01. アイデア・背景

解決したい課題

1. AI エージェントが社内情報にアクセスできない

現状、Cursor などの AI エージェントは社内 Confluence に保存されている重要な情報にアクセスできません。

これにより、以下の AI アシストを受けづらい状況にあります：

• 社内の仕様書・設計書の検索
• 過去のプロジェクト知見の活用
• AI にコンテキストの共有をする場合、毎回手動で情報をコピー＆ペーストする必要がある

2. Confluence API のデータがそのまま使えない

Confluence API から取得できるデータには課題があります：

• HTML タグが含まれる: 生成 AI にとってノイズになる
• 構造が複雑: AI が理解しやすい形式ではない
• そのまま MCP で提供できない: 前処理が必須

3. サーバーインフラの制約

社内の事情により、以下の制約があります：

• 事業部として専用サーバーを建てることはできない
• 大量の API リクエストは不適切（Confluence サーバー負荷）
• 各メンバーが直接 Confluence API を叩くのは非効率

4. 情報の鮮度管理

複数のチームメンバーがローカルに情報を持つ場合：

• 最新情報との同期が必要
• 無駄な API リクエストは避けたい
• 効率的なキャッシュ戦略が必要

解決アプローチ

コア・アイデア

GAS（Google Apps Script）をキャッシュ層として活用する

graph LR
    A[Confluence] -->|定期ポーリング| B[GAS Backend]
    B -->|Markdown 変換| C[Google Drive]
    C -->|CLI 同期| D[Local Files]
    D -->|MCP Server| E[AI Agent]

なぜこのアプローチか

1. GAS の利点:

   • サーバーレスで無料
   • Google Drive との連携が容易
   • 定期実行（トリガー）機能が標準装備
   • 社内で利用許可が得やすい

2. Google Drive をキャッシュに使う理由:

   • チーム全体で共有可能
   • 容量が十分
   • API アクセスが簡単
   • バージョン管理も可能

3. CLI ツールの役割:

   • 必要なページのみローカルに取得
   • 差分同期で効率化
   • ユーザーごとの柔軟な管理

期待される効果

1. 開発効率の向上

• AI エージェントが社内仕様書を参照しながら設計立案ができる
• 過去の設計ドキュメントを基にした提案
• ドメイン知識を含む質問応答・施策立案の壁打ち

2. 情報アクセスの民主化

• Confluence の検索より MCP 経由の方が使いやすい可能性
• AI が要約・整理してくれる
• 必要な情報への到達時間短縮

3. チーム全体の知識共有

• 個人がローカルに持つ情報を標準化
• 最新情報への同期が自動化
• ドキュメント活用の促進

将来的な拡張可能性

• より高度な検索・フィルタリング機能
• Markdown からさらに最適化されたフォーマットへの変換