米Googleのファイナンスエンジニアリングチームは、レガシーデータ層を同社が開発した分散データベース「Spanner」へ移行するにあたり、Antigravity CLIのヘッドレスモードを活用した自動リファクタリングパイプラインを構築した。同チームのアプリケーションエンジニアであるサチン・マタパティ氏が、Google Cloud公式ブログでその詳細を明らかにした。

　財務の正確性が求められる高スループットの本番環境では、単純な切り替えスクリプトによるデータベース移行は困難を極める。過去データの移行と検証が完了するまで、既存のデータストアとSpannerの双方が同一の書き込みを同時に受け付ける「二重書き込み（デュアルライト）」が必要となる。

　同チームが設計した移行プロセスは以下の3段階からなる。

• 過去データのバックフィル：参照整合性を保ちながら既存レコードをSpannerへ複製
• 二重書き込みと二重読み込みの実装：移行期間中、全DAOを修正して既存ストアとSpannerへ並行して変更を書き込む
• 自動API検証とパリティ確認：RPCトラフィックを傍受し、両ストアへの書き込みがバイト単位で完全に一致しているかをエンドツーエンドで検証

　しかし、この移行を30以上のDAOで適用するには大きな課題があった。各DAOに、複雑なドメインモデルをSpannerのスキーマ列へマッピングする専用クラス「MutationConverter」の作成、二重書き込みの分岐処理やロールバックエラー通知ロジックの実装、テスト用の疑似時刻（FakeTimeSource）を用いた単体テストの整備が必要となるためだ。これらを手作業で行った場合、数カ月ものエンジニア工数が費やされる計算だった。

スキーマ変換のインタフェースを分離

　自動化パイプラインで高品質なコードを安定して生成するため、同チームはまずDAOのリファクタリングパターンを標準化した。

　DAOのビジネスロジック内にSpannerのテーブル名やカラムの割り当てを直接記述するのではなく、Spannerのスキーマ変換を独立したコンバーター単位に分離した。DAOとSpanner SDKの間に厳密なインタフェース（MutationConverter）を定義することで、AIコーディングエージェントが推論し、確実に出力できる仕様を整えた。

チャット型を廃し、夜間バッチとテスト連動で自動修復

　同チームが採用したのは、統合開発環境（IDE）上のチャット型AIではなく、コマンドラインからバックグラウンドで実行できるAntigravity CLIのヘッドレスモード（-p）だった。

　対話型インタフェースは実験的なコーディングには適しているものの、コードベース全体にわたる体系的かつ反復的な複数ファイルの変更には向かない。そこで、スクリプト「migration_ui.py」を用いてヘッドレスモードを制御するオーケストレーションを構築した。このアプローチには以下の3つの特徴がある。

• プロンプトのバージョン管理：タイムスタンプのシリアライズやNULL許容値の変換、FakeTimeSourceを用いたテスト注入など、Spanner特有のエッジケースに対応するルールをプロンプトテンプレートとしてコード管理した
• バッチ実行と自動自己修正：スクリプトが対象のDAOを取得してAntigravityに入力し、コンバーター、二重書き込みDAO、単体テストを自動生成する。生成後にビルドテスト（blaze test）を即座に実行し、リンターエラーやテスト失敗が発生した場合は、そのエラーログをAntigravityにフィードバックして自律修正させた
• 夜間の無人実行：退勤時にエンジニアが10個のDAOをキューに登録すれば、翌朝にはテスト検証済みのクリーンなチェンジリストが完成し、人間のレビューを待つだけの状態になった

他社のデータベース移行にも通じる3つの知見

　この自動化パイプラインにより、手作業での実装とテストに要していた工数は大幅に削減された。また、全DAOが同一の検証済みパターンに従って生成されるため、ステージング環境のデータ整合性も厳格に維持されたという。エンジニアは定型的なボイラープレートの作成から解放され、データモデリングや性能の最適化に注力できるようになった。

　マタパティ氏は、データベース移行を計画するエンジニアに向けて以下の3つの知見を挙げている。

• スキーマ変換を事前に分離する：新しいデータベースSDKの要件をビジネスロジックから切り離した厳密なインタフェースを定義する。AIエージェントは境界が明確な設計パターンで真価を発揮する
• 対話型チャットからヘッドレス自動化へ移行する：3～4ファイルを超える反復的なリファクタリングでは、スクリプトによるヘッドレスワークフローに投資する。プロンプトとテスト検証を自動ビルド工程として扱うことで品質の均一化が図れる
• ビルドシステムを安全柵として機能させる：AIの生成ループをビルドテスト環境（bazel testやgo test）に直接接続する。人間がコードレビューを行う前に、モデル自身にコンパイルエラーやアサーションエラーを解決させる