Agent Bricks: Data + AI Summit 2026

昨年のData + AI Summitで、私たちはAgent Bricksを発表し、データを推論できる高品質なエージェントを構築する新しい方法を提案しました。ローンチ以来、10万以上のエージェントが構築され、現在では年間1京以上のエージェントトークンを処理しています。AstraZeneca、7-Eleven、Fox Corporation、Blockなどの顧客が、Agent Bricksで構築されたエージェントを導入しています。今年のDAIS 2026において、開発者向けの包括的なエージェントプラットフォームとしてのAgent Bricksの拡張を発表できることを嬉しく思います。

見過ごされている99%

エージェント型コーディングの台頭と、より強力なフロンティアモデルの登場が相まって、エージェントのカンブリア爆発が起きています。エコシステム内の数多くのエージェントフレームワークやハーネスを使用してエージェントを構築することは、かつてないほど容易になりました。しかし、この1年間で、コアとなるエージェントループは全体の作業のわずか1%にすぎないことが分かりました。残りの99%は、エージェントシステムの 隠れた技術的負債です。これには、トークン容量、デプロイ、セキュリティ、評価、監視、コンテキスト、共有が含まれます（下図を参照）。

エージェントプラットフォーム

その結果、開発者がエージェントではなく、インフラの構築で行き詰まっている状況が見受けられました。今こそ、開発者のためのエージェントプラットフォームが必要とされています。

エージェントプラットフォームには、3つの重要な課題を解決する必要があると私たちは考えています。

1. 選択肢。エージェントは複数のサブエージェントで構成されることが増えており、品質とレイテンシの適切なバランスを取るためにモデルの多様性が必要です。各モデルファミリーには独自の動作があり、リリースごとに常に互いの性能を上回り続けています。開発者には、最先端の商用・オープンソースモデルから、安価で高速な小型モデル、さらには独自の企業データに合わせてカスタマイズされたモデルに至るまで、幅広いモデルの選択肢が必要です。
2. コンテキスト。 LLMは強力な推論マシンですが、ビジネスにおいて正しい意思決定を行うには、適切なコンテキストを検索して処理する能力が必要です。データ資産には情報の欠落や誤解を招く情報が散乱していたり、必要なコンテキストが特定の個人の中にしか存在しなかったり、複数のソースからつなぎ合わせる必要があったりするため、これは極めて困難な問題です。
3. 制御。エージェントは企業内で最も特権的なアクター of 1つであり、機密データにアクセスできます。ニュースでは、エージェントが誤ってコードベースを削除してしまったり、プロンプトインジェクションによって貴重な情報が漏洩したりする事例が後を絶ちません。また、従業員がエージェント型コーディングのリーダーボードで「トークン消費を最大化」することによって、コストが爆発的に増加しています。開発者には、エージェントを安全にデプロイする方法と、ビジネスが大規模にエージェントをデプロイできるようにコストを制御する方法が必要です。

これらの課題に対処するエージェントプラットフォームを構築するには、データとAIを接続する必要があります。結局のところ、エージェントはツールやコンテキストを介してデータを消費するだけでなく、出力、アクション、推論トレース、メモリにおいて大量のデータを生成するようになっています。これらはすべてガバナンスと分析の対象でなければなりません。このデータとAIの統合は、Databricksならではの強みです。

Agent Bricks

開発者向けエージェントプラットフォームとしてのAgent Bricksの次の進化を発表できることを、この上なく嬉しく思います。エージェント構築の実験として始まったものが、開発者があらゆるモデルやハーネスを使用してエージェントを構築し、どこからでもデータにアクセスし、自信を持ってデプロイおよび制御できる包括的なプラットフォームへと拡大しました。セキュリティで保護されたサンドボックスからエージェントメモリ、開発者向けのトークン容量に至るまで、すべてのビルディングブロックが揃っています。インフラはDatabricksが処理するため、ユーザーはインパクトのあるエージェントの構築に集中できます。

選択肢

モデル

Agent Bricksは、最先端の商用およびオープンソースモデルを単一のプラットフォームで提供し、当社のセキュリティ境界内にネイティブに統合されています。さまざまなLLMを簡単に切り替えてテストし、エージェントの動作とレイテンシ、コストのバランスを取ることができます。OpenAI、Anthropic、Gemini、Qwenに加えて、新たにKimiのサポートを追加しました。また、SpaceXとのパートナーシップにより、GrokモデルをDatabricks上でネイティブに利用可能にできることを嬉しく思います。

「Databricksは、ニーズの進化に合わせて複数のモデルを実行し、プロバイダーを切り替えるための、安全でガバナンスの効いた基盤を提供してくれます。しかも、コストを抑えながらそれを実現できます。」 — Gregory Rokita氏（Edmunds、テクノロジー部門VP）

過去3年間、私たちはカスタムモデルの先駆者として取り組んできました。顧客は、 プロンプトの最適化、 ファインチューニング、または 強化学習を通じて、自社の企業データに特化したモデルを構築しています。当社のリサーチチームは、サブエージェントタスク用の小型モデルから、コアとなるエージェントモデルとして大型モデルにRLを適用するものまで、カスタムモデルを定期的にトレーニングしています。最近、私たちは強化学習を使用して、Genie関連のタスクにおいてOpusやSonnetなどの最先端モデルに匹敵する一方で、クエリあたりのコストを大幅に抑えたカスタムデータエージェントをトレーニングしました（下図を参照）。現在、 Merckや First Americanなどの顧客は、 AI Runtimeを使用して、独自のデータに特化したLLMをトレーニングしています。

エージェントハーネス

LangGraph、Agno、CrewAIなどのオープンソースフレームワークから、Claude Code SDKやOpenAI Agent SDKなどのハーネスに至るまで、開発者が使用したいあらゆるエージェントハーネスをサポートしています。これらのエージェントを、水平オートスケーリングを備えたDatabricks Appsにデプロイできます。また、さまざまなハーネスをオーケストレーションするために、先週末にリリースしたオープンソースのメタハーネスである Omnigentのマネージドバージョンも提供しています。

コンテキスト

適切なデータを取得することは、もはや過去のRAGアプリケーションのような単純なものではありません。現在のエージェントは、推論中にデータを検索、取得、操作して、関連するコンテキストを特定するための高度なツールを備えています。しかし、今日のエージェント機能に求められる要件を満たすには、古いテーブル、整理されていないGoogle Driveフォルダ、紛らわしいウェブ検索ページ、誤解を招くドキュメントなど、複雑で乱雑なデータ環境を横断する必要があります。多くの場合、必要なコンテキストは記録されておらず、少数の主要な個人の頭の中にしか存在しません。AIスロップの増加は、検証が困難な「事実」によってデータ資産をさらに汚染しています。

当社のリサーチチームは、 エージェント型検索、 メモリのスケーリング、 プログラマブルなスクラッチパッド、 評価、および 根拠のある推論など、この分野における重要な課題を解決してきました。Agent Bricksの一部として、これらのイノベーションはいくつかの主要なコンポーネントで提供されます。

• あらゆる場所のデータにエージェントを接続

Unity CatalogにMCPサポートを追加することで、Agent BricksのエージェントはGoogle Drive、JIRA、Slack、Githubなどの外部データソースに安全に接続できるようになります。当社の特化型検索エージェントは、構造化メタデータとソーステキストの両方を活用して、必要なデータを効率的に見つけ出すことができます。

• Genieオントロジー

データに関するオントロジーを継続的に学習し、人がアノテーションしたビジネスセマンティクスを取り入れることで、GenieオントロジーはAgent Bricksが検索や分析を導く豊富な情報にアクセスできるようにします。会計年度はいつ始まりますか？営業責任者は誰ですか？私のビジネスにおいて「解約顧客」とは何を意味しますか？今年の戦略は何ですか？最もよく使われているテーブルはどれですか？最も信頼できる履歴を持つデータ作成者は誰ですか？Genieオントロジーにより、エージェントは最初からビジネスを即座に理解できるため、呼び出しごとに関係性（コンテキスト）を再構築する必要がありません。

• Databricks Agent Tools

当社は、Databricksが管理する一連の「組み込み」ツールをリリースしました。これらは当社の研究イノベーションを活用し、Lakehouse上のデータやMCP経由の外部データのクラス最高の検索機能を提供します。例えば、エージェント型検索の取り組みにより、品質を向上させながら、従来よりも3倍高速なドキュメント検索サブエージェントが実現しました。これらのツールは、Unity Catalogで一元的にアクセスおよびガバナンス管理が可能です。

• エージェントメモリサービス

エージェントを構築する開発者は、エージェントをDatabricks上の管理されたメモリに接続できるようになりました。内部でLakebaseを搭載しているため、エージェントは独自のコンテキストやセッション履歴を管理し、セッション間、さらには将来的にはエージェント間でもそれらを維持（永続化）できます。

• ドキュメントインテリジェンス

昨年のローンチ以来、当社がDocument Intelligence（GA）と呼ぶSQLの一連の関数により、PDFやその他のドキュメントの最先端のパースと分析が可能になっています。ai_parse_document、ai_extract、ai_classifyを使用することで、ドキュメント処理ワークフローやサブエージェントを簡単に構築できます。企業向けドキュメント分析タスクの社内ベンチマークによると、当社のシステムは、最先端のLLMや他のプロバイダーの特化型システムと比較して、最高品質かつ最低コストを実現しています。

• Databricks Sandbox

コンテキストに安全にアクセスするには、慎重な分離とアクセス範囲の設定（スコープ設定）が必要です。Databricks Sandboxを使用すると、コンピューティング用の安全なVMを起動し、Unity Catalogへのアクセス範囲を制限（ダウンスコープ）できます。これらのサンドボックスは、コードインタープリターツールを格納したり、サブエージェントやハーネスを実行したり、あるいは単にエージェントの実験用の安全なスクラッチパッドとして使用したりできます。

コントロール

エージェント、モデル、ツールの爆発的な増加（カンブリア爆発）には、これらを安全にデプロイし、コストを管理するために、それと同等に強力なガバナンスの抑止力が必要です。Databricks上および外部でホストされているすべてのAI資産にわたる統一されたガバナンスレイヤーであるUnity AI Gatewayを発表できることを嬉しく思います。すべてのお客様がUnity AI Gatewayを使用して、MCPからモデル、外部エージェントに至るまで、AI資産を保護、観察、ガバナンス管理することをお勧めします。

当社は、Unity AI Gatewayにガバナンスプラットフォームのコア機能を実装しました。

• すべてのエージェント、モデル、MCP、スキル、および外部エージェントのカタログを検出
• ツールとエージェントに対してきめ細かなアクセス制御を設定
• コストを監視し、ユーザーごとおよびグループごとの予算を適用
• 信頼性、予算ポリシー、またはその他の制御に基づくトラフィックのインテリジェントなルーティング

しかし、データとAIを統合したプラットフォームであるDatabricksだからこそ提供できる、いくつかの重要な機能があります。

エージェントのトレースとモニタリング

エージェントは、推論トレース、メモリへの書き込み、および生成から大量のデータを生成します。そのデータは、別のベンダーにサイロ化されることなく、他のデータとともにLakehouseでガバナンス管理されるべきです。メリットはそれだけにとどまりません。データがLakehouseに格納されたことで、Databricksの全機能を活用して、それらのトレースの分析、エージェント品質のデバッグ、AIコーディングセッションの分析と最適化、本番環境での動作の監視を行うことができます。当社のエージェント型セキュリティプラットフォームであるLakeWatchと統合されたことで、PII（個人特定情報）違反のアラート設定、機密データアクセスの監査、セキュリティインシデントへの対応が可能になりました。

コンテキストに応じたポリシー

エージェントはステートフルで動的、かつコンテキスト依存であるため、それらを管理するセキュリティポリシーも同様であるべきです。ツール用のカスタムセキュリティポリシーやエージェント用のガードレールを、SQL（および間もなくpython）で直接構築できます。重要なのは、これらのポリシーが状態を保持し、データやコンテキストに応じて反応できる点です。

例えば、以下の例では、エージェントがPIIを含む機密性の高い顧客データにアクセスした場合、そのデータを会社のWebサイトに公開することは禁止し、同僚にメールで送信することは許可する、といったポリシーを記述できます。Salesforceの更新など、その他のアクションには人間の承認が必要になります。

エージェント、ツール、モデル用のUnity Catalogレジストリ

エージェント、ツール、モデルをUnity Catalog（UC）に追加したため、これらの資産を他のデータ資産とともにガバナンス管理できます。AIガバナンスはデータガバナンスと切り離すことはできません。エージェント、モデル、ツールは、最終的には企業のデータに基づいて動作します。データとAIを一緒にガバナンス管理することで、一貫したポリシー、エンドツーエンドの可視性、そしてセキュリティ、コンプライアンス、監査のための単一のコントロールプレーンが提供されます。

AIガバナンスの詳細については、Unity AI Gatewayのブログをご覧ください。

フル機能を備えたエージェントプラットフォームとして、Agent Bricksを発表できることを嬉しく思います。エージェントの未来には、開発者が本番環境でエージェントを簡単に構築・運用できるように、単一のプラットフォームでデータとAIを組み合わせることが不可欠であると考えています。モデルの選択肢、関連するコンテキスト、そして完全なガバナンスを提供することで、Agent Bricksはエージェント型アプリケーションを構築する準備が整っています。皆様がどのようなものを構築されるか楽しみにしています。

(このブログ記事はAI翻訳ツールを使用して翻訳されています) 原文記事