データベース

エージェントが自然言語を AlloyDB、Cloud SQL、Spanner のクエリに変換できるように QueryData がサポート

2026年4月21日

https://storage.googleapis.com/gweb-cloudblog-publish/images/1_iGor7fR.max-2600x2600.png

Tom Kubik

Group Product Manager

Andrew Brook

Engineering Director

Try Gemini Enterprise Business Edition today

The front door to AI in the workplace

Try now

※この投稿は米国時間 2026 年 4 月 11 日に、Google Cloud blog に投稿されたものの抄訳です。

このたび、QueryData のプレビュー版がリリースされました。自然言語をデータベースクエリにほぼ 100% の精度で変換するツールです。QueryData を使用すると、AlloyDB、Cloud SQL（for MySQL および PostgreSQL）、Spanner（GoogleSQL 用）全体でエージェントエクスペリエンスを構築できます。QueryData は、自然言語から SQL への変換に関する、世界で最も競争の激しいベンチマークの一つである BiRD ベンチマークで 1 位を獲得した Google Cloud の機能と、Gemini アシストによるコンテキストエンジニアリングに基づいています。

通信業界のリーダーである Hughes Network Systems をはじめ、すでに多くのデベロッパーが QueryData を本番環境にデプロイし、そのメリットを実感しています。「Google Cloud のデータエージェントにより、ユーザーサポート業務を変革しました。QueryData は当社のソリューションの中核であり、本番環境で 100% に近い精度を実現します。エージェントシステムの未来に期待しています。」 - Hughes Network Systems、AI 担当ディレクター、Amarender Singh Sardar 氏

エージェントシステムの可能性: インテントからアクションへ

エージェントシステムは、人間へのアドバイス役から、能動的な意思決定者へと進化しています。エージェントがビジネスアクションを正確に実行するには、運用データベース（価格、在庫、取引記録など）からの正確な情報が必要です。

自然言語で表現されたリクエストを使用して、会話型入力とデータベースレコードのギャップを埋めることが不可欠です。エージェントがアクションを実行できるようにするには、自然言語をクエリに変換する質の高い機能が必須です。

https://storage.googleapis.com/gweb-cloudblog-publish/images/2_ryew2jg.max-2200x2200.png

開発者のジレンマ: データベースを使用するエージェントに対する自然言語が難しい理由

エージェントがエンタープライズデータをクエリする際のハードルは、精度、セキュリティ、使いやすさの 3 つです。QueryData はこれら 3 つすべてに対応しています。

精度 – 回答が不正確だと、ビジネス上の意思決定の誤り、エンドユーザーの不満、金銭的損失のリスクが生じます。多くの業界では、テキストを SQL に変換する精度が 90% だと、アクションを実行するのに不十分です。
セキュリティ - 各ユーザー（またはエージェント）が、閲覧を許可されたデータのみをクエリできるようにするには、企業に、監査可能で決定論的なアクセス制御が必要になります。LLM の判断に頼る（いわゆる「確率的」アクセス制御）だけでは、その要件を満たすことはできません。たとえセキュリティ侵害のリスクが低くても、実際に侵害が生じた場合の損失は不釣り合いに大きくなります。
使いやすさ - 高い精度を達成するには、デベロッパーがデータに関する広範なコンテキスト情報を提供する必要があります。これは手間のかかる作業です。また、エージェントツールを統合して維持する作業なども、デベロッパーの負担になります。

精度のギャップを理解する

LLM はクエリコードの作成に非常に優れています。しかし、特定のデータベースに対して正確なクエリを作成するには、コーディングスキルやスキーマの解析機能を備えているだけでなく、以下のような状況に対応できる必要があります。

スキーマが不明確なことがある - デベロッパーは略称や短縮名を使用することがよくあります。たとえば、「product」という名前の列は何を意味するでしょうか？商品カテゴリなのか、特定のモデルなのか、不明確です。「prod」や「p」のような列名では、さらにわかりにくくなります。
値が曖昧なことがある –「注文返品ステータス」という列を例に取ってみましょう。値は「1」、「2」、「3」という整数で表されています。このうち、「返品済み」または「返品手続き開始済み」を表すのはどれでしょうか？
スキーマはデータ構造を定義するが、ビジネスロジックには対応しない - ビジネスでは、「1 か月のアクティブユーザー」を、ログインしただけでなく、少なくとも 1 回投稿したユーザーとして定義する場合がありますが、データベースにはこのニュアンスがない場合があります。
クエリの指定が不十分 – 自然言語の質問は、「最新の売上」のように曖昧な場合があります。

https://storage.googleapis.com/gweb-cloudblog-publish/images/3_1Mu6uKe.max-2200x2200.png

QueryData はほぼ 100% の精度をどのように実現するか

QueryData は、Gemini LLM と、独自のデータベースを記述するコンテキストを活用します。

データベースコンテキストは、基本的に QueryData を強化するコードであり、以下を含む説明と指示のセットです。

スキーマオントロジー – データの意味に関する情報。列、テーブル、値の説明。QueryData が質問に答えるために必要なデータを把握して、曖昧さを克服するうえで役立ちます。
クエリのブループリント - 特定の種類の質問に答えるためにデータベースクエリを記述する方法に関するガイドラインと明示的な指示。テンプレートとファセットは、特定の種類の質問に対して記述する正確な SQL を指定します。

最後の手段として、QueryData は、明確化のための質問が必要な状況を検出します。

https://storage.googleapis.com/gweb-cloudblog-publish/images/4_M99c4kU.max-2200x2200.png

クエリの決定論的なセキュリティ

エージェントアプリケーションには、決定論的で監査可能なセキュリティが必要です。デベロッパーは、パラメータ化されたセキュアビュー（PSV）を使用して、ユーザー ID やリージョンなどの固定パラメータを介してエージェントのアクセスを定義できます。アプリケーションはセキュリティ上重要なこれらのパラメータをクエリとは別に渡すことで、エージェントが許可されたデータにのみアクセスできるようにします。これにより、エージェントが制限された情報をクエリしようとしても、できなくなります。

PSV は現在 AlloyDB でサポートされており、Cloud SQL と Spanner でも近日中にサポートが開始される予定です。

https://storage.googleapis.com/gweb-cloudblog-publish/images/5_3WNkyE4.max-2200x2200.png

品質向上とツール統合のための使いやすさ

QueryData はエージェントワークフローに簡単に統合できます。QueryData API は、直接使用することも、人気のあるオープンソースの MCP サーバーであるデータベース向け MCP ツールボックスを介して Model Context Protocol（MCP）ツールとして公開することもできます。QueryData はさまざまなデータベース言語に自動的に対応します。データベース固有のコードは不要で、1 つの API ですべてのデータベースにクエリを実行できます。

QueryData がデベロッパーの作業を容易にするもう 1 つの領域は、コンテキストエンジニアリングです。コンテキストエンジニアリングは、コンテキストを繰り返し評価して最適化するプロセスです。これは、QueryData がデータベースに対して正確にクエリを実行する能力にとって非常に重要です。QueryData を使用するデベロッパーは、以下の堅牢なツールスイートを利用できます。

すぐに行えるコンテキスト生成 – QueryData を構成すると、Gemini CLI の専用エージェントである Context Engineering Assistant が、データベースの最初のコンテキストセットの作成を支援します。
評価: デベロッパーは、バンドルされている Evalbench フレームワークを使用して、ユースケースに固有の一連のテストに対する精度を測定できます。
コンテキストの最適化: Context Engineering Assistant は評価結果を確認し、変更を推奨してから、評価の再実行を支援します。この反復プロセスを通じて、ほぼ 100% の精度を達成できます。

QueryData で今すぐ構築できるもの

デベロッパーはすでに QueryData を使用してさまざまなものを構築しています。例を以下に示します。

顧客向けアプリケーション: 不動産検索エンジン。QueryData がユーザープロンプトをデータベースクエリに変換し、内覧の予約をスケジュールします。
社内ツール: AI を活用したスタッフ配置アプリ。人事データをクエリして、マネージャーが従業員をシフトに割り当てられるようにします。
マルチエージェントアーキテクチャ: 貿易コンプライアンスワークフロー。最上位のエージェントがサブエージェントに、取引相手の KYC（顧客理解）ステータスが適切であることを確認するよう指示します。KYC エージェントがデータベースにクエリを実行して、顧客の身元を確認します。