1. 概要

この記事では、Difyのチャットフロー機能とOCI ADB Select AIを組み合わせることで、自然言語でのデータベース検索を実現する方法を解説します。非技術者でも以下のような操作が可能になります：

「売上上位5件のデータを表示してください」といった自然言語の入力
入力内容をAIが自動でSQLに変換
結果をMarkdownテーブル形式で返却

OCI ADB Select AIの自然言語処理能力とDifyのワークフロー機能を活用することで、データ分析の敷居を大幅に下げられます。

応用例

データ可視化連携：結果をPower BIやTableauで可視化
チャットボット統合：SlackやTeams経由での質問対応
バッチ処理：定期的なレポート生成

2. ステップバイステップ解説

ステップ1. チャットフローの作成

Difyダッシュボードで「チャットフロー」を選択
チャットフローの名前を設定（例：「自然言語検索フロー」）

ステップ2. SQL生成用HTTPリクエスト

メソッド: POST
URL: showsqlのエンドポイント（例：http://192.168.31.20:9999/selectai/showsql）
ボディ:
```
{
  {"query" : "{{#sys.query#}}"}
}
```

ステップ3. SQL抽出用コードブロック


import json


def main(json_body: str) -> dict:
    dict_body = json.loads(json_body)
    sql_query = dict_body["sql"]
    sql_query = sql_query.replace('"', '\\"')
    return {"result": sql_query}

ステップ4. SQL実行リクエスト

メソッド: POST
URL: runsqlのエンドポイント（例：http://192.168.31.20:9999/selectai/runsql）

ボディ:

{
  {"query" : "{{#1742363069217.result#}}"}
}

ステップ5. 結果のMarkdown変換


import json


def main(json_body: str) -> dict:
    dict_body = json.loads(json_body)
    columns = dict_body['columns']
    table_data = dict_body['data']

    header = "|{}|".format(" | ".join(columns))
    separator = "|{}|".format(" | ".join(["---" for _ in columns]))

    rows = []
    for row in table_data:
        row_str = " | ".join(map(str, row))
        rows.append(f"|{row_str}|")

    markdown_table = "\n".join([header, separator] + rows)

    return {"result": markdown_table}

ステップ6. 最終出力設定



query is:

---

{{#sys.query#}}

---

sql is:

---

{{#1742363069217.result#}}

---

result is:

----

{{#1742363491175.result#}}

---

3. テストケース

テスト１：

テスト２：

テスト３：

テスト４：

4. 注意点

セキュリティ: APIキーは環境変数で管理推奨
パフォーマンス: 複雑なクエリは実行時間に注意
サポート対象: OCI ADB Select AIがサポートするSQL文式に限定

このフローを活用することで、データ分析業務の効率化とチーム間のコミュニケーションコスト削減が期待できます。