3
0

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

@kai_kou(甲斐 甲)

Oracle AI Database 26ai入門 — Agent FactoryとMCPでAIエージェントを構築する

3
Last updated at Posted at 2026-03-27

はじめに

2026年3月24日、OracleはOracle AI Database 26ai向けのエージェントAI機能群を正式発表しました。

  • Oracle AI Database Private Agent Factory: ノーコードでエンタープライズAIエージェントを構築・デプロイ
  • Oracle AI Agent Memory SDK: エージェントの永続メモリをデータベースで管理
  • ネイティブMCPサーバー: AIエージェントからデータベースへ直接アクセス

本記事では、これらの機能の概要と、Pythonを使った活用方法について解説します。

この記事で学べること

  • Oracle AI Database 26aiのエージェント機能の全体像
  • Private Agent Factoryで提供される3種類のプリビルトエージェント
  • Oracle AI Agent Memory SDKを使った永続メモリの実装方法
  • MCPサーバー統合によるエージェントとデータベースの連携パターン
  • LangChainとOracleのベクトル検索を組み合わせたRAGの基本

対象読者

  • AIエージェントをエンタープライズ環境に導入したいエンジニア
  • Oracleデータベースを活用したアジェンティックAIシステムを設計したい方
  • エージェントの永続メモリ設計に興味がある方

前提条件

  • Pythonの基本的な知識
  • Oracle AI Database 26ai（またはOracle Autonomous Database）へのアクセス権
  • Oracle Cloud Infrastructure（OCI）アカウント（クラウド版の場合）

TL;DR

  • Oracle AI Database 26aiはOracle Database 23aiの後継LTSリリースで、AIをDBエンジンに統合
  • Private Agent Factoryでノーコードエージェントを構築でき、Database Knowledge Agent、Structured Data Analysis Agent、Deep Data Research Agentを提供
  • Oracle AI Agent Memory SDKでPythonからエージェントの永続メモリを管理（ベクトル・グラフ・リレーショナルの統合ストア）
  • ネイティブMCPサーバーにより、外部AIエージェントからSQL/ベクトル操作を直接呼び出し可能
  • Oracle + DeepLearning.AIの無料コース「Agent Memory: Building Memory-Aware Agents」でキャッチアップできる

Oracle AI Database 26aiとは

Oracle AI Database 26aiは、2025年10月の四半期リリースアップデートで導入されたOracle Databaseの次世代LTS（長期サポート）リリースです。Oracle公式ブログによれば、Oracle Database 23aiの後継として位置づけられており、アップグレード作業なしに適用可能とのことです。

AIをDBエンジンに統合した設計

26aiの最大の特徴は、AIが「プラグイン」ではなくデータベースエンジンのコアとして組み込まれている点です。

機能 説明
AI Vector Search ベクトル埋め込みとリレーショナルデータを同一エンジンで処理
Oracle AI Agent Memory エージェント永続メモリのUnified Memory Core
Private Agent Factory ノーコードエージェントビルダー＆デプロイ基盤
ネイティブMCPサーバー Model Context Protocol対応のデータベースアクセス層
Select AI Agent DB内でエージェントを定義・実行するSQL拡張

コンバージドデータベースアーキテクチャにより、ベクトル・JSON・グラフ・リレーショナルの各データ型を単一エンジン・単一トランザクション保証のもとで処理できます。

Private Agent Factory — ノーコードでエージェントを構築

概要

Private Agent Factoryは、Oracle AI Database 26ai上でAIエージェントをノーコードで構築・デプロイ・管理するフレームワークです。コンテナとして動作し、顧客の選択した環境（オンプレミス・OCI）で実行されます。

3つのプリビルトエージェント

Oracleは2026年3月24日時点で、以下の3種類のプリビルトエージェントを提供しています。

1. Database Knowledge Agent
自然言語プロンプトをSQLクエリに変換し、特定の事実・ポリシー・エンティティをデータベースから取得します。Text-to-SQLユースケースに適しています。

2. Structured Data Analysis Agent
SQLテーブルやCSVファイルなどの表形式データを処理し、pandasを使ってグラフ生成、トレンド検出、異常フラグ付け、メトリクスのサマリーを実行します。データ分析ワークフローの自動化に活用できます。

3. Deep Data Research Agent
複雑なタスクをステップに分解し、Webソースやドキュメントライブラリを反復的に検索します。エンタープライズリサーチの深掘り調査に向いています。

Agent Builderのコンポーネント

Agent Factoryのノーコードキャンバスでは、以下を組み合わせてエージェントを定義します:

データソース → (ファイル / Oracle DB / SharePoint / Object Store / REST API)
         ↓
   LLM選択 → (OpenAI / Anthropic / Cohere / ローカルモデル)
         ↓
   ツール統合 → (REST / MCP Server)
         ↓
   メモリ設定 → (Oracle AI Agent Memory / ステートレス)
         ↓
   SSO・ガードレール・監査ログの設定

デプロイされたエージェントはポータブルなコンテナとして動作し、Slack・Confluenceなどのコネクタとの統合もサポートされています。

Oracle AI Agent Memory — 永続メモリの実装

エージェントが「健忘症」になる問題

ステートレスなエージェントは、会話のたびにゼロから処理を始めます。エンタープライズユースケースでは、ユーザーの設定・過去のタスク結果・ドメイン知識をエージェントが記憶・蓄積できることが重要です。

Oracle AI Agent Memoryは、この課題に対し「単一の統合メモリコア」で対応するアプローチを採っています。

Unified Memory Coreのアーキテクチャ

Oracle AI Agent Memoryは、Oracleのコンバージドデータベース上に構築された永続メモリレイヤーです。

メモリタイプ 格納方法 用途
会話履歴 JSON / リレーショナル 会話の連続性
セマンティックメモリ ベクトル（AI Vector Search） 意味検索・類似ケース参照
関係性ナレッジ グラフ エンティティ間の関係性
ユーザー設定 リレーショナル 個人化・プリファレンス
タスク成果 JSON 過去のアウトカム参照

競合スタックではベクトルストア・グラフDB・JSONストアをバラバラに組み合わせる必要がありますが、Oracleでは単一エンジンで統合管理できます。

Python SDK による接続

import oracledb

# Oracle AI Database 26ai への接続
username = "<username>"
password = "<password>"
dsn = "<hostname>:<port>/<service_name>"

connection = oracledb.connect(
    user=username,
    password=password,
    dsn=dsn
)
print("Connection successful!")

python-oracledb はデフォルトでThin mode（Oracle Clientライブラリ不要）で動作するため、依存性の少ない環境構築が可能です。

LangChainとのベクトル検索統合

Oracle AI Developer Hubでは、LangChainとOracle AI Vector Searchを組み合わせたRAGパターンのサンプルが公開されています。

# 必要パッケージのインストール
pip install langchain-oracledb sentence-transformers langchain-openai langchain tavily-python

from langchain_oracledb.vectorstores.oraclevs import OracleVS
from langchain_community.vectorstores.utils import DistanceStrategy

# Oracle ベクトルストアの初期化
vector_store = OracleVS.from_documents(
    documents=docs,
    embedding=embeddings,
    client=connection,
    table_name="AGENT_MEMORY",
    distance_strategy=DistanceStrategy.COSINE
)

# セマンティック検索
results = vector_store.similarity_search("previous user preference for report format", k=3)

エンタープライズ環境での大規模検索には、IVFインデックス（Inverted File Index）による近似最近傍探索が推奨されています。

MCP統合 — エージェントからデータベースに直接アクセス

Oracle AI Database 26aiに組み込まれたネイティブMCPサーバーにより、Claude CodeやCursor等の外部AIエージェントからSQL・ベクトル操作・ストアドプロシージャを直接呼び出せます。

MCPサーバーの主な機能

  • Select AI Agent: SQL拡張でエージェントをDB内に定義・実行
  • DBMS_VECTOR: PL/SQLからベクトル埋め込み生成（UTL_TO_EMBEDDING等）
  • 外部ツール統合: REST APIとMCPを組み合わせたツール定義
# oracle_mcp.py — Oracle AI Database 26ai MCPサーバーへの接続例
# 環境変数設定が必要:
#   ORACLE_USER, ORACLE_PASSWORD, ORACLE_DSN

import os
import oracledb

connection = oracledb.connect(
    user=os.environ["ORACLE_USER"],
    password=os.environ["ORACLE_PASSWORD"],
    dsn=os.environ["ORACLE_DSN"]
)

# エージェントからのSQL実行
with connection.cursor() as cursor:
    cursor.execute("""
        SELECT DBMS_VECTOR.UTL_TO_EMBEDDING(:1, JSON('{"provider":"openai","model":"text-embedding-3-small"}'))
        FROM DUAL
    """, ["Oracle AI Database 26ai agent memory guide"])
    row = cursor.fetchone()
    embedding_vector = row[0]

DBMS_VECTOR.UTL_TO_EMBEDDING はOracle Databaseが外部または内部の埋め込みモデルを呼び出してベクトルを生成するプロシージャです。公式ドキュメントに詳細な引数仕様が記載されています。

OpenAI Python SDKとの互換性

Oracle Private AI Servicesコンテナは、OpenAI互換のHTTPエンドポイントを提供します。

from openai import OpenAI

client = OpenAI(
    api_key="<YOUR_API_KEY>",
    base_url="<ORACLE_PRIVATE_AI_ENDPOINT>/v1"
)

response = client.chat.completions.create(
    model="llama-3-70b-instruct",  # Oracleでホストされたモデル
    messages=[{"role": "user", "content": "分析してください"}]
)

これにより、既存のOpenAI SDK活用コードをOracle Private AIに最小変更で移行できます。

データプライバシーとガバナンス

エンタープライズ採用において重要な観点として、Oracle AI Database 26aiは以下をデータベースエンジン内で強制します:

機能 概要
Built-in Data Privacy Protection 行・列・セル単位のアクセス制御 + 動的データマスキング
SQL Firewall 不正SQLおよびSQLインジェクション対策
Deep Data Security コンテキストアウェアなデータアクセス制御（2026-03-24発表）
ネイティブ監査ログ エージェントのアクション追跡・コンプライアンス対応

エージェントも人間ユーザーと同様に、認可されたデータのみが参照できる設計になっています。

Oracle + DeepLearning.AI 無料コース

Oracle と DeepLearning.AI が共同で、「Agent Memory: Building Memory-Aware Agents」という無料短期コースを提供しています。

コース内容:

  • Memory Manager パターンの設計
  • Semantic Tool Memory の実装
  • メモリ抽出・統合パイプライン
  • 本番向け検索戦略（ベクトル検索・グラフトラバーサル・リレーショナルクエリ）

LangChainとTavilyを使ったハンズオンモジュール構成で、Oracle AI Databaseをメモリバックエンドとして活用するメモリエンジニアリングを学べます。

まとめ

Oracle AI Database 26aiの2026年3月アップデートにより、エンタープライズ向けAIエージェント基盤として以下が整いました:

  • Private Agent Factory: ノーコードでデータベース連携エージェントをコンテナ化して即時デプロイ
  • Oracle AI Agent Memory: ベクトル・グラフ・リレーショナルを統合した永続メモリ、データガバナンスを維持したままエージェントが知識を蓄積
  • ネイティブMCPサーバー: 外部AIエージェントがMCPプロトコルを通じてOracleデータに直接アクセス

既存のOracle Database 23aiユーザーはアップグレード作業なしに移行できる点も採用障壁の低さに貢献しています。本格的なエンタープライズエージェント展開を検討しているチームにとって、注目のアップデートといえます。

参考リンク

3
0
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
Sign upLogin
3
0

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?