エージェント型AIの統合：ガートナーが提唱する「コンテキスト・メッシュ」が、すべてを変える理由

ガートナーは、エージェント時代に向けたプラットフォームやインフラを構築するすべてのリーダーにとって必読と言える調査レポートを公開しました。

このレポート「APIベースの統合によってエージェント型AIを実現する方法」では、明確な主張が示されています。既存のAPIやコネクタ型統合をAIエージェント向けに段階的に作り替えるだけでは、もはや不十分だというのです。必要とされているのは、まったく新しい統合モデル――ガートナーが「リアルタイム・コンテキスト・メッシュ」と呼ぶものであり、エージェントがシステムの状態を発見し、複数のシステムを横断して推論し、エンタープライズ規模で安全にアクションを実行できるようにするものです。

この転換が行われなければ、ガートナーは、2027年までにエージェント型AIの取り組みの40％が中止に追い込まれるリスクがあると警告しています。

私たちも、これと非常によく似た主張を、別の言葉――「AIコネクティビティ」という名称で発信してきました。用語は異なるものの、その中核となる考え方はほぼ完全に一致しています。ガートナーの調査は、私たちがエンタープライズ企業とともにこの移行に取り組む中で実際に目にしてきた現実と強く重なっており、なぜ従来の統合アプローチが機能しなくなっているのかを理解するうえで、有用なフレームワークを提供しています。

問題点：インサイドアウト思考

このレポートは、多くの組織の足かせとなっている思考の罠を指摘しています。それが「インサイドアウト型」の統合思考です。

インサイドアウトとは、レガシーな統合やアーキテクチャの再利用を最優先に考え（つまり、既存の統合をMCPで包んで「エージェント対応」と呼ぶだけ）、その前提にエージェントを無理やり当てはめる見方を指します。これは、iPaaSの導入や、手動の登録・設定変更フロー、不十分なドキュメント、明確なオーナー不在といった、壊れやすく分散したAPIを長年管理してきたチームにとっては、ごく自然な発想でもあります。

この視点は、次のような言葉として表れがちです。

「また新しいコネクタを作り、何層もの“オーケストレーションロジック”を開発し、レガシーAPIは“エージェント的”ワークフローの裏に隠してしまえばいい。」

ここでは、ハードコードされたDSL駆動の業務ロジックや品質の低いAPIの上にエージェントを重ね、エージェントの視点から考えることなく、単にMCPでラップすれば済むという発想に陥りがちです。

しかしこのアプローチは、エージェントを既存サービスの「単なる新しい利用者」として扱っているにすぎません。エージェントが本当に必要としているもの――システムを横断して自律的に移動する能力、実行時に関連ツールを発見する力、複数ステップにわたるワークフローでコンテキストを維持すること、そして適切な認可のもとでユーザーの代理として行動すること――を考慮していないのです。

これに対し、ガートナーは「アウトサイドイン型」の統合を提示しています。これは、エージェントの目的やユーザーのニーズから出発し、その体験を支えるために内部の技術環境を設計する考え方です。アウトサイドインとは、エージェントが適切な権限で行動できるように委任されたアイデンティティを構築することを意味します。エージェントが古い情報ではなく、リアルタイムのデータに基づいて推論できるようにすることでもあります。そして、動的な発見性と決定論的な信頼性を組み合わせたハイブリッドな接続性を意味します。

インサイドアウトからアウトサイドインへの転換は、段階的な改善ではありません。アーキテクチャそのものの転換です。そしてそれこそが、iPaaSを含む従来の統合アプローチが、エージェント時代に苦戦する理由を説明しています。

なぜ従来の統合（iPaaSを含む）では、そこに到達できないのか

私たちは以前から、従来型のiPaaSは終わりつつあると主張してきました。統合が重要でなくなったからではありません。むしろ重要性はこれまで以上に高まっています。しかし、iPaaSが体現してきた、硬直的でコネクタ中心のポイント・ツー・ポイント統合、そしてハードコードされたフローモデルは、本質的にインサイドアウトな発想だからです。

iPaaSは、事前に把握されたシステム同士を、あらかじめ用意されたコネクタで接続することが「統合」だった時代に向けて設計されました。ソースシステムAをターゲットシステムBに、コネクタCでつなぐ。統合は静的で、エンドポイントはあらかじめ決まっており、パターンも決定論的です。

エージェント型AIは、これらの前提をすべて覆します。

エージェントには、静的なコネクタではなく、動的な発見性が必要です。

たとえば、顧客対応を解決する役割を与えられたエージェントは、受注管理、在庫、配送、CRMといった複数のシステムにアクセスする必要があるかもしれません。しかし、どのシステムに、どの順序でアクセスするかは、個々の問題によって異なります。事前に配線されたコネクタでは、これに対応できません。

エージェントには、バッチ同期ではなく、リアルタイムのコンテキストが必要です。

iPaaSは、スケジュールされたデータ移動を得意とします。一方、エージェントは現在の、リアルタイムな状態に基づいて推論する必要があります。ガートナーもこれを明確に指摘しています。「AIエージェントは、1日前のデータでは効果的に推論できない」のです。

エージェントには、静的な認証情報ではなく、委任されたアイデンティティが必要です。

iPaaSは通常、サービスアカウントやAPIキーで認証します。しかし、ユーザーの代理として行動するエージェントには、監査可能な委任の連鎖を維持できる、OAuth 2.1に基づくトークン交換が求められます。

エージェントには、RESTだけでなく、複数プロトコルへの対応力が必要です。

エージェント型スタックには、API、イベント、MCP、エージェント間プロトコルが含まれます。RESTコネクタを中心に設計されたiPaaSでは、この広範な領域にわたる統合ガバナンスを提供することはできません。

だからこそ、ガートナーが提唱する「コンテキスト・メッシュ」が重要なのです。これはiPaaSの改良版ではありません。エージェント型AIには、既存システムの境界から出発するのではなく、エージェントの目的から設計される、根本的に異なる統合アーキテクチャが必要であることを認識した概念なのです。

解決策：リアルタイム・コンテキスト・メッシュ

ガートナーが提唱する解決策は「リアルタイム・コンテキスト・メッシュ」と呼ばれるもので、エージェントが安全に状態を検知し、システム横断的に推論を行い、プラットフォーム内およびプラットフォーム間でシームレスにアクションをトリガーすることを可能にする統合レイヤーである。

このコンテキストメッシュにはいくつかの本質的な特徴があります：

• ハイブリッド接続性：不確実な環境における動的ツール発見のためのMCPと、決定論的な一貫性を実現する従来のAPIを組み合わせたもの。ガートナーは、MCP開発者コミュニティが2026年だけで16,000台以上のMCPサーバーを構築したと指摘する——しかし本番環境での導入には、単なる発見機能以上のものが必要だ。信頼性、ガバナンス、そしてツールセットを適切にスコープする能力が求められる。
• 委任されたアイデンティティ: 静的なAPIキーから脱却し、監査可能な人間の同意に基づいてエージェントのアクションを認可するOAuth 2.1ベースのトークン交換へ移行する。ガートナーは、不十分なアイデンティティ管理が2028年までにセキュリティ侵害の25%に寄与すると予測している。
• 分離された通信経路：エージェントからモデルへの（推論）、エージェントから環境への（ツール実行）、エージェント間（協調）のトラフィックに対して、それぞれ異なるプロトコルと制御を適用。各経路は異なるリスクプロファイルを持ち、異なるガバナンスを必要とする。
• スコープ付きツールセット：ガートナーが「エージェント向けバックエンド」（BFA）と呼ぶパターン——特定のエージェントの任務に必要なツールメタデータと権限のみを公開するターゲット型ファサードを展開する。これによりコンテキストウィンドウの過負荷を防ぎ、推論精度を向上させる。
• リアルタイム基盤：バッチ処理ベースのシステムをイベント駆動型アーキテクチャへ近代化。これはiPaaSスタイルのスケジュール同期とは正反対のアプローチである。

これは従来のAPI管理と従来のiPaaSの両方から大きく逸脱したものです。エンドポイントを公開したりコネクタを配線したりすることではなく、自律システムが安全かつ効果的に動作できる環境を設計することなのです。

コンテキスト・メッシュ ＝ AIコネクティビティ

ガートナーの調査を読んで、私たちが強く感じたのは、彼らが提唱する「コンテキスト・メッシュ」が、私たちが「AIコネクティビティ」と呼んできた概念と驚くほど一致しているという点でした。そして、それこそが、私たちがKongでまさに構築してきたものです。

AIコネクティビティとは、エージェントが通過するデータパス全体――APIやイベントから、LLM呼び出し、MCP接続、エージェント間通信に至るまで――を横断する、統合されたガバナンスおよびランタイムレイヤーです。エージェント型スタックに含まれるあらゆるプロトコルに対して、一貫した可視性、制御、ポリシー適用を提供します。

その構成要素は、非常にきれいに対応関係を持っています。

GARTNER’S CONTEXT MESH(ガートナーのコンテキストメッシュ)	AI CONNECTIVITY(AI コネクティビティ)	KONG’S PLATFORM(Kong のプラットフォーム)
ハイブリッド接続の活用(MCP   + API)	全プロトコルにわたる統合トラフィック管理	Kongは、APIトラフィック、ネイティブAIトラフィック（LLM、MCP、A2A）、および直接的なイベントデータトラフィックに至るまで、あらゆるもののランタイムインフラストラクチャを提供します。
委任されたアイデンティティとガバナンス	監査証跡を伴う一元的なポリシー適用	Konnectは、すべてのハイブリッド接続において、単一のポリシー設計および適用プレーンを提供します。
分離された通信パス	エージェント対モデル、エージェント対環境、およびエージェント対エージェントにわたるフルパスの可観測性	Konnect Advanced AnalyticsとOTelサポートにより、すべてのハイブリッド接続に対して、専用かつ統合された可観測性が可能になります。
スコープされたツールセットのためのBFAパターン	MCPツールの構成、インテリジェントなAPIエンドポイントからMCPサーバーへの生成、セマンティックメタデータとディスカバリーを備えた開発者ポータル	Konnectは、API上でMCPサーバーを生成するための単一の場所を提供し、エンドポイントをフィルタリングすることで、エージェントが必要とする正確なツールのみを公開できるようにします。また、MCPサーバー、API、およびイベントデータへのアクセスを、エージェントのディスカバリー用に単一の統合ポータルで公開することも可能です。
リアルタイム・モダナイゼーション	イベントゲートウェイとストリーミング統合	Konnectのイベントゲートウェイにより、エージェントが安全、一貫性、かつ信頼性の高い方法で活用できるツールとして、リアルタイムデータへのアクセスを公開できます。
カスタムブランディング	なし	あり

用語は異なりますが、アーキテクチャは同じです。ガートナーが到達点として描いている「コンテキスト・メッシュ」は、まさにAIコネクティビティの取り組みが実現するものです。

そして重要なのは、AIコネクティビティこそがiPaaSに取って代わる存在だという点です。これは、脆弱なコネクタやバッチ型のデータ移動に限定された、いわば「昔ながらの統合」ではありません。AIアプリケーションが必要とするリソースとつながるための、根本的に新しいアプローチなのです。プロトコルの種類やクラウドの違い、リソースがAPIであれ、イベントであれ、MCPサーバーであれ、あるいは他のエージェントであれ、それらを問わずに接続できることが前提となっています。

なぜ、今これが重要なのか

Gartnerの調査には、注目すべき次の予測が含まれています。

“2030年までに、初期のエージェント型オーケストレーション導入の60％以上が、パフォーマンスやコストの期待値を満たせない見込みである。これは企業が統合、ガバナンス、人材要件を過小評価しているためである”

「API ベースの統合によるエージェント型 AI の有効化方法」エイドリアン・レオ、マーク・オニール、キース・ガットリッジ著

これは私たちが追ってきた状況とも一致しています。エージェンティックAIを停滞させている3つの危機――スピードの罠、コストの分断、ガバナンスの欠如――はいずれも同じ根本原因に行き着きます。それは、異なる時代に設計されたインフラの上で、エージェンティックな能力を構築しようとしていることです。

これが、Gartnerが提唱する「コンテキスト・メッシュ」が重要である理由です。これは既存の統合パターンを段階的に改善するものではありません。エージェンティックAIには新たなインフラ層が必要であり、その多くを企業はいまだ構築できていない、という認識を示しているのです。

コンテキストメッシュの構築：どこから始めるか

ガートナーは、認知アーキテクチャの定義から導入、継続的な評価に至るまで、アウトサイドイン統合のための7段階のロードマップを提供している。各段階は有用だが、ほとんどの組織にとっての実践的な疑問はこうだ：これを実現するには、どのようなインフラが必要なのか？

企業がAI接続プログラムを構築する支援実績に基づき、重点を置くべき点は以下の通りです：

• AIデータパス全体の可視化から始めましょう。見えないものは管理できません。エージェントが現在どのように接続されているかをマッピングします——モデルへ、APIへ、MCPサーバーへ、そして相互に。多くの組織がこの作業を通じて、重大なシャドーAI活動を発見しています。
• ゲートウェイ層を統合する。ガートナーが推奨する分離された通信経路（エージェントからモデルへ、エージェントから環境へ、エージェントからエージェントへ）は、3つの別々のゲートウェイ製品と3つの別々のポリシーエンジンを意味するべきではない。一貫したポリシー適用のもと、単一の制御プレーンでそれらを統合する。
• ハイブリッド接続を最初から構築する。 MCPの採用は加速しているが、APIは消えることはない。インフラストラクチャは両方を処理できなければならず、異なるエージェントやユースケースに応じてツールセットを適切に適用する能力が必要だ。
• インフラストラクチャ層で委任認証を実装する。OAuth 2.1 OBOフローは、各エージェントチームが個別に実装すべきものではない。プラットフォームに組み込み、あらゆるデプロイメントで認証が一貫性と監査可能性を備えるようにする。
• あらゆるものを計測せよ。 コスト可視化と収益化は、いずれも詳細な使用状況データに依存する。接続インフラに計測機能を組み込み、コストの帰属、予算の執行、そして最終的にはAI機能の価格設定を実現せよ。
• iPaaSの考え方は廃止せよ。コネクターとバッチ同期という発想に固執しているなら、それは内側から外側へ向けた思考だ。コンテキストメッシュにはリアルタイムで動的なマルチプロトコル基盤が必要であり、事前設定済みの統合機能など不要である。

これが、Agentic AI Developer Platform が実現する世界です。Gartner が提唱する「コンテキスト・メッシュ」の要件を満たす基盤の上で、チームがエージェントを構築し、実行し、発見し、ガバナンスし、収益化できる統合された開発・運用環境を提供します。

Kongとコンテキストメッシュ

これがまさに私たちがKong Konnectで構築したものです。概要を簡単にご紹介します：

• ハイブリッド接続性: Kongは単一プラットフォームを通じて、MCP、REST、GraphQL、gRPC、Kafka、およびAIネイティブトラフィック（MCP、LLM、エージェント間通信など）を処理します。エージェントはコアシステムとの相互作用には確定的なAPIに依存しつつ、ツールを動的に発見できます。コネクタは不要です。
• 統一ガバナンス: ポリシーは一度定義され、あらゆるトラフィックタイプに一貫して適用されます。個人識別情報（PII）のマスキング、レート制限、アクセス制御、監査ログ記録はインフラストラクチャ層で実行されます。デプロイを遅延させる手動レビュープロセスを介して行われることはありません。
• 分離されつつも統合された通信経路：エージェントからモデルへ、エージェントから環境へ、そしてエージェント間のトラフィックは異なるゲートウェイ機能を通過しますが、共通の制御プレーンを共有します。ガートナーが推奨する分離を実現しつつ、複数の点製品による断片化を回避できます。
• 開発者セルフサービス: 開発者ポータルは、サービスカタログと意味的メタデータを提供し、人間とエージェントの双方が、意図した目的と目標に特化した利用可能な機能を発見できるようにします。ガートナーが推奨するBFAパターンは、プラットフォームに発見機能が組み込まれることで実用化されます。
• コスト可視化と収益化: プラットフォームおよびランタイム製品に計測機能を組み込むことで、持続可能なAIプログラムに必要なインタラクションごとのコスト追跡と使用量ベースの課金が可能になります。

Gartnerが提唱する「コンテキスト・メッシュ」は到達点です。KongのAIコネクティビティ・プラットフォームは、iPaaSの制約やポイントソリューションの分断に悩まされることなく、そこへ到達するための手段です。

その猶予期間は、閉じつつあります。

この調査では、2027年までに、エンタープライズで導入されるAIエージェントの50％以上が、MCPやA2Aといった標準化フレームワークに依存し、システム横断で安全に連携するようになると予測しています。今からこのインフラを構築している企業は、その変化に備えることができます。一方で、エージェントを単なるAPIの利用者として扱ったり、iPaaSのコネクタでつなごうとしたりしている企業は、ゼロから作り直すことになるでしょう。

コンテキスト・メッシュは選択肢ではありません。エージェンティックAIに不可欠な統合アーキテクチャです。問われているのは、AIコネクティビティ・プログラムを通じて意図的に構築するのか、それともGartnerが警告する40％の失敗率に直面して、その欠如に後から気づくのか、という点です。

私たちはこれを「AIコネクティビティ」と呼んできました。Gartnerはこれを「コンテキスト・メッシュ」と呼んでいます。呼び方は違っても、本質は同じです。今こそ、構築すべき時です。
※本記事で引用しているGartnerの調査は、Adrian Leow、Mark O’Neill、Keith Guttridgeによる「How to Enable Agentic AI via API-Based Integration」（2026年1月10日発行）に基づいています。