第33回ブログ：AI × SQL ― スキーマ自動化テクニック大全

🔍 はじめに ― “DDL を手書き”する時代は終わるのか？

API の開発速度が加速する一方で、スキーマ設計は依然としてボトルネックです。
「新しいフィーチャを作るたびに ER 図を更新し、マイグレーションを書き、PR をレビューし…」—— 経験のある開発者ほどこの工程に時間がかかることを知っています。

ところが 2025 年、大規模言語モデル (LLM) × ワークフローエージェント の組み合わせにより、自然言語 → スキーマ → SQL → 可視化 が半自動で回りはじめました。本記事では国内外の最新事例と具体的な導入手順を紹介します。

🗂 トレンド早わかり表（2025 Q2 時点）

テーマ	代表ツール	特長	注目記事
自然言語→DDL	Gemini Code Assist	プロンプトから `CREATE TABLE` を生成	Cloud SQL GA
スキーマ推論	AWS LLM Pipeline	few-shot & テンポラリテーブルで型推論	AWS Dev Blog
NL→SQL QA	LangChain SQL Agent	意図→SQL→実行→回答まで自動	公式チュートリアル
RAG + DB	DB-GPT	ER 図とデータを一元 RAG	GitHub 26k★
ORM + AI	Prisma MCP	チャットベースで Prisma スキーマ操作	Prisma NextConf 発表

💡 1. Gemini Code Assist で “会話するだけ” DDL

Google Cloud の Gemini Code Assist は、エディタ上で以下のようにコメントを残すと即座に DDL を提案します。

# Gemini に依頼（例）
-- ユーザーの購買履歴を管理するテーブルを作成してください
-- 必要なカラム: user_id, product_id, quantity, purchased_at

→ 生成結果（抜粋）

CREATE TABLE purchases (
  purchase_id   BIGSERIAL PRIMARY KEY,
  user_id       BIGINT      NOT NULL,
  product_id    BIGINT      NOT NULL,
  quantity      INTEGER     DEFAULT 1,
  purchased_at  TIMESTAMP   DEFAULT CURRENT_TIMESTAMP,
  CONSTRAINT fk_user FOREIGN KEY(user_id) REFERENCES users(id),
  CONSTRAINT fk_product FOREIGN KEY(product_id) REFERENCES products(id)
);
CREATE INDEX idx_purchased_at ON purchases(purchased_at);

特徴はインデックス提案まで自動で付く点。小規模サービスならゼロクリック設計も十分射程に入ります。

⚙️ 2. LangChain SQL Agent & LangGraph ― “スキーマ診断ループ”

SQLDatabaseToolkit を LangGraph のノードに配置し、

テーブル一覧取得
LLM に「正規化度」診断を依頼
改善案 DDL を生成
マイグレーション適用
ベンチマーク SQL を流して効果測定

というセルフヒーリング・スキーマを構築した事例が増えています。Slack で「売上テーブルの BCNF 違反を直して」と投げると、自動で PR が届く未来はもう目前です。

🚀 3. AWS Text-to-SQL パイプライン ― 誤生成を減らす三種の神器

AWS DevBlog で紹介された手法は：

ステップ関数で NL→SQL→実行→答えをオーケストレート
LLM には information_schema.columns を few-shot で供給し “存在しない列” を抑止
呼び出し前に EXPLAIN でコストが高い場合は LLM へ再フィードバック

このEXPLAIN→再生成ループはオンプレ RDS/Redshift でもそのまま応用可能です。

🧑‍💻 4. DB-GPT ― チャットで BI ダッシュボードまで

DB-GPT 1.3 から SELECT → ε-RAG → Vega Lite 擬似コードを自動生成し、即時グラフ表示が可能になりました。
「今月の平均在庫回転率を折れ線グラフで」と言うだけで、テーブル結合→SQL→チャートが完成するため、SQL を書けないビジネスユーザーからの引き合いも急増中です。

🌱 5. Prisma MCP + GPT-4o ― ORM 世代のスキーマ駆動開発

Prisma はスキーマファイルが単一ソース・オブ・トゥルース。
Prisma MCP Server を介して GPT-4o と会話すると、

「users に status ENUM('draft','active','archived') を追加してモバイルアプリを壊さないマイグレーションを作って」

といった“制約付き変更”も安全に実行できます。生成された SQL は prisma migrate diff で即時検証でき、GitHub Actions と組み合わせれば自律型 Schema-Ops の完成です。

📚 6. 日本語プロンプトカタログ 5 レベル

Lv1：「社員テーブル」を id, 氏名, 所属部署, 入社日で作って
Lv2：受注テーブルと商品テーブルを紐づけ、外部キー制約も追加して
Lv3：売上集計ダッシュボードを高速化するインデックスを提案して
Lv4：現在のスキーマを星型スキーマに正規化し、DDL と ER 図を出力して
Lv5：トランザクションテーブルを月次パーティショニングし、ORM とマイグレーションコードを生成して

📝 7. 失敗パターンと回避策

カラム名の“空耳”問題
LLM が userId と userid を別列だと誤認 → few-shot で正規カラム一覧を明示

JOIN 条件の欠落
複数テーブルを結合する生成 SQL で PK/GK を漏らす → 事前に PRAGMA foreign_key_list() をフィード

マイグレーションの静的ファイル忘れ
DDL は生成できたが ORM モデル未更新 → CI で LLM 生成スキーマと ORM を diff & failure exit

🔮 8. 未来展望 ― “カラムを意識しない” 開発へ

OpenAI の API-AutoSQL（β）や Microsoft Fabric の Copilot for Databases では、「自然言語→Vector Store→SQL 断片」 という三層構造が進行中です。
アプリケーションコードは“概念”でやりとりし、ランタイムが裏でスキーマを張り替える——そんな世界の足音が聞こえ始めています。

📣 まとめ ― “スキーマは会話で作る”が 2025 年の新常識

LLM とエージェントの進化で、スキーマ設計は対話型・反復型へ。一度パイプラインを整えれば、開発者はビジネスロジックに集中できます。
次のリファクタではぜひ、Gemini Code Assist + LangChain SQL Agent + Prisma MCP の三位一体をチームで試してみてください。

← ブログTOPへ戻る