【Private Agent Factory】Select AI（NL2SQL）をGUIでセットアップしてAIエージェントを作ろう

Private Agent Factoryの新機能！Select AI連携を試す！

Oracle AI Database Private Agent Factory（PAF) に、2026年3月後半の 25.3.0.0.8 リリース でいくつか新機能が追加されました。

その中でも注目機能の一つが、Select AI との連携機能 です。

これまで Select AI は、Autonomous AI Database 側でプロファイルや資格情報を設定し、SQL や PL/SQL ベースで設定する必要があったのですが、今回のアップデートにより、Private Agent Factory から Select AI を GUI ベースで扱いやすくなった のが大きなポイントです。

本記事では、この Select AI 連携機能 を実際にどう設定して使うのか、Select AIエージェントの作り方をご紹介します。
一緒に試してみましょう！

今回のアップデートで何が増えたのか

Agent Factory 25.3 の公式ドキュメントでは、新機能として以下が案内されています。

• Select AI Utility
• Select AI Nodes

つまり今回のリリースでは、単に裏側で Select AI が使えるようになったのではなく、Select AI の設定用ユーティリティ と Agent Builder 上で使うためのノード群 が追加されました。

Select AI連携とは何か

一言でいうと、Oracle Database 側の Select AI 機能を、Private Agent Factory のワークフローから使いやすくする連携です。

Select AI は、自然言語から SQL を生成したり、RAG 用のプロファイルやベクトル索引を利用したりできる Oracle Database の AI 機能です。
今回のアップデートでは、その設定や呼び出しを Agent Factory の GUI にて扱える ようになりました。

これによって、

• 構造化データに対する NL2SQL
• ベクトル索引を使った RAG
• データベース関数の呼び出し
• Select AI Agent / Team を含むワークフロー化

といった流れを、Agent Builder の中で組み合わせやすくなっています。

何がうれしいのか

1. DBのAI機能を、Agent Factoryのフローに自然に組み込める

Private Agent Factory は、ドラッグ＆ドロップでエージェントやワークフローを組めるのが魅力です。
そこに今回、Select AI 用のノードが追加されたことで、Oracle Database 側の AI 機能をフローの一部として扱える ようになりました。

たとえば、

• ユーザーの質問を受け取る
• Select AI で SQL を生成・実行する
• 必要に応じて RAG で補足する
• その結果を別の Agent に渡して要約する

といった流れが、かなりイメージしやすくなります。

2. Select AIの設定をGUIで整理しやすい

Select AI を使うには、事前に Credential や Profile、必要に応じて Vector Index の設定が必要です。
今回の Select AI Utility では、そのあたりを画面から設定できるようになっています。

特に Profile 作成時には、

• どの LLM を使うか
• どのリージョンを使うか
• NL2SQL を有効にするか
• RAG を有効にするか
• どのテーブル・ビューに限定するか

といった設定を GUI でまとめて扱えます。
Select AI の入口がかなり分かりやすくなった と感じます。

3. Oracle Databaseらしいガードレールをかけやすい

Select AI の Profile では、NL2SQL を有効にする場合に、対象の schema owner や tables/views を選べます。
さらに Enforce Object List を有効にすることで、SQL の対象を指定したオブジェクトに制限できます。

つまり、ただ自然言語でSQLを打たせるのではなく、

• 参照対象を絞る
• DBオブジェクトの範囲を制限する
• RAG用の索引だけを使わせる

といった、業務利用を意識したスコープ制御 がしやすいのがよいところです。

手順

では早速、実際にやってみましょう！

Step 0. 事前準備

- ADBの作成

PAFで連携する、またSelect AIを実行するデータを挿入するADBを作成します。バージョンは26aiで作成します。

- ADBのセットアップ

Select AI 連携を使う前に、対象のデータベースには必要なパッケージや権限が入っている必要があります。

【Credentials / Profile 管理】
Credentials や Profile を設定・管理するには、次のいずれか 1 つ以上のパッケージが必要です。

• DBMS_CLOUD
• DBMS_CLOUD_ADMIN
• DBMS_CLOUD_AI

【Vector Index 管理】
Vector Index を管理するには、Credentials / Profile 管理に必要なパッケージに加えて、次のパッケージが必要です。

• DBMS_CLOUD_PIPELINE

【Agent Builder】

Agent Builder を使った Agent のデプロイについても、Credentials / Profile 管理に必要なパッケージに加えて、次のパッケージが必要です。

• DBMS_CLOUD_PIPELINE

今回は、adb_agentユーザーを作ってSelect AIを実行していくので、Adminユーザーで以下の内容を実行します。

GRANT DB_DEVELOPER_ROLE TO adb_agent IDENTIFIED BY <your password>;
GRANT DWROLE TO adb_agent;

GRANT CREATE DATABASE LINK TO adb_agent;

GRANT EXECUTE ON DBMS_CLOUD TO adb_agent;
GRANT EXECUTE ON DBMS_CLOUD_ADMIN TO adb_agent;
GRANT EXECUTE ON DBMS_CLOUD_AI TO adb_agent;
GRANT EXECUTE ON DBMS_CLOUD_AI_AGENT TO adb_agent;
GRANT EXECUTE ON DBMS_CLOUD_PIPELINE TO adb_agent;

- Private Agent Factory（PAF）の作成

お手元にPAF環境がない場合は、以下の手順を参考に作成してください。

Agent Factoryの構築 ～ Agent Factoryのセットアップ までを実行し基本的なセットアップを完了しておきます。

- APIキーの取得

後程使用するAPIキーを取得しておきます。
手元にない場合は、こちらの記事の「APIキーの発行」を参考に作成します。

- 使用するデータの用意

今回は、以前Select AI Agentの機能を試した、売上分析のサンプルデータとシナリオをそのまま使っていきます。詳細は以下の記事を参考にしてください。

本記事では、まずSelect AIを使って自然言語で売上傾向を問い合わせるエージェントを作成し、
後編としてさらに複雑な、構造化データ（注文・売上データ） と 非構造化データ（商品カタログ） の両方を参照できるエージェントを作成していきます。

• ADBへデータの挿入

こちらのデータをDBに挿入しておきます。

• products / orders / order_items の 3 表を作る
• 2015〜2025 年の 500 件のサンプルデータを入れる

products：製品ID、名称、カテゴリなどのマスタ情報
orders：注文日、顧客ID、店舗IDなどの注文情報
order_items：注文に紐づく購入製品と数量

• バケットの作成とドキュメントのアップロード

後編で行うRAGの検索のために、商品カタログ（PDF）をObject Storageへアップロードしてください。
product_catalog.pdf をダウンロード

Step 1. プロファイルと索引の作成

「Data sources」タブから「＋ Add Data sources」をクリックして、Select AIを実行するADBを追加します。

項目を入力し、Walletをアップロードします。

「Test connection」を行い、Successfulになることを核にして、「Add database source」をクリックします。

追加できました。

続いて、「Settings」から「Select AI Framework」タブを開きます。
Select AIから、先程追加したデータベース「ADB」を選択します。

青い枠内に、Select AIをセットアップする手順が書かれています。
こちらの手順を実行していきます。

② Credentialの作成

まずは、OCI GenAIサービス などのプロバイダと安全に通信するための Credential を作成します。

「＋ Create Credential」をクリックします。

取得してあるAPIキーから以下を入力します。

• User OCID
• Tenancy OCID
• Fingerprint
• Private Key (PEM)

ここで Validate して、問題なければ作成します。

② Profile を作成する

次に Profile を作成します。
Profile は、どのモデルを使うか、どのリージョンか、NL2SQL や RAG を有効にするか、といった Select AI の振る舞いを定義する設定 です。

「＋Create Profile」をクリックします。

ここで設定内容としては、次のようなものがあります。

• Provider Name：AI プロファイルを識別するための、一意の Profile Name を入力します。これはプロファイルの識別子となり、Agent Builder でも使用されます。
• Description（任意）
• Credential Name：先程作成したCredentialを選択します。API 呼び出しに使用されます。
• Region：モデルが利用可能なリージョンと一致していることを確認してください。
• Model：使用するLLMモデルを指定します。
• Compartment OCID
• OCI API Format（任意）：プロバイダーのインターフェース形式（例: GENERIC や COHERE）を設定します。これにより、API リクエストの形式が制御されます。
• Provider Endpoint（任意）を指定して、プロバイダーのベース URL を上書きできます。たとえば、プライベートエンドポイント用の URL を入力します。
• Embedding Model（任意）：RAGで使用する埋め込み生成用のモデルを設定します。
• Temperature（任意）：モデル応答のランダム性を制御します。より決定論的な出力にしたい場合は低い値を使用します。
• Max Tokens（任意）：応答長の上限をトークン数で定義します。省略した場合はシステムのデフォルト値が適用されます。
• Seed（任意）：応答の再現性を制御します。プロバイダーのサポート状況に応じて、文字列または整数を指定できます。
• NL2SQL の有効化
• RAG の有効化

※NL2SQLとRAGはそれぞれ別のプロファイルを作成する必要があります。今回は両方のプロファイルをそれぞれ作成していきます。

＊ NL2SQL を有効にする場合

Select AIを実行する場合、NL2SQL の有効化して以下の設定を行います。
今回はSelect AIのエージェントを作るので、設定をしていきます。

• 対象 schema owner：SQL クエリ生成時に参照対象とするスキーマ所有者を選択します。利用可能な所有者の一覧は動的に表示されます。
• 対象 tables / views：自然言語から SQL へのクエリで利用を許可するテーブルやビューを選択します。これにより、NL2SQL が参照できるデータベースオブジェクトの一覧が定義されます。
• Enforce Object List（推奨）：有効にすると、SQL クエリを Tables/Views List で指定したオブジェクトのみに制限できます。これはセキュリティとクエリ範囲制御のための重要なガードレールです。
• Object List Mode：メタデータ選択の挙動を制御します。選択肢は次のとおりです。
  • All：オブジェクトリストに登録されている、利用可能なすべてのオブジェクトを対象にします。
  • Automated：メタデータに対してRAGを使用して、ユーザーのプロンプトに最も適用可能なテーブルを特定します。特に多くのテーブルが必要な場合に有効で、対象データごとに複数のAIプロファイルを定義したりする必要がなくなります。

Validate して、問題なければ作成します。

数秒経って、こちらのAIプロファイルが作成できました。

＊ RAG を有効にする場合

今回は後編（次回の記事）でRAGを使ったエージェントも作るので、RAG用のAIプロファイルも作成していきます。
（Select AIのみ実行する場合は、この手順と次の③ Vector Index を作成する は不要です。）

まずはここまで入力して、Validateし、作成します。

出来ました。
後程、③ にてVector Indexを作成する際に、こちらのAIプロファイルを紐づけます。

③ Vector Index を作成する（RAG を使う場合）

RAG 用のベクトル索引を作成します。

以下の値を入力します。

• Vector Index Name：ベクトルインデックスを識別するための一意の名前を入力します。この名前は RAG プロファイルから参照されます。
• Profile Name：先程作成したAIプロファイル「RAG」を選択します。埋め込み生成に利用します。
• Vector DB Provider：保存先バックエンドを指定します。
• Object Storage Location：ドキュメントの保存元パスとして、通常はオブジェクトストレージ上のバケットまたはフォルダを示す URL またはプレフィックスを指定します。
• Storage Credential Name：そのオブジェクトストレージへアクセスするためのCredentialを選択します。認証情報には読み取り権限が必要です。

Chunking attributesの値は任意で調整します。
各パラメーターの詳細は以下をクリックして確認にしてください。

Chunking attributesの設定パラメーター

• Chunk Size：ドキュメントを分割する単位を定義します。この値を調整することで、インデックス作成時の粒度を制御できます。
• Chunk Overlap：分割したチャンク同士で重ねるトークン数を定義します。チャンク間の文脈を保ちやすくし、検索時の取りこぼしを減らすのに役立ちます。
• Match Limit：1回の検索で返す結果件数を定義します。値を大きくすると多くの候補を取得できますが、ノイズも増えやすくなります。
• Vector Distance Metric：ベクトル同士の近さをどのように測るかを定義します。類似度の計算方法を決める項目です。
• Similarity Threshold：検索結果として採用する類似度のしきい値を定義します。値を高くすると、より関連性の高い結果だけを返すようになります。
• Refresh Rate (minutes)：ベクトルインデックスの更新頻度を分単位で定義します。新しいデータや変更内容をどの程度の間隔で反映するかを制御します。
• Vector Dimension：埋め込みベクトルの次元数を定義します。通常は利用する埋め込みモデルに合わせて設定する項目です。

Validateし問題ない場合は、Vector Indexを作成します。

プロファイルに戻って、「RAG」を確認すると、Vector Indexに今作成したインデックスが設定されていました。

ここまでできると、Select AI の Profile / RAG の索引が Agent Builder から利用可能になります。
今まではPL/SQLで作成していたProfileやVector IndexがGUIで作成できるようになり、とても分かりやすくなりましたね！

Step.2 エージェントを構築する

Agent Builderを使って、Select AI（NL2SQL） を使ったエージェントを作りましょう。

全体像はこんな形になります。

必要なノードは、

• Chat input
• Select AI Bridge
• Agent
• Chat output
  の4つだけです！

「Agent builder」クリックして新しいフローを作成します。
Componentsから必要な4つのノードをキャンバスにドラッグアンドドロップで配置していきます。

自分の作成をしたフローは「My custom flows」から確認できます。

入力や選択が必要な部分を設定していきます。

＊ Select AI Bridgeノード

• Profile
• Choose database：ADB
• Choose Profile：SELECTAI
• Choose AI Action：Run SQL

＊ Agentノード

• Select LLM to use：設定したLLM
• Custom instructions

あなたは売上データ分析を支援するエージェントです。
ユーザーからの質問に対して、Select AI Bridgeのツールを使って必要な情報を取得し、注文データ、注文明細、商品情報をもとに回答してください。
回答は日本語で、簡潔かつ分かりやすくまとめてください。

• Agent description

売上データと商品情報をもとに、販売傾向や売れ筋製品を分析して回答するエージェントです。

画像と同じように、それぞれのノードを線でつなぎます。

エージェントの準備ができました！
「Save」を押して保存した後、「Playground」をクリックして実際にエージェントを動かしてみます。

年ごとの売り上げ件数をまとめて

と聞いてみると、実際のデータベースを検索して結果を出してくれました。

2025年に売れている上位2つの商品と商品IDを特定して。

こちらも指示通りの回答を返してくれます。

まとめ

Private Agent Factory 25.3 では、Select AIの連携機能が追加され、コマンドラインベースの設定を最小限に、Select AI を Agent Builder のワークフローの中で自然に利用できるようになりました。

今回のアップデートによって、

• Select AI の資格情報・プロファイル・ベクトル索引を GUI で設定しやすくなった
• SQL / RAG / DB Functions を Agent Builder のノードとして扱えるようになった
• Select AI Agent / Team に発展できる形でワークフロー化しやすくなった

という点が大きな変化だと思います。

特に、Oracle Database の AI 機能をすでに活用している方にとっても、これからSelect AIを試してみる方にとっても、
「DB機能としての Select AI」から「ノーコードのエージェントフローで使う Select AI」へ広がった と見ると、とても大きなアップデートです。

次回は、今回設定したRAGも活用しながら、複数のエージェントを連携させて動かし、データベース内のデータとドキュメントなどの非構造化データをまとめて検索できるエージェントを作っていきます！

イメージ👇

参考

• Oracle Documentation: Changes In Release 25.3.0.0.8 For Agent Factory
• Oracle Documentation: Configure Select AI for Your Database
• Oracle Documentation: Components in an Agent Builder
• Oracle Documentation: Sample Flows with Agent Builder Workflows Using Select AI - Advanced Level
• Oracle Documentation: Configure Select AI for Your Database
• 以前書いた関連記事：
  • Agent Factory の紹介記事
    • まずは無料で触ってみる！Oracle「Private Agent Factory」でAIエージェントを作ってみた
    • Oracleのノーコード・エージェントビルダー『Private Agent Factory』がリリース！触ってみた
  • Select AI Agent の紹介記事：【Select AI Agent】Oracle DBの中だけでReAct型AIエージェントを動かしてみた -NL2SQL×RAG-