要素1．MCP

　AIエージェントや他のAIアプリケーションを内部の独自データソースや外部ソース（LLMなど）に安全に接続できるかどうかも重要な課題だ。

　独自データを外部ソースと組み合わせる場合、環境間でのデータ移動時にデータがリークする危険がある。複雑で時間のかかる作業でもあるため、AIエージェントごとにデータを組み合わせるのは非現実的だ。この解決策として登場したのが、MCP（Model Context Protocol）のような標準プロトコルだ。

　ISG Software Researchのデビッド・メニンガー氏（エグゼクティブディレクター）はMCPを「かつてのODBC（Open Database Connectivity）のような存在だ」と指摘する。ODBCはデータベース接続のための標準となったように、MCPはAI時代のデータ接続の必須要件となりつつある。「MCPをサポートしないデータ管理ベンダーは、競争から脱落するだろう」と警告する声もある。

　では、AIエージェントを成功させるために、MCP以外に押さえておくべき技術要素とは何か。

要素2．セマンティックモデル

　AIエージェントにおけるもう一つの障壁が「データ品質」だ。データの品質の低さや不整合がAIエージェントの開発を妨げ、出力の正確性や信頼性を損なう恐れがある。これを防ぐために注目されているのが「セマンティックモデル」だ。

　これはデータの「意味」を定義する辞書のようなもので、AIエージェントがデータを正しく解釈するために不可欠となる。Snowflakeは2025年9月、セマンティックモデルを標準化するためのコンソーシアム「Open Semantic Interchange」（OSI）を設立し、複数の企業とともに同分野の標準化を進めている。

要素3．PostgreSQL

　技術選定において、もう一つの潮流が「PostgreSQL」への回帰だ。DatabricksやSnowflakeといった主要ベンダーが、相次いでPostgreSQL関連技術を持つ企業を買収している。

　AIアプリ開発において、なぜMySQLや商用DBではなくPostgreSQLが選ばれるのか。その理由は、「拡張性」と「マルチモーダル対応力」にある。

　開発者向けQ&Aサイト「Stack Overflow」の年次開発者調査「2024 Stack Overflow Developer Survey」によると、PostgreSQLは開発者に人気のデータベース第1位だった。

　AIエージェントは、構造化データ（売上数値など）だけでなく、非構造化データ（テキスト、ログ、画像ベクトルなど）を同時に扱う必要がある。PostgreSQLは、従来のリレーショナルデータ処理に優れていることに加え、地理情報関連の拡張機能（PostGIS）を持つ。データ記述言語「JSON」形式に対応しており、意味の類似度で関連データを発見する「ベクトル検索」との親和性が高い傾向にある。

　専用のベクトルデータベースを別途導入することなく、既存のSQLスキルセットでRAG（検索拡張生成）やエージェントの長期記憶を実装できる点は、運用負荷を下げたいIT部門にとってメリットとなる。

　Redpanda DataのCTO、タイラー・アキダウ氏は、「SQLエンジンを一から構築するのは悪夢だ」と語る。この考えの通り、DatabricksやSnowflakeはPostgreSQL関連企業を買収している。その理由は、堅牢（けんろう）な基盤を「時間を金で買って」手に入れるためだという。これにより、BI（ビジネスインテリジェンス）ツールとAIエージェントのデータ基盤を、PostgreSQLという共通言語の上で統合できると期待されている。

要素4．ベンダーの動向

　各分野で最適なツールを組み合わせる「ベストオブブリード」がよしとされた時代もある。しかし、AI開発コストの増大に伴い、Amazon Web Services（AWS）、Google Cloud、Microsoft、DatabricksやSnowflakeといった企業による、企業の買収は加速しつつある。

　IT部門が製品やサービスの導入や決裁時に警戒すべきは、導入しようとしているツールを提供する企業が「買収される側」になるリスクだ。買収後、開発ロードマップが大幅に変更される、親会社のプラットフォーム専用機能になる、ライセンス料が高額になるといったリスクが想定される。