ローカルLLMエージェントの開発とテストを一か所で、ツール検索やHITL、MCP連携まで（韓国統計MCPデモ）

国家統計ポータル（KOSIS）が公式MCP試験サービスを公開したので、ノートPCで動く9Bのローカルモデルに接続してみました。APIキーなしで合計特殊出生率を探してグラフを描き、CSVで保存しようとする瞬間に承認ウィンドウが表示されます。ファイル書き込みのように人の承認（HITL）が必要な作業は、UI上で人が確認して承認するようにしているためです。

デモ動画（1分21秒、韓国語字幕）: https://youtu.be/zARRVLg-7xA?cc_load_policy=1&cc_lang_pref=ko

• 「合計特殊出生率を見せて」の一言で、KOSIS検索 → 統計表の検証 → 実データ取得 → areaチャート生成（2015年 1.20 → 2024年 0.73）
• 同じ統計表で12か国比較をローズチャートに、8か国の2015年 vs 2024年をヒートマップに
• 「要約をCSVで保存して」ではファイル書き込みがL4リスク等級のため承認ウィンドウが表示され、Approveを押して初めて実際に保存
• モデルはローカルで実行されるため、プロンプトは外部に送信されません。使用したAPIキーは0個です。

このデモで使用したプロジェクトは、Spring AI Playgroundというオープンソース（Spring AI Communityでインキュベーション中）です。

もともとはSpring AIの機能を一つずつ試すプレイグラウンドでしたが、Spring AI 2.0でエージェントとMCPがフレームワークのコアに入ったことで方向性を変えました。今では機能デモというより、ローカルLLMエージェントを開発・テストするためのワークベンチに近いです。

通常、エージェントを自分で接続して試すには、MCP接続、ツール検索、承認ゲートなどをそれぞれコードで実装する必要があります。Spring AI Playgroundは、そうした流れをJavaコードを書かずにデスクトップアプリで確認することに重点を置いています。MCPプロキシ機能により、既存のMCPツールにもHITLをUIから設定できます。

必要なツールはリクエストに応じて動的に検索して接続（Dynamic Tool Discovery）でき、ファイル書き込みのような危険な作業ではリスクレベル（L0〜L5）に応じて承認ウィンドウが表示されます。承認と拒否がそれぞれどのように処理されるかも直接確認できます。チャット、ツール呼び出し、トークン、コスト、リスクはObservabilityダッシュボードでまとめて確認できます。

モデルはローカル（Ollama）で実行されるため、プロンプトは外部に送信されません。JavaとSpringでエージェント、MCPクライアント/サーバー、HITLをどのように実装しているかもコードで確認できます。

GitHub: https://github.com/spring-ai-community/spring-ai-playground
ドキュメント: https://spring-ai-community.github.io/spring-ai-playground/
ダウンロード（Windows/macOS/Linux）: https://spring-ai-community.github.io/spring-ai-playground/…

KOSIS MCPは国家データ庁の試験サービスのため、エンドポイントが変更される可能性があります。このプロジェクトは当該サービスを利用する独立したオープンソースです。

公共データMCPを実際のエージェントに接続してみた経験や、HITL（Human-in-the-Loop）設計に関するご意見があれば、フィードバックをお願いします。