ChatGPT アプリ（MCP データ収集）で分析を収集してパーソナライゼーションを適用する

このユースケースは、ChatGPT アプリ（モデルコンテキストプロトコルサーバー+ オプションの UI コンポーネント）をAdobe Experience Platform Edge Networkに接続する方法を示しています。 このタイプのデータ収集を使用すると、ツールを呼び出す対話型インタラクションの分析を記録し、ChatGPT でレンダリングされるウィジェットにEdge Networkからパーソナライゼーションの意思決定を配信できます。

このユースケースでは、データを収集するためのサーバーサイド実装と、パーソナライズされたコンテンツをレンダリングするためのクライアントサイド実装の両方を使用して、ハイブリッドアプローチを好みます。 MCP ツールの呼び出しは分析を収集する最も信頼できる瞬間なので、このアプローチは理想的です。 ウィジェットはブラウザーコンテキストで実行され、（cookie 内の） ID を保存し、パーソナライゼーションの決定を適用する適切な場所です。

このユースケースには、完全に動作するコードの例が付随しています。 サンプルコードと実装手順については、GitHub の ​ リポジトリにある ​ChatGPT アプリ + Adobe Experience Platform Edgealloy-samples を参照してください。

アーキテクチャ

大まかに言えば、5 つの可動部分があります。

データフロー

以下の各節では、各手順を詳しく説明します。

ステップ 1:MCP サーバーを使用して ChatGPT にプロンプトを表示する

このステップは、ワークフローのエントリポイントです。 ユーザーは自然言語の意図を次のように提供します。

"Use the Adobe Office Information Tool to show me details about which office that is the most pet-friendly."

詳しくは、OpenAI Developers のドキュメントの MCP サーバーの構築 ​ を参照してください。

手順 2:ChatGPT がインテントを解釈し、MCP ツールを呼び出す

MCP サーバーのメタデータに基づいて、ChatGPT はインテントを解釈し、MCP サーバー上の適切なツールハンドラーを呼び出します。 このツール呼び出しは、UI レンダリングの成功とは独立した、インタラクションのサーバーサイドの信頼できるポイントを作成します。 ツールの 1 つに次のメタデータが含まれている場合があります。

{
  "name": "office_details",
  "description": "Fetch details for a single office by ID and return personalization handles for the UI.",
  "inputSchema": {
    "type": "object",
    "properties": {
      "sessionId": { "type": "string", "description": "Server-issued session identifier." },
      "officeId": { "type": "string", "description": "Office identifier." }
    },
    "required": ["sessionId", "officeId"],
    "additionalProperties": false
  },
  "_meta": {
    "ui": {
      "visibility": ["model", "app"]
    }
  }
}

各 MCP ツールの機能を ChatGPT に伝える方法について詳しくは、OpenAI Developers のドキュメントの ​ ツールの定義 ​ を参照してください。

手順 3:MCP サーバーがエクスペリエンスイベントをEdge Networkに送信する

MCP サーバーはリクエストを受け取ると、Adobe Experience Platform Edge Networkへの呼び出しをトリガーして分析データを記録し、オプションで意思決定/パーソナライゼーションをリクエストします。 このリクエストはサーバー間なので、interact データ収集 API の一部として認証済みの 🔗 エンドポイントを使用します。 Adobeでは、​ カスタム名前空間 ​ を使用して、OpenAI の一意の ID を渡すことをお勧めします。 ID UI で作成した名前空間と、呼び出しで定義した ID 名前空間が一致すること（大文字と小文字を区別）を確認します。

curl -X POST "https://server.adobedc.net/ee/v2/interact?datastreamId={DATASTREAM_ID}"
  -H "Authorization: Bearer {TOKEN}"
  -H "x-gw-ims-org-id: {ORG_ID}"
  -H "x-api-key: {API_KEY}"
  -H "Content-Type: application/json"
  -d '{
    "event": {
      "xdm": {
        "eventType": "office.details.view",
        "identityMap": {
          "{IDENTITY_NAMESPACE}": [
            { "id": "{PSEUDONYMOUS_SUBJECT_ID}", "primary": true }
          ]
        },
        "timestamp": "YYYY-02-20T19:00:00.000Z"
      }
    },
    "query": {
      "personalization": {
        "decisionScopes": ["__view__"]
      }
    },
    "meta": {
      "state": {
        "entries": [
          { "key": "kndctr_orgid_cluster", "value": "{CLUSTER_HINT_IF_KNOWN}" },
          { "key": "kndctr_orgid_identity", "value": "{ECID_BLOB_IF_KNOWN}" }
        ]
      }
    }
  }'

手順 4:Edge Networkからハンドルが返される

Edge Networkは、interact 呼び出しを受け取ると、handle 配列で応答します。 この配列には、データストリーム設定に応じて、ID とパーソナライゼーションの決定を含めることができます。 応答の例は次のようになります。

{
  "requestId": "60a2f...2294d",
  "handle": [
    {
      "type": "locationHint:result",
      "payload": [
        { "scope": "EdgeNetwork", "hint": "or2", "ttlSeconds": 1800 }
      ]
    },
    {
      "type": "state:store",
      "payload": [
        { "key": "kndctr_..._identity", "value": "CiYzM...snTI=", "maxAge": 34128000 },
        { "key": "kndctr_..._cluster", "value": "or2", "maxAge": 1800 }
      ]
    }
  ]
}

その後、MCP サーバーがEdge Network応答から情報を抽出し、ID 情報を保持できます。

type EdgeHandle = { type: string; payload?: Array<{ key?: string; value?: string }> };

export function extractStateStore(handles: EdgeHandle[]) {
  const store = handles.find(h => h.type === "state:store");
  const entries = store?.payload ?? [];

  const identity = entries.find(e => e.key?.includes("_identity"))?.value;
  const cluster  = entries.find(e => e.key?.includes("_cluster"))?.value;

  return { identity, cluster };
}

手順 5:MCP サーバーが構造化ツールの出力とAdobe メタデータを ChatGPT に返す

MCP ツールの応答には、構造化されたツールの出力とEdge Networkからのパーソナライゼーションの両方が含まれます。

{
  "content": "Displayed details for office seattle.",
  "structuredContent": {
    "office": {
      "id": "seattle",
      "name": "Seattle",
      "amenities": ["Pet Friendly", "Cafe", "Bike Storage"]
    }
  },
  "_meta": {
    "adobe": {
      "identityMap": {
        "{IDENTITY_NAMESPACE}": [
          { "id": "{PSEUDONYMOUS_SUBJECT_ID}", "primary": true }
        ]
      },
      "handles": [
        {
          "type": "state:store",
          "payload": [
            { "key": "kndctr_..._identity", "value": "..." }
          ]
        },
        {
          "type": "personalization:decisions",
          "payload": [
            { "id": "..." }
          ]
        }
      ]
    }
  }
}

詳しくは、『 OpenAI デベロッパーリファレンス』の ​ ツールの結果 ​ を参照してください。

手順 6：ウィジェットが結果をレンダリングし、_adobe.handles を使用して applyResponse 適用する

ウィジェットは、structuredContent からビジネスデータをレンダリングした後、_meta.adobe からAdobe メタデータを読み取ります。 ChatGPT では、互換性レイヤーを通じて同じデータがウィジェットに表示されます。

このウィジェットは、web SDK JavaScript ライブラリの applyResponse コマンドを使用して、クライアントサイドのステートを改善し、サーバーサイドの interact 呼び出しによって返されるパーソナライゼーションの決定をレンダリングします。 configure を呼び出す前に、必ず applyResponse コマンドを呼び出してください。 MCP サーバが interact 呼び出しを実行したため、ツール呼び出しのインタラクションで sendEvent コマンドを直ちに呼び出す必要はありません。

// Configure the Web SDK before any other commands.
alloy("configure", {
  datastreamId: "YOUR_DATASTREAM_ID",
  orgId: "YOUR_EXPERIENCE_CLOUD_ORG_ID"
});

// Business data exposed to ChatGPT and the widget.
const { office } = window.openai?.toolOutput ?? {};

// Adobe metadata available only to the widget.
const adobe = window.openai?.toolResponseMetadata?.adobe ?? {};
const { identityMap, handles } = adobe;

// Hydrate client-side state and render personalization decisions from the
// server-side interact response.
alloy("applyResponse", {
  renderDecisions: true,
  responseBody: { handle: handles ?? [] }
});

ウィジェットが後で追加の UI サイドイベントを送信する場合、これらの呼び出しに同じ identityMap を含めることができます。

alloy("sendEvent", {
  xdm: {
    eventType: "office.details.widgetView",
    identityMap
  }
});

このパターンにより、サーバーサイドの ID 呼び出しを analytics の収集および決定の情報源のままにしながら、サーバーサイドと UI サイドの interact 使用の整合性を維持します。

検証

上記の手順をすべて設定したら、次の点を検証できます。

セキュリティとプライバシーの考慮事項