※ 本記事は、Kumar G Varunによる”Announcing Private Agent Factory 26.10, featuring Deep NL2SQL“を翻訳したものです。
2026年10月30日
Deep NL2SQLと、プライベートエージェントを接続・運用する新しい方法
ビジネス・ユーザーは、行動に移せる回答を求めています。開発者は、人々がすでに使用しているアプリケーションにエージェントを組み込みたいと考えています。プラットフォーム・チームは、それらのエージェントの動作を理解し、データを制御し、エージェントがアクセスするシステムをガバナンスする必要があります。
Oracle AI Database Private Agent Factory 26.10では、こうした要望に対応します。企業データについて業務上の質問をするための大きな新機能、Deep NL2SQLを導入しました。Python SDKとREST連携、再利用可能な取り込みサービス、エージェント間の相互運用、標準の可観測性機能も追加・拡充しています。
Private Agent Factoryでは、Oracle Database、企業内文書、API、対応モデルを使うプライベートエージェントを、ビジュアルな環境で構築・テスト・実行できます。今回のリリースでは、エージェントを作るだけでなく、業務フローへ接続し、動作を理解するための機能を拡充しました。
Deep NL2SQLで、質問対応に業務知識を活かす
データベースのスキーマから、データの保存場所は分かります。しかし、「未処理の請求書」「完了した注文」「最も売れている商品」を業務上どう定義しているかまでは、通常分かりません。その定義がなければ、SQL文は正常に実行できても、質問からずれた回答をしてしまうかもしれません。
Deep NL2SQLでは、Business Knowledge Graphでこの隔たりを埋めます。担当者が、関連する表、ビジネス定義、メトリック、ルール、ドキュメント、サンプル質問およびSQLをトピックに整理します。エージェントは質問に関連するトピックを見つけ、そのコンテキストを使用してSQLを計画および生成します。質問があいまいな場合は、続行する前にユーザーに確認を求めることができます。
図1. 財務向けナレッジ・グラフ (350個の表/ビュー)と供給計画とフルフィルメント向けナレッジ・グラフ (386個の表/ビュー)
専門知識をチーム全体で活用できる資産に変える
財務チームが、対応が必要な仕入れ先からの請求書を尋ねる場面を考えます。未払い残高、支払期日、支払い状況、通貨、組織など対象や範囲の定義によって、回答は変わります。Deep NL2SQLでは、アプリケーションの専門家がこれらを記録するKnowledge Workbenchを用意し、利用者が会話のたびに定義をし直さずに済むようにします。
Knowledge Workbenchで、業務情報を作成・保守できます。NL/SQL Collectionでは、自然言語の質問と対応するSQLを並べ、確認して再利用できます。生成したSQLも確認できるようにし、どう回答を得たかを理解しやすくしています。
図2. NL/SQL Collectionは、専門家が例を確認および保守できるよう、質問とSQLを並べて表示 (訳注: ご理解いただきやすいよう、画面の一部を日本語に差し替えました)
このリリースでは、セマンティック・コンテキストを維持するためのワークフローに、Knowledge、Memory、およびAnnotation Workbenchesも組み込まれています。専門家は、すべてのユーザー応答を共有ナレッジ・ベースへの自動的な変更として扱うのではなく、フィードバックを確認し、有用な知識を選んで整備できます。
評価ワークフローを使用すると、変更内容を公開する前に、ナレッジに対する変更案を、代表的な質問や参照用SQLと照らし合わせて評価できます。明確化、SQLのレビュー、評価、厳選されたフィードバックを組み合わせることで、ビジネス上の定義やデータの変化に合わせて、エージェントを継続的に改善できます。
ユーザー・アプリケーションにプライベートエージェントを接続
新しいAgent Factory Python SDKは、開発者がPythonアプリケーションからCustom Workflow、Knowledge Agent、Data Analysis Agent、Deep Data Research Agentを実行するための、正式にサポートされた手段を提供します。認証方式としては、ユーザー名とパスワードによる認証、およびブラウザを介したシングル・サインオン (SSO)に対応しています。また、各操作には、ユーザーに既存のAgent Factoryで付与されている権限が引き続き適用されます。
SDKと標準化されたREST APIにより、アプリケーション、スクリプト、業務ワークフローとのさまざまな統合方法が提供されます。また、SDKは、サポート対象のモデル接続やデータソースに対する操作にも対応しています。これにより、すべてのユーザーにAgent Factoryのインターフェースを直接操作してもらうことなく、既存のアプリケーションにエージェントの機能を組み込むことができます。
システム間でエージェントをつなぐ
拡張されたAgent-to-Agent (A2A)機能では、JSONやMarkdownを含む追加のコンテンツ形式に対応するとともに、非同期タスク処理もサポートします。これらの機能強化により、Agent Factoryのワークフローは、互換性のある外部エージェントと構造化された情報を交換し、即時の応答だけでは完了しない長時間の処理にも対応できるようになります。
複数のアプリケーションにまたがるソリューションを構築するお客様やパートナーは、SDK、REST API、A2Aのサポートを通じて、既存のアーキテクチャにエージェントを連携させるためのさまざまな方法を利用できます。
知識を一度準備し、複数の処理で再利用する
新しいIngestion Serviceにより、ナレッジの準備をプラットフォーム上で再利用可能なプロセスとして実行できます。サポート対象のデータソースや取り込み設定を構成し、準備したナレッジをリサーチやカスタム・エージェントのワークフローで活用できます。Deep Data Research Agentとの統合により、データの取り込みと検索をより一貫したワークフローで実行できるようになり、データソースの処理やチャンク分割も改善されています。
Knowledge Agentでは、新たにOpenRouterがサポートされ、利用可能なモデルの選択肢が広がります。また、Oracle AI Agent Memoryとの統合のアップデートやプラットフォーム全体の機能強化により、エージェントの構築から継続的な運用・保守までを幅広く支援します。
標準搭載のオブザーバビリティ機能でエージェントの動作を把握
エージェントの応答が遅い場合や、想定外の結果が返された場合、問題を調査するには最終的な回答だけでは十分ではありません。Private Agent Factoryに標準搭載されたオブザーバビリティ (可観測性)機能により、メトリクス、セッション、トレース、スパンを一元的に確認でき、適切な権限を持つユーザーは、エージェントの動作を一か所で調査できます。
チームは、実行状況、処理時間 (レイテンシ)、トークン使用量、エラーなどを確認し、全体的な状況から個々のセッションやトレースへと掘り下げて分析できます。これにより、モデルの呼び出し、ツールの実行、その他のワークフローのステップのうち、どこに時間がかかっているかを把握しやすくなり、開発者は問題のトラブルシューティングや改善に向けた具体的な手がかりを得られます。
業務フローから始める
業務チームは、Deep NL2SQLで共通の業務知識に基づく質問をし、回答の根拠となるSQLを確認できます。開発者やパートナーには、アプリケーションへエージェントを組み込むための連携方法が増えました。プラットフォームの担当者は、再利用可能な取り込みと標準の可観測性機能を使い、知識の準備と実行の把握を進めやすくなります。
業務上の質問を1つに絞り、必要な知識と例を整え、結果を評価し、利用者が実際に使う業務フローへエージェントを接続してみましょう。
- Oracle AI Database Private Agent Factoryを知る
- 製品ドキュメントを読む
- Private Agent Factoryのハンズオン・ラボを試す
- ダウンロードとインストール情報を見る
(訳注: 「Oracle Deep NL2SQL：知識を活用し、フィードバックで改善するSQL」も併せてご覧ください)