Catoリモート接続元MCPサーバーとの作業

大量のテキストを学習し、自然言語を理解し生成できるAIモデルが、大型言語モデル（LLM）です。

エンタープライズ環境では、LLMs は次のことを行うことができます: インシデントの要約、調査ステップの生成、システムのクエリ、および運用ワークフローの自動化。

しかし、LLMは本質的にあなたの環境へのアクセスを持っているわけではありません。 安全にデータを取得して行動するためには、制御されたインタフェースが必要です。 

モデルコンテキストプロトコル（MCP）は、外部ツールおよび構造化データソースへの安全なアクセスをLLMに可能にする標準化されたプロトコルです。

LLMがAPIを直接呼び出すことを許可する代わりに、MCPは以下を行います:

MCPクライアントは、LLMを1つまたは複数のMCPサーバーに接続するソフトウェアコンポーネントです。 それはLLMをホストまたは接続することができ、複数のMCPサーバーにも接続できます。 ツールを検出し、ツールを使用して安全に呼び出しを実行します。

クライアントはCatoのロジックを実装せず、Cato MCPサーバーによって公開されたツールを消費します。

Catoリモート接続元MCPサーバーは、ホストされたMCPエンドポイントであり、安全なリモート接続を介してCatoツールを公開します。

ローカルMCPサーバーを展開して維持する代わりに、MCPクライアントがCatoのホストされたMCPエンドポイントに直接接続します。 構造化されたCatoツールを公開し、あなたのアカウントに認証し、結果をMCPクライアントに返します。

このアプローチは統合を大幅に簡素化し、運用オーバーヘッドを削減します。

接続されると、MCPクライアントはCato MCPサーバーによって公開されたツールを自動的に発見します。 サーバーは新しいツールで動的に更新され、MCPクライアントにはアクションは必要ありません。

以下は、使用できるCato APIキーです:

アナリストが尋ねます: このIPを調査し、関連するセキュリティイベントを要約してください。

MCPクライアント:

XOpsストーリーが生成されると、AIエージェントが以下を取得します: 関連するフロー、ターゲットの評判、およびユーザー履歴。 その後、エージェントが以下で応答します:

この例は、Cato MCPサーバーを使用して、AIがネットワーキングとアプリケーションメトリクスのクロスドメインクエリを構造化して実行する方法を示しています。 これはCMAの複数のダッシュボードを手動でナビゲートすることを置き換えます。

管理者は、ロンドンサイトのユーザーがMicrosoft 365へのアクセスが遅いと報告しています。