はじめに

2026年10月時点のDatabricksのドキュメントでは、Unity Gatewayが独立した章として整理されています。モデル推論、MCP、スキルをまとめて扱う入口として、Unity Catalogと並ぶ「Unity」のもう一つの柱になりました。

ただ、2つの製品は対等に並んでいるわけではありません。Unity Gatewayが扱うモデルサービスやMCPは、すべてUnity Catalogのオブジェクトとして登録され、権限もUnity Catalogの仕組みで管理されます。Unity Gatewayは、Unity Catalogの上に乗っている製品です。

ドキュメントを読み、実際にワークスペースの画面を開いて、この関係を確かめました。画面で確かめた結果も含めて書いていきます。

Unity Gateway とは

Unity Gatewayは、AIアプリケーションとコーディングエージェントが使うモデル推論、ツール、スキルを1か所で扱うコントロールプレーンです。主な用途は次の3つです。

モデル推論へのアクセス: Databricksがホストするモデルに加えて、OpenAI、Anthropic、Amazon Bedrock、Azure Foundryなどの既存の契約も持ち込めます
コストとパフォーマンスの最適化: リクエストを適したモデルに振り分け、使用量と支出を追跡し、予算と支出上限を設定できます
AIへのアクセスの保護: モデル、エージェント、MCPサーバー、ツールへのアクセスを権限で管理し、PIIのマスキングや監査ログの記録を行います

役割は3つの統制で分かれている

AIガバナンスガイドでは、DatabricksのAIガバナンスを3つの側面に分けて説明しています。Unity GatewayとUnity Catalogの役割分担は、この3つで整理すると見通しが良くなります。

側面	担当	内容
資産ガバナンス	Unity Catalog	モデル、MCPサーバー、関数、接続をセキュリティ保護可能なオブジェクトとして管理する。テーブルやボリュームと同じ権限とABAC付与ポリシーを使う
トラフィックガバナンス	Unity Gateway	モデルサービスとMCPサービスへのリクエストをルーティングし、レート制限、予算、使用状況の追跡を適用する
振る舞いガバナンス	サービスポリシー	呼び出し元と、リクエストやレスポンスの内容をもとに、個々のやり取りを許可、拒否、または承認待ちにする

ドキュメントでは、Unity CatalogをAIガバナンスの「基盤」と位置づけています。Unity Gatewayは、Unity Catalogが管理する資産へのトラフィックを制御する役割です。

エージェントがツールやモデルを呼び出すときの処理は、次の順番で進みます。

Databricksがリクエストを認証する
Unity Catalogの権限に照らして、呼び出してよいかを確認する
Unity Gatewayを経由して、外部のシステムやモデルに届ける

図にすると次のようになります。土台にUnity Catalogがあり、その上でUnity Gatewayが呼び出しを受け、Unity Gatewayの中でサービスポリシーが中身を検査します。

AI用に別の権限の台帳を作るのではなく、データと同じ枠組みにそのまま乗る。テーブルの権限設計をすでに回している組織にとって、この点は導入のハードルを大きく下げます。

モデルとモデルサービスは別物

Unity Gatewayでは、次の6つの概念を組み合わせてモデルとツールを管理します。

概念	役割	ドキュメントの例
モデル	LLMまたは埋め込みモデル。登録しただけでは呼び出せず、呼び出すにはモデルサービスが必要	`gpt-astra-6`
モデルサービス	推論リクエストを1つ以上のモデルに振り分けるエンドポイント。トラフィック分割とフォールバックに対応する	`frontier-model`
モデルプロバイダー	外部のモデルプロバイダーへの接続。認証情報を一元管理する	`anthropic-prod`
MCP	エージェントがModel Context Protocolでツールを見つけて呼び出すためのインターフェース	`support-tools`
スキル	エージェントが読み込む、再利用可能な指示とファイル	`customer-support`
サービスポリシー	AIサービスへのリクエストとレスポンスを検査するガードレール	`detect_sensitive_data`

ここが最初のハマりどころです。モデルとモデルサービスは別の概念です。Unity Catalogでは、モデルはバージョン、メタデータ、成果物をまとめた静的な資産で、登録しただけでは呼び出せません。アプリケーションが呼び出すのはモデルサービスのほうです。

モデルサービスを挟むことで、アプリケーション側のコードを変えずに、呼び出し先のモデルやフォールバック先を入れ替えられます。ドキュメントの例では、frontier-model というモデルサービスがDatabricks上のGPT Astra 6を呼び出し、Claude Opus 5をフォールバック先にしています。

外部のモデルを使う場合は、モデルを登録するのではなく、モデルプロバイダーの接続を登録します。

Unity Gateway のオブジェクトはすべて Unity Catalog に登録される

名前はテーブルと同じ3階層

モデル、モデルサービス、モデルプロバイダー、MCP、スキルは、どれもUnity Catalogのセキュリティ保護可能なオブジェクトです。名前もテーブルと同じ catalog.schema.name の形式に従います。

自分で作ったモデルサービスの例: production.ai.frontier-model
Databricksが提供するモデルサービス: system.ai に登録されています

画面で確かめる

実際にワークスペースで確かめてみました。Unity Gatewayの画面を開くと、「モデル」タブにモデルサービスが一覧で並び、Location列にはそれぞれの登録先として system.ai が表示されます。

Unity Gatewayの画面の「モデル」タブに並んでいるのは、前の節でいうモデルサービスです。タブの名前とドキュメントの用語が一致しないので、読み替えが必要です。

同じ system.ai スキーマをカタログエクスプローラーで開くと、「モデル」と「サービス」が別のタブに分かれて並んでいます。左のツリーの「サービス」には、Unity Gatewayの画面と同じ名前のモデルサービスが並んでいます。

Unity Gatewayの画面で見ていたものが、Unity Catalogではテーブルや関数と同じスキーマの中にある。2つの画面を並べると、Unity GatewayがUnity Catalogの上に乗っていることがよく分かります。

権限はテーブルと同じ考え方で付与する

モデルサービス、モデルプロバイダー、MCPには、次の権限を付与します。使う権限と管理する権限が分かれています。

権限	できること
`EXECUTE`	モデルサービス、モデルプロバイダー、MCPを呼び出す
`CREATE SERVICE`	スキーマ内にサービスを作成し、モデルプロバイダーを登録する
`READ METADATA`	構成を参照する
`MANAGE`	構成を変更し、他のユーザーにアクセス権を付与する

テーブルを読むときと同じく、呼び出す側には親のカタログとスキーマに対する USE CATALOG と USE SCHEMA も必要です。ここを忘れると、EXECUTE を付与しても呼び出せません。

サービスポリシーはアクセス権を与えない

サービスポリシーは、サービスにアタッチして使います。サービスポリシー自体は、単独のセキュリティ保護可能なオブジェクトではありません。

また、サービスポリシーはアクセス権を付与しません。権限で許可された呼び出しを、内容に応じてさらに絞り込むためのものです。呼び出せるかどうかはUnity Catalogの権限で決まり、その中身が問題ないかをサービスポリシーで確認する、という順番になります。

呼び出し先も Unity Catalog の名前で指定する

Unity Gateway経由の呼び出しは、すべてワークスペースの /ai-gateway/ 以下のパスに送ります。

認証にはDatabricks CLIのOAuthで取得した短期トークンを使います。個人アクセストークンを作る必要はありません。

databricks auth login --host https://<workspace-url>
export DATABRICKS_TOKEN=$(databricks auth token --host https://<workspace-url> | jq -r .access_token)

これで以降の例がそのまま実行できます。

モデルサービスを呼び出す場合は、OpenAI互換のChat Completions APIが使えます。model にUnity Catalogの名前を指定します。

curl "https://<workspace-url>/ai-gateway/mlflow/v1/chat/completions" \
  -H "Authorization: Bearer $DATABRICKS_TOKEN" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "production.ai.frontier-model",
    "max_tokens": 256,
    "messages": [{"role": "user", "content": "Hello!"}]
  }'

モデルプロバイダーを使う場合は、プロバイダー本来のAPI (この例ではAnthropic Messages API) の形式で送ります。どの接続を使うかはヘッダーで指定します。

curl "https://<workspace-url>/ai-gateway/anthropic/v1/messages" \
  -H "Authorization: Bearer $DATABRICKS_TOKEN" \
  -H "Databricks-Model-Provider-Service: production.ai.anthropic-prod" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "claude-opus-5",
    "max_tokens": 256,
    "messages": [{"role": "user", "content": "Hello!"}]
  }'

プロバイダーの認証情報はUnity Gatewayが付けるので、呼び出す側はAnthropicのAPIキーを持つ必要がありません。APIキーを開発者に配らずに済むのは、運用する側からすると大きな利点です。

MCPを呼び出す場合も、パスにUnity Catalogの名前を入れます。

curl "https://<workspace-url>/ai-gateway/mcp-services/production.ai.support-tools" \
  -H "Authorization: Bearer $DATABRICKS_TOKEN" \
  -H "Content-Type: application/json" \
  -H "Accept: application/json, text/event-stream" \
  -d '{
    "jsonrpc": "2.0",
    "id": 1,
    "method": "tools/list",
    "params": {}
  }'

これでMCPサービスが提供するツールの一覧が返ってきます。3つの例のどれも、呼び出す対象をUnity Catalogの名前で指定しています。

まとめ

Unity GatewayとUnity Catalogの関係を整理して分かったことをまとめます。

Unity Gatewayは、モデル推論、MCP、スキルを呼び出すときの入口。ルーティング、レート制限、使用状況の記録を担う
Unity Gatewayが扱うモデルサービス、モデルプロバイダー、MCP、スキルは、すべてUnity Catalogのオブジェクトとして登録される
権限は EXECUTE などをテーブルと同じ考え方で付与する。親のカタログとスキーマの USE 権限も必要
モデルとモデルサービスは別物。呼び出すのはモデルサービスのほう
Unity Gatewayの画面の「モデル」タブに並ぶのはモデルサービス
サービスポリシーは中身を検査するもので、アクセス権は付与しない

一番の収穫は、Unity GatewayとUnity Catalogの画面を並べて見たことでした。Unity Gatewayだけを触っていると新しい製品に見えますが、登録先も権限も名前の付け方もUnity Catalogのものです。テーブルの権限管理に慣れていれば、モデルやMCPの権限管理も同じ考え方で扱えます。

参考リンク

はじめてのDatabricks

はじめてのDatabricks

Databricks無料トライアル

Databricks無料トライアル