Redmine連携 AI分析エージェント

自然言語でRedmineのプロジェクト情報を問い合わせ、LLMが進捗・遅延要因・品質状況を分析して返すAIツール。MCPをLLMと業務システムの接続層として設計した、最初のAI活用案件です。

Python LLM (OpenAI API) MCP Redmine API REST API Prompt Engineering

プロジェクト概要

チャットから自然言語で聞くと、LLMがRedmineの状況を分析して返す仕組み。

プロジェクト管理に必要な情報はRedmineに蓄積されますが、人が毎回チケットを見て整理するのは負荷が高い作業でした。そこでMCP（Model Context Protocol）をLLMとRedmine APIの接続層として設計し、必要なデータをLLMが取得・分析できるようにしました。単なるデータ閲覧ではなく、状況を整理して意思決定を支援することを狙った社内PoCです。

背景・課題

情報はRedmineにあるが人手整理の負荷が高い
進捗・遅延・品質を都度確認するのが手間
チケットデータをLLMが扱える形に整える必要

主な機能

チャットからの自然言語問い合わせ
プロジェクト進捗の確認
遅延要因の分析
品質状況の把握・要約

担当（役割）

MCPツールの設計・開発
Redmine API連携（データ取得処理）
プロジェクト分析用プロンプト設計
チャットからのAI分析機能の実装

システム構成

チャットの質問を起点に、LLMがMCP経由でRedmineのデータを取得し、分析結果を返すまでの流れです。

flowchart LR C["Chat UI（自然言語）"] L["LLM（分析・要約）"] M["MCP ツール層"] A["Redmine API"] D["チケット / プロジェクトデータ"] O["分析結果：進捗 / 遅延要因 / 品質"] C --> L L <--> M M <--> A A --> D L --> O

MCPを接続層にした理由

LLMとRedmineを直接つなぐのではなく、MCPを間に置くことで、取得できるデータと操作を明確に定義し、LLMが安全に業務データを扱える形にしました。

プロンプト設計の勘所

自然言語の質問に対し「どのデータを取得し、どう分析させるか」を設計する部分が肝で、取得結果をLLMが分析しやすい形へ整えることを重視しました。