「SQLが苦手でも大丈夫」自然言語でデータ分析できるAIチャットボットを作った

Posted at 2026-01-30

はじめに

Snowflakeに保存したデータを使った分析がしたいけれど、SQLが苦手...。
そこで「自然言語で質問したら、AIがSQLを生成して、そのまま実行までやってくれる」チャットボットを作りました。
この記事では、AWS Bedrock + Streamlit + Snowflake を使ったチャットボットの紹介をします。

完成イメージ

できること

自然言語での質問 → AIがSQLを自動生成
生成されたSQLをワンクリックで実行

Snowflake に保存しているデータ

データ概要

DB名: wave_db
スキーマ名: base
ビュー名: base_wave
データ内容: 気象庁Webページからダウンロードした波浪推算値データ（2018年11月〜2025年06月）

テーブル構造

select * from wave_db.base.base_wave limit 3;

LOCATION_NAME	LATITUDE	LONGITUDE	LOCATION_CODE	OBSERVATION_DATETIME	PERIOD_SEC	WAVE_HEIGHT_M	WAVE_DIRECTION
網走沖	44°15′	144°30′	A	2018-11-01 00:00:00.000	 8	  1.9	 1
網走沖	44°15′	144°30′	A	2018-11-01 12:00:00.000	 7	  1.1	 1
網走沖	44°15′	144°30′	A	2018-11-02 00:00:00.000	 8	  1.2	 1

カラム

カラム内容

- LOCATION_NAME
  - 計測地点名
  - VARCHAR(16777216)
- LATITUDE
  - 緯度
  - VARCHAR(16777216)
- LONGITUDE
  - 経度
  - VARCHAR(16777216)
- LOCATION_CODE
  - 計測地点コード
  - VARCHAR(100)
- OBSERVATION_DATETIME
  - 計測日時
  - TIMESTAMP_NTZ(9)
- PERIOD_SEC
  - 周期(単位：秒)
  - VARCHAR(100)
- WAVE_HEIGHT_M:
  - 波高(単位：メートル)
  - VARCHAR(100)
- WAVE_DIRECTION
  - 波向
  - VARCHAR(100)

実装内容

1. AIエージェントの作成

Snowflakeのテーブル定義やSQL例をS3バケットに保存し、AWS Knowledge Baseで参照できるようにしました。
これにより、AIエージェントが適切なSQLを生成できるようになります。

AIエージェントのコード（抜粋）

コードを表示

"""
WaveChatBot - 波浪データ分析AIエージェント

Knowledge Baseと連携して、波浪データに関するSQLを生成
"""

import os
import sys
from io import StringIO
from contextlib import contextmanager
from strands import Agent
from pathlib import Path
from strands_tools import retrieve
from strands.models.bedrock import BedrockModel

# 変数設定
BEDROCK_MODEL = "anthropic.claude-3-5-sonnet-20240620-v1:0"
KNOWLEDGE_BASE_ID = "xxxx"
AWS_REGION = "ap-northeast-1"

# Knowledge Base用の環境変数を設定（retrieveツールが参照）
os.environ["KNOWLEDGE_BASE_ID"] = KNOWLEDGE_BASE_ID
os.environ["AWS_REGION"] = AWS_REGION

# プロジェクトのルートディレクトリ
ROOT_DIR = Path(__file__).parent

# システムプロンプトを読み込み
SYSTEM_PROMPT_PATH = ROOT_DIR / "prompts" / "system_prompt.txt"
with open(SYSTEM_PROMPT_PATH, "r", encoding="utf-8") as f:
    SYSTEM_PROMPT = f.read()


# 標準出力を一時的に抑制するコンテキストマネージャー
@contextmanager
def suppress_stdout():
    """標準出力を一時的に抑制"""
    old_stdout = sys.stdout
    sys.stdout = StringIO()
    try:
        yield
    finally:
        sys.stdout = old_stdout


# ChatBot用 AIエージェントの定義
def create_wavechat_agent():
    bedrock_model = BedrockModel(model_id=BEDROCK_MODEL, region_name=AWS_REGION)
    agent = Agent(model=bedrock_model, system_prompt=SYSTEM_PROMPT, tools=[retrieve])
    return agent


# ユーザーのクエリに対してエージェントが応答
def wavechat_query(query: str, agent=None) -> str:
    if agent is None:
        agent = create_wavechat_agent()

    # エージェント実行時の標準出力を抑制
    with suppress_stdout():
        response = agent(query)

    # response.message から text 部分のみを抽出
    message = response.message
    if isinstance(message, dict) and "content" in message:
        content_list = message["content"]
        # content が list の場合、各要素の 'text' を結合
        if isinstance(content_list, list):
            text_parts = [
                item.get("text", "") for item in content_list if isinstance(item, dict)
            ]
            return "\n".join(text_parts)

    # フォールバック（予期しない形式の場合）
    return str(message)

2. システムプロンプト

システムプロンプトで、AIの振る舞いを定義しました。

主な内容:
- AIエージェントの役割
- SQL生成ルール
- 出力形式（3つのパターン）

あなたは波浪データ分析のアシスタントです。

【あなたの役割】
- ユーザーの質問を理解し、適切な形式で応答する
- SQLクエリを生成する場合は、必ず```sql```のコードブロックで囲んで返す

【重要な注意事項】
1. テーブル定義やカラム情報は、必要に応じてツールを使って検索してください
2. SQLは必ず実行可能な形式で出力すること
3. 曖昧な質問の場合は、ユーザーに確認を求めること

【出力形式】
ユーザーの質問の意図に応じて、以下のように応答してください：

## パターン1：SQLのみを求められている場合
ユーザーが「SQL」「クエリ」「コードを教えて」「書いて」などと明示的に指定した場合：
- **SQLのみを返す**（説明は最小限）
- ```sql```のコードブロックで囲む

## パターン2：データや情報を求められている場合
ユーザーが具体的なデータや分析結果を求めている場合：
- 簡潔な説明 + SQLクエリ を返す
- ```sql```のコードブロックで囲む
- SQLの意図を簡単に説明

## パターン3：メタ情報を求められている場合
ユーザーが「カラムを教えて」「テーブル構造」「データ構造」などを求めている場合：
- **説明を中心に返す**
- 必要に応じて、参考SQLも提示してOK

3. Knowledge Base の作成

Knowledge Baseには、以下の情報を登録しました：

テーブル定義（カラム名、データ型）
主要な観測地点（26地点）
SQL例（複数パターン）

これにより、AIが適切なSQLを生成できるようになります。

# 【利用可能なデータベース】
- データベース名:wave_db
- スキーマ名:base
- ビュー名:base_wave

# 【base_waveのカラム】
- LOCATION_NAME
  - 計測地点名
  - VARCHAR(16777216)
- LATITUDE
  - 緯度
  - VARCHAR(16777216)
- LONGITUDE
  - 経度
  - VARCHAR(16777216)
- LOCATION_CODE
  - 計測地点コード
  - VARCHAR(100)
- OBSERVATION_DATETIME
  - 計測日時
  - TIMESTAMP_NTZ(9)
- PERIOD_SEC
  - 周期(単位：秒)
  - VARCHAR(100)
- WAVE_HEIGHT_M:
  - 波高(単位：メートル)
  - VARCHAR(100)
- WAVE_DIRECTION
  - 波向
  - VARCHAR(100)

# 【主要な観測地点】
location_code：location_name
- A:網走沖
- B:釧路沖
- C:津軽海峡(太平洋側)
- D:金華山沖
- E:房総半島沖
- F:相模湾
- G:伊豆半島沖
- H:遠州灘
- I:紀伊水道
- J:土佐湾
- K:豊後水道
- L:種子島東方沖
- M:奄美大島沖
- N:沖縄島沖(太平洋側)
- O:石垣島沖
- P:沖縄島沖(東シナ海側)
- Q:薩摩半島沖
- R:天草灘
- S:玄界灘
- T:島根半島沖
- U:若狭湾
- V:富山湾
- W:酒田沖
- X:津軽海峡(日本海側)
- Y:石狩湾
- Z:宗谷海峡

# 【SQL例】

## Q1. 最大波高のみを取得
- 質問：2024年1月の豊後水道の最大波高は？

```sql
SELECT
    MAX(wave_height_m) AS max_wave_height
FROM wave_db.base.base_wave
WHERE
    location_name = '豊後水道'
    AND YEAR(observation_datetime) = 2024
    AND MONTH(observation_datetime) = 1;
```

実行例

AIに聞いてみる

質問：2022年5月の網走沖の最大波高を調べて！

ステップ1: AIがSQLを生成

AIがSQLを提案してくれた！！

ステップ2: SQLを実行

実行ボタンをクリックすると、結果が表示された！！
結果: 最大波高は 2.8m でした。

Snowflakeで検証

AIの結果が正しいか、Snowflakeで直接SQLを実行して確認してみる。

AIが言っていた結果と一緒だ！！2.8mだ！！

You get articles that match your needs
You can efficiently read back useful information
You can use dark theme

What you can do with signing up