2026年5月28日

TiroでAIエージェント連携するMCP・API実装ガイド

Tiroの会議データをMCP、REST API、Webhook、CLIでAIエージェントに接続し、議事録後の処理を自動化する開発者向け手順です。

AIエージェント連携で会議業務は何が自動化できるのか？

会議データをAIエージェントに渡すことで、議事録作成やその後の処理を自動化できる可能性があります。

会議の自動化で最初に狙うべき処理は、会議終了後に人が繰り返している事務作業の効率化です。

製造業の事例において、AIエージェントの導入により議事録作成時間が4時間超から30分へ短縮された事例が報告されています（リコー）。このような効率化は、録音の文字起こしだけでなく、会議後の情報をAIが処理しやすい形で扱うことで実現に近づきます。

情報を整理された形で保持することは、AIエージェントによる情報処理を検討する上での土台となります。これにより、人が情報を探し出し、他システムへ手動で転記する際の手間を軽減できる可能性があります。

MCPを使うとAIエージェント連携はどう標準化できるのか？

Model Context Protocol（MCP）は、AIエージェントのコンテキスト活用の分野で企業による採用が進んでいるプロトコルの一つです。

MCPは、AIエージェントが外部コンテキストを扱うためのインターフェースとして期待されています。Tiroの会議データをMCPサーバー経由で公開すると、AIエージェントは会議の文字起こしやノートを、個別の独自連携ではなく統一された手順で参照できます。

2026年5月24日時点で、公式のMCPレジストリには9,652件のサーバーレコードが登録されています（Digital Applied、2026年）。同じ調査では、ソフトウェア組織の41%がMCPを本番環境で採用しているとされています（Digital Applied、2026年）。

普及の背景には、AIエージェントごとに個別の接続を実装する負担を減らせる点があります。CData Softwareは、MCPなどのプロトコル統合により開発者のタスク完了速度が55%向上し、開発オーバーヘッドを30%削減できる見込みを示しています（CData Software、2026年）。また、MCP市場は2025年までに103億ドル規模に達すると予測されています（CData Software、2026年）。

AnthropicのMCP SDKについては、2025年12月時点で月間ダウンロード数が9,700万件を超えたと報告されています（Digital Applied、2026年）。この数字は、MCPが実験的な接続方式から、開発者が日常的に組み込む接続層へ移りつつあることを示しています。

TiroでMCPを使う場合、基本設計は次のようになります。

以下は、Tiroの会議検索をMCPツールとして公開する場合の疑似的な設計例です。実際のエンドポイント名、認証方式、レスポンス形式はTiro APIドキュメントで確認してください。

  import { z } from "zod";

const envSchema = z.object({
  TIRO_API_BASE_URL: z.string().url(),
  TIRO_API_TOKEN: z.string().min(1),
});

const env = envSchema.parse(process.env);

async function fetchTiroMeetingTranscript(meetingId: string) {
  const response = await fetch(`${env.TIRO_API_BASE_URL}/<meetings-path>/${meetingId}/<transcript-path>`, {
    headers: {
      Authorization: `Bearer ${env.TIRO_API_TOKEN}`,
      Accept: "application/json",
    },
  });

  if (!response.ok) {
    throw new Error(`Tiro API request failed: ${response.status}`);
  }

  return response.json();
}

  export const tools = {
  get_meeting_transcript: {
    description: "Tiroの会議IDから文字起こしを取得する",
    inputSchema: z.object({
      meetingId: z.string(),
    }),
    async execute(input: { meetingId: string }) {
      return fetchTiroMeetingTranscript(input.meetingId);
    },
  },
};

この例で重要なのは、AIエージェントに直接すべてのデータを渡さないことです。会議ID、対象期間、参加者、プロジェクト名などの条件で必要な会議だけを取り出し、最小限のコンテキストとして渡します。会議データは機密性が高いため、MCPサーバー側で認可、監査ログ、データ最小化を設計する必要があります。

REST APIとWebhookでTiroデータをどう抽出するのか？

TiroのREST APIは、会議のメタデータ、録音、文字起こしデータをプログラムから抽出するための接続面です。

REST APIは、特定の会議データを明示的に取得したいときに向いています。TiroのAPIドキュメントでは、会議のメタデータ、録音、文字起こしデータをプログラムから抽出できることが示されています（Tiro APIドキュメント、2026年）。

Webhookは、会議の状態変化などを起点に処理を開始したいときに活用されます。Recall.aiの実装例では、Webhookを使ってイベントを検知し、その後の処理を起動する仕組みが紹介されています（Recall.ai、2026年）。

外部システムと連携する一般的な実装フローとしては、次のような構成が考えられます。

1. イベントを検知するためのWebhook受信エンドポイントを用意する。
2. 通知から必要な情報を取得し、非同期処理のキューに登録する。
3. 必要に応じてAPIを呼び出し、詳細データを取得する。
4. 取得したデータを要約などの後続処理へ渡す。
5. 処理結果を適切なデータベースやストレージへ出力する。
6. 処理ログを記録し、再試行可能な状態にする。

Webhook受信側では、イベントを受け取った直後に長い処理を実行しないほうが安全です。HTTPリクエストの中で要約や外部連携を完了させようとすると、タイムアウト、重複実行、部分失敗の扱いが難しくなります。Webhookは「処理開始の合図」として受け取り、実作業はキューやバックグラウンドワーカーで実行します。

以下は、Webhook受信からジョブ登録までの最小構成を示す疑似コードです。署名検証や再送制御の詳細は、Tiroの実際のWebhook仕様に合わせて実装してください。

  import express from "express";

const app = express();
app.use(express.json());

app.post("/webhooks/tiro", async (req, res) => {
  const event = req.body;

  if (!event.meetingId || !event.type) {
    return res.status(400).json({ error: "invalid webhook payload" });
  }

  await enqueuePostMeetingJob({
    meetingId: event.meetingId,
    eventType: event.type,
    receivedAt: new Date().toISOString(),
  });

  return res.status(202).json({ accepted: true });
});

async function enqueuePostMeetingJob(job: {
  meetingId: string;
  eventType: string;
  receivedAt: string;
}) {
  console.log("enqueue", job);
}

app.listen(3000);

REST API側の処理は、取得するデータを用途別に分けておくと保守しやすくなります。

CLIで会議データを一括エクスポートするには？

Pythonベースのmeetings-exporterを用いると、会議データをローカルやクラウドストレージへ一括エクスポートできます。

自動化ツールを利用することで、過去の会議データを一括で処理しやすくなります。たとえば、過去90日分の会議文字起こしを毎晩エクスポートする、特定チームの録音だけを監査用ストレージへ保存する、AI検索用のインデックスを再構築する、といった処理ではCLIが扱いやすくなります。

Webex Developer Blogでは、会議データをAIアーカイブや自動化に活用するために、一括エクスポートを行うガイドが公開されています（Webex Developer Blog）。会議プラットフォームにおいても同様の設計思想で、データの取得と保存を自動化ツールにまとめることが可能です。

CLIによるエクスポートでは、用途に合わせて出力先を検討します。たとえば、長期保存や監査を目的としたストレージへの保存や、分析・集計を目的としたデータベースへの投入などが考えられます。

以下は、APIから会議データを取得し、一括エクスポートを行うための、一般的な実装イメージを示す疑似コードです。

  import { writeFile } from "node:fs/promises";

const baseUrl = process.env.TIRO_API_BASE_URL;
const token = process.env.TIRO_API_TOKEN;
const from = process.argv[2];
const to = process.argv[3];

if (!baseUrl || !token || !from || !to) {
  console.error("usage: node export-tiro-meetings.js <from> <to>");
  process.exit(1);
}

async function request(path: string) {
  const response = await fetch(`${baseUrl}${path}`, {
    headers: {
      Authorization: `Bearer ${token}`,
      Accept: "application/json",
    },
  });

  if (!response.ok) {
    throw new Error(`request failed: ${response.status}`);
  }

  return response.json();
}

async function main() {
  const meetings = await request(`/<meetings-path>?from=${from}&to=${to}`);
  const lines: string[] = [];

  for (const meeting of meetings.items ?? []) {
    const transcript = await request(`/<meetings-path>/${meeting.id}/<transcript-path>`);

    lines.push(JSON.stringify({
      meetingId: meeting.id,
      title: meeting.title,
      startedAt: meeting.startedAt,
      participants: meeting.participants,
      transcript,
    }));
  }

  await writeFile(`tiro-meetings-${from}-${to}.jsonl`, lines.join("\n"));
}

main().catch((error) => {
  console.error(error);
  process.exit(1);
});

CLIを本番運用に入れる場合は、次の項目を最初から設計しておく必要があります。

• 効率的な取得: 必要なデータのみを取得し、重複を避ける設計を検討します。
• 耐障害性: 途中でエラーが発生した場合でも、再開可能な構成を考慮します。
• レート制御: APIの制限に合わせ、並列数とリトライ間隔を調整する。
• 秘密情報管理: APIトークンをコードやログに残さず、シークレット管理サービスで扱う。
• データ保持: 録音や文字起こしの保存期間、削除手順、アクセス権限を明文化する。

MCP、API、Webhook、CLIはどう使い分けるべきか？

Tiro連携では、AIの対話にはMCP、データ取得にはAPI、イベント起動にはWebhook、一括処理にはCLIが向いています。

4つの接続面は競合するものではありません。会議後の自動化では、Webhookが処理の開始を知らせ、APIが必要データを取得し、CLIがまとめて再処理し、MCPがAIエージェントからの対話的な参照を受け持つ、という分担が自然です。

Tiroの開発者連携でよく使われる構成は、次のようなエンドツーエンドの流れです。

1. 会議が終了し、Tiro側で文字起こしが利用可能になる。
2. Webhookがバックエンドの受信URLへイベントを送る。
3. バックエンドが会議IDをジョブキューに登録する。
4. ワーカーがTiro REST APIからメタデータと文字起こしを取得する。
5. LLM処理が要約、決定事項、担当者別タスクを生成する。
6. 生成結果を社内ツールへ保存し、必要に応じてTiroのノートや検索基盤へ戻す。
7. MCPサーバーが後日のAIエージェント質問に備えて、対象会議を検索できる形で公開する。

この構成では、リアルタイム性と再処理性を両立できます。会議直後の通知はWebhookで動かし、後から条件を変えた分析や再要約はCLIで走らせ、ユーザーからの自然言語質問にはMCPで応答します。

実装前に決めるべきセキュリティと運用設計は？

会議データ連携では、認可、データ最小化、監査ログ、保存期間を実装前に決める必要があります。

会議には、顧客情報、採用情報、財務情報、未公開の製品情報が含まれることがあります。AIエージェントが参照できる状態にするほど、アクセス制御とログ設計の重要性は高まります。

開発前に決めるべき項目は次のとおりです。

• アクセス範囲: AIエージェントが参照できる会議を、チーム、プロジェクト、参加者、期間で制限する。
• 認可モデル: ユーザー本人の権限で取得するのか、サービスアカウントで取得するのかを決める。
• データ最小化: 要約に不要な録音、発言者情報、添付情報をAI処理へ渡さない。
• 監査ログ: 誰が、いつ、どの会議データを、どのエージェント経由で参照したかを記録する。
• 保存期間: 文字起こし、録音、生成ノート、AI入力ログの保持期間を分けて定義する。
• 失敗時の扱い: APIエラー、Webhook再送、LLM生成失敗、外部ツール書き込み失敗を個別に処理する。

MCPを使う場合は、AIエージェントに公開するツール名と説明文もセキュリティ設計の一部です。たとえば、get_all_meetingsのような広すぎる操作よりも、search_meetings_by_projectやget_transcript_by_meeting_idのように入力条件が明確な操作のほうが制御しやすくなります。

REST APIとCLIでは、取得したファイルが開発者のローカル環境に残るリスクがあります。検証用のエクスポートであっても、出力ディレクトリ、暗号化、削除手順、ログマスキングを決めてから実行するべきです。

Tiro連携を小さく始める推奨アーキテクチャ

最初のTiro連携は、Webhook、API取得、要約保存の3点に絞ると、短期間で検証しやすくなります。

いきなりMCP、CLI、全社検索、CRM更新まで同時に作ると、失敗時の原因切り分けが難しくなります。最初のスコープは、会議終了後に文字起こしを取得し、要約とアクションアイテムを保存する処理に限定するのが現実的です。

推奨する最小構成は次のとおりです。

Tiroの価値は、会議の詳細を残すことに加えて、その詳細を必要なタイミングでAIエージェントや社内ワークフローへ渡せる点にあります。まずは1つのチーム、1つの会議種別、1つの出力先に絞り、ログを見ながら対象を広げると、実装と運用の両方を調整しやすくなります。