データベース向け生成 AI ツールボックスと Dgraph による AI エージェントの構築
Hamsa Buvaraghan
Product Manager, Google Cloud Databases
William Lyon
Director of Developer Experience, Hypermode
※この投稿は米国時間 2025 年 3 月 22 日に、Google Cloud blog に投稿されたものの抄訳です。
Google は先日、データベース向け生成 AI ツールボックスの公開ベータ版を発表しました。さらにこのたび、Hypermode と新たに提携したことで、ツールボックスの機能を拡張したことをお知らせいたします。
データベース向け生成 AI ツールボックスとは、アプリケーション デベロッパーが、本番環境レベルでエージェント ベースの生成 AI アプリケーションをデータベースに接続できるようにする、オープンソースのサーバーです。これにより、安全なアクセス、堅牢なオブザーバビリティ、スケーラビリティ、および包括的な管理機能を備え、データベースに対してクエリを実行できる高度な生成 AI ツールの作成、デプロイ、管理が簡素化されます。
ツールボックスを使用して、多数のデータベース向けにツールを構築できます。現在、AlloyDB for PostgreSQL(AlloyDB Omni を含む)、Spanner、Cloud SQL for PostgreSQL、Cloud SQL for MySQL、Cloud SQL for SQL Server、セルフマネージドの MySQL および PostgreSQL に対応しています。さらに、ツールボックスはオープンソースであり、Neo4j などの Google パートナーによる貢献やサポートも受けられます。
このたび、Hypermode との提携により、Dgraph 向けの生成 AI ツールボックスのサポートを開始いたします。


Hypermode の Dgraph は、AI アプリ向けに構築された、完全にオープンソースのスケーラブルなグラフ データベースです。
Dgraph の強み:
-
リアルタイムのパフォーマンス: リアルタイム ワークロード向けに設計され、分散型アーキテクチャでクエリを並列処理
-
水平方向のスケーラビリティ: データ量の増加やユーザーの需要に応じて簡単にスケール可能
-
AI ネイティブなプリミティブ: ベクトル インデックス、検索、ストレージ機能を備え、開発チームは任意のノードに複数のエンベディングを保存可能
-
柔軟なデータ モデリング: レコメンデーション システムやナレッジグラフに不可欠な複雑な関係を表現するプロパティ グラフ モデルをサポート
Dgraph とツールボックスが統合されたことで、アプリケーション デベロッパーは大きなメリットを得られます。
1. 構成と開発の簡素化
-
シンプルなセットアップ: ソースで kind: dgraph を構成し、ツールボックスで kind: dgraph-dql を構成するだけ
-
データベース接続はツールボックスが処理するため、AI 機能の構築に集中できる
2. プロダクション レディなインフラストラクチャ
-
接続プーリング、認証、リソース割り当てなどのオペレーション管理を自動化
-
構成主導型のアプローチによるダウンタイムなしのデプロイ
-
一般的な認証プロバイダの組み込みサポート
3. エンタープライズ クラスのオブザーバビリティ
-
ロギング、指標、トレースによる分析情報をすぐに使用可能
-
簡素化されたグラフ データベース オペレーションのデバッグとモニタリング
実際のユースケース: e コマース エージェントの構築
生成 AI エコシステム内で Dgraph とツールボックスの統合がもたらす力を実証するため、大規模な e コマース プラットフォーム向けの商品検索・レコメンデーション エージェントを構築する方法を見ていきましょう。
最新の e コマース プラットフォームでは、顧客が関連する商品をすばやく見つけられるよう、パーソナライズされたエクスペリエンスを提供する必要があります。そのために必要な機能は次のとおりです。
-
効率的な商品検索機能
-
ユーザーの行動と好みに基づいてパーソナライズされたおすすめ商品に関する情報
-
自然言語による商品カタログとレビューの操作
Google のソリューションでは、以下の多言語記述データベース アプローチを採用しています。
-
AlloyDB for PostgreSQL: 商品カタログ、購入履歴、在庫などのトランザクション データを保存
-
Dgraph: おすすめ商品に関するパーソナライズされた情報やユーザー レビューの理解に役立つナレッジグラフを強化
-
LangChain: エージェントのワークフローと LLM とのインタラクションをオーケストレート
- データベース向け生成 AI ツールボックス: プロダクション レディなインフラストラクチャで両方のデータベースにエージェントを接続


Dgraph を使用して商品のナレッジグラフを作成する
ナレッジグラフは、e コマース エージェントの基盤を強化します。商品、ユーザー、ユーザーのレビューを Dgraph のプロパティ グラフとしてモデル化します。このアプローチでは、データだけでなく、データがどのようにつながっているかについても把握できます。
プロパティ グラフ モデルは次の要素で構成されています。
-
ラベル付きノード: ノードのタイプ(商品、ユーザー、レビュー)を定義
-
関係: ノードを接続(purchased_by、reviewed_by、similar_to)
-
プロパティ: 各タイプのノードの属性を含む Key-Value ペア
ここでは、商品のナレッジグラフをどのようにモデリングするかを確認できます。


DQL(Dgraph クエリ言語)は、Dgraph のネイティブ クエリ言語です。GraphQL にインスピレーションを得て、グラフ操作に最適化された DQL は、逆エッジ、カスケード フィルタ、効率的な変数バインディングなどの機能を使用して、複雑な関係を表現する直感的な構文を備えています。主な利点として、関係を重視したクエリのパフォーマンス、接続されたデータのトラバーサル(走査)の簡素化、複雑なグラフ操作を 1 つのクエリで実行できることなどが挙げられます。そのため、エンティティの関係が重要なレコメンデーション エンジン、ソーシャル ネットワーク、ナレッジグラフに最適です。
Dgraph に保存された商品のナレッジグラフを走査して、おすすめ商品に関するパーソナライズされた情報を生成できます。これは、Dgraph のようなグラフ データベースの一般的なユースケースです。グラフを走査して、類似のユーザーが購入した商品や、類似した機能を備えた商品を見つけるパフォーマンス最適化が可能です。この種のクエリは、DQL を使用して簡単に表現できます。次に例を示します。
ツールボックスでツールを定義する
ツールは、生成 AI ツールボックスで YAML を使用して定義され、パラメータ化されたデータベース クエリを表します。各ツールには入力と出力の説明が含まれているため、LLM はどのツールを呼び出して使用するべきかを理解して判断できます。ツールの定義の詳細については、ドキュメントをご覧ください。
PostgreSQL と Dgraph の両方を活用するツールを定義できるため、エージェントはどちらのデータベースともシームレスに連携できます。ここでは、商品レビューを見つけるための Dgraph ソースと Dgraph ツールを定義します。他にも、商品カタログの検索や、おすすめ商品に関するパーソナライズされた情報を得るための Dgraph のクエリなど、さまざまなツールが使用されています。
LangChain でエージェントを構築する
これでエージェントを作成する準備が整いました。生成 AI ツールボックスのクライアントを実装する LangChain フレームワークを使用します。ツールボックス サーバーに接続し、ツールボックスが提供するツールセット(エージェントが使用できるツールの説明)を読み込みます。エージェントのチャット インターフェースを実装するため、LangChain のエージェントのメモリ コンポーネントを使用します。LangChain は多くのモデルをサポートしていますが、ここでは Google の Vertex AI クラウド サービスを通じて Gemini Pro を使用します。
これで、Python スクリプトを実行すると、エージェントとの自然言語チャット インターフェースが使用できるようになります。エージェントは、やり取りのたびに、クエリに応答するのに十分な情報とコンテキストがあるかどうかを判断し、十分でない場合、ツールボックスが提供するツールセットからツールを選択します。ツールボックスは、ツールの呼び出しロジックも処理します。これには、データベース接続プールの管理、データベースへの認証、クエリのリクエスト / 結果のライフサイクルが含まれます。


結果: 生成 AI を活用した強力なショッピング アシスタント
この実装により、次のことができる自然言語インターフェースを作成しました。
-
自然言語を使用してお客様の商品検索を支援する
-
PostgreSQL から詳細な商品情報を提供する
-
Dgraph のナレッジグラフに基づいておすすめ商品に関するパーソナライズされた情報を生成する
-
購入の意思決定を支援するため、関連性の高い商品レビューを表示する
これらすべては、データベース向け生成 AI ツールボックスによって可能になります。このツールボックスは、データベース接続、認証、クエリ実行の複雑な処理を担当するため、エージェントはシームレスなユーザー エクスペリエンスの提供に集中できます。
始める
データベースに接続された独自のエージェントを構築する準備はできましたか?Dgraph をサポートする生成 AI ツールボックスを今すぐお試しください。
Hypermode コミュニティに参加して、体験を共有し、独自のソリューションを構築するためのサポートを受けましょう。
-Google Cloud データベース、AI プロダクト マネージャー、Hamsa Buvaraghan
-Hypermode、デベロッパー エクスペリエンス担当ディレクター、William Lyon 氏