MCP-backed Skill を使う
AI Agent 向け: このページの Markdown 版は https://ankole.agentbull.com/ja-JP/docs/using-mcp/index.md、ドキュメント索引は https://ankole.agentbull.com/ja-JP/llms.txt にあります。
Agent に必要な Skill を有効化し、業務上の目的を伝えます。Agent は Skill を読んでツールを選び、シェルから MCPorter を呼び出します。メイン Agent と Background Agent Job は同じ制御プレーンのゲートウェイを利用します。
アクセスの設定
GitHub、Lark、Linear の組み込み Toolkit は Pod の接続ページでアプリケーションを設定します。個人の権限が必要な操作では本人がアカウントを認可します。接続が複数ある場合は使用するものを指定してください。認可が不足すると、認可して再試行するためのリンクが返ります。
リモート HTTP Skill の bearer_token_env_var は Environment variables の値を参照します。制御プレーンがその値を読み取り、上流リクエストへ追加します。秘密情報は Worker のスナップショットから除外されます。ローカル stdio サーバーは宣言したコマンドで Worker 内に起動します。
Applet からの利用
公開した Action のハンドラーで AnkoleRuntime.mcp.call(tool, arguments, {server, connection}) を使います。チーム操作では AnkoleRuntime.admin.mcp を使い、ホストが呼び出し権限を管理します。自動化パネルから Job とソースを登録して Run を確認できます。Applet は Agent の Skill 環境を継承しません。
シェルで呼び出す場合は JSON を標準入力に渡し、明示的なタイムアウトを設定します。通信が成功しても業務エラー、ページング、部分結果を確認してください。部分的な書き込みでは返されたリソース ID を使い、残りの操作を行います。結果が不明な書き込みは上流の状態を確認してから再試行します。
MCP リファレンス、Automation Jobs、環境変数を参照してください。