証時に数人で問題なくても、Teamsに公開した瞬間に利用が集中すると、待ち時間や失敗が増える可能性があります。(Microsoft Learn)
ポーリングを待たずに「処理中」で終わる
Genieは非同期で動作し、genie_askで会話を開始してから、genie_poll_responseで応答完了まで確認する仕組みです。Copilot Studio側の指示が弱いと、エージェントが十分に待たず、利用者に「まだ処理中です」と返し続けることがあります。エージェントの指示文に、Genieの応答完了まで待つルールを入れておきましょう。(Databricks)
管理者・開発者向けチェックリスト
| チェック | 内容 |
|---|---|
| Preview方針 | 本番利用ではなく、検証・限定公開から開始する方針になっている |
| 対象エージェント | workspace-wide化するエージェントと、従来構成を維持するエージェントを分けている |
| Databricks設定 | Managed MCP Serversプレビュー、AI Gateway、Unity Catalog権限を確認済み |
| Genie Space整備 | 名前、説明、対象データ、対象外データを明文化している |
| Power Platform接続 | OAuth、End user credentials、Maker-provided credentials、サービスプリンシパルの方針を決めている |
| ネットワーク | Private Endpoint、VNet、IP制限を使う場合のPower Platform接続経路を確認済み |
| Copilot Studio設定 | ツール説明、エージェント指示文、生成AIオーケストレーション、ポーリング指示を設定済み |
| テスト | 管理者だけでなく、実際の権限を持つ一般ユーザーで回答差分を確認済み |
| 監査 | 利用ログ、アクセスレビュー、問い合わせ時の調査手順を決めている |
| ロールバック | 問題発生時にGenie Space単位の既存構成へ戻す手順がある |
今すぐ何をすべきか
今回のworkspace-wide Genie MCPは、Microsoft Copilot Studioで「業務データに自然言語で聞けるエージェント」を作るうえで、構成をかなり簡素化できる可能性があります。特に、複数のGenie SpaceやUnity Catalogデータを横断して質問したい組織では、検証する価値があります。
一方で、Public Previewであること、ワークスペース単位にスコープが広がること、認証方式によって見えるデータが変わることは軽視できません。まずは既存のGenie連携エージェントを棚卸しし、1つの部門・1つの検証用エージェントでworkspace-wide MCPを試してください。そのうえで、回答精度、権限、レート制限、監査、ユーザー体験を確認し、問題がなければ段階的に展開するのが現実的です。
コメント