生成AIワークショップ / Custom-AI-Agents-workshop

本ハンズオンでは、Fresh Martという架空のスーパーマーケットの顧客用FAQボットとして、LangGraphベースのカスタム AI エージェントをローカルの統合開発環境 (IDE) でデータブリックス上の各種機能と連携しながら開発・評価し、Databricks Appsへデプロイするまでを体験いただけます。エージェント用のツールとしてVector Search （非構造データ検索）、Genie Space（構造化データ検索）が使用されます。また、エージェントの短期記憶、長期記憶を保存する基盤としてLakebaseを利用します。さらに、エージェントのトレースデータ（Open Teremetry）をDelta Tableに直接記録して、MLflowのUIから参照するようなモニタリング機能もカバーされます。
開発環境はクイックスタートUIによって、迅速に構築できます。

注：ローカルPCとしてMacOSを前提としております。

Transcript

1. ©2025 Databricks Inc. — All rights reserved DatabricksでのAIエージェント開発 ハンズオン ローカル開発から本番デプロイまで一 気通貫で体験 データブリックス・ジャパン株式会社 2026年4月13日　チュラデータ様向け テク ニカルワークショップ
2. ©2025 Databricks Inc. — All rights reserved Databricksでのカスタム AIエージェント開発ハンズオン ローカル開発から本番デプロイまで一気通貫で体験 主な対象者 2時間のワークショップを通じて、 Databricksを活用したカスタム AIエージェントの開発とデプロイ までを ハンズオン 形式で体験いただきます。 • データブリックスを用いたカスタムAIエージェント開発にご興 味をお持ちの方 • カスタムAIエージェントを本番化、運用する方々 ゴール 事前準備 アジェンダ 1. 事前説明 （30分） ◦ カスタムエージェント開発「 Agent Bricks」の紹介 2. ハンズオン （90分） ◦ IDE (VS Codeなど) を使ってエージェント開発・評価 ◦ Databricks Appsへデプロイ・運用 • DatabricksにおけるカスタムAIエージェント開発関連の機能 を把握する • ローカルIDEを用いた開発、Databricksと連携した評価、 Lakebaseを使用したエージェントメモリ管理などの方法を理 解する • 環境： ◦ お客様のDatabricks環境を利用 ◦ ローカルPCにVS Codeをインストール ◦ 前提条件に記載のライブラリをインストール • データ：弊社よりサンプルデータを提供
3. ©2025 Databricks Inc. — All rights reserved Agent Bricks のご紹介 ― 企業向け AI / エージェント基盤 ― データブリックス・ジャパン株式会社
4. ©2025 Databricks Inc. — All rights reserved Agentic Data 統合されたリアルタイムデー タ基盤 Agentic Apps エージェントを展開して 業務を変革 Agentic Work Genie Ontology Agentic Dev 全ての従業員のため のデータに優れたコ ワーカー エージェント、アプ リ、モデル 開発および展開 アクセス | セマンティックス オブザビリティ | OpenSharing Unified Governance データとAIの コントロールとコスト管理 Unity Catalog Unity AI Gateway モデル | セキュリティ コスト最適化 Lakebase Lakeflow Lakehouse Open Format Data Lake Open Infrastructure Any Cloud Any Model Any Data Context. Control. Choice. Agent Bricks オープンエージェント 開発プラットフォーム Genie あらゆるデータと接続 するAIコワーカー ータと連携するビジネス アプリを安全に Vibe Codeしてデプロイ ビルド | デプロイ | 最適化 | ガバナンス ZeroOps 取り込み | ストリーミング | ETL SQL データウェアハウス サーバーレス Postgres CustomerLake エージェンティック マーケティング Lakewatch エージェンティック セキュリティ Apps カスタムアプリ AI/BI ビジネス インテリジェンス App Builder 業務を自動化するた めのビジネスエー ジェントの構築と共 有 Omnigent
5. ©2025 Databricks Inc. — All rights reserved End-to-end AI and ML Platform Agent Bricks Build agents Supervisor Agent Knowledge Assistant Information Extraction Structured Data Unstructured Data Document Processing AI Functions in SQL Memory Orchestration Autoscaling Tools & MCP Data Reasoning & Retrieval Declarative Agent Agent Deployment Models Unity Catalog Files Tables Models MCP Evals Agents Governance, lineage, audit tracking across agents and tools Monitoring, Evaluation, and LLMOps Build models AI Gateway Data Serving Feature Store Vector Search Lakebase Notebooks Continuous Integration IDE integration CPU GPU Model lifecycle Experiments Agent tracing LLM Judges Prompt Registry Prompt Optimizer Model Training & Serving Developer Tools 5
6. ©2025 Databricks Inc. — All rights reserved データブリックスは カスタムエージェント構築 ワンストップ基盤 評価／モニタリング ガバナンス ユーザー データストア エージェント LLM カスタムロジック 外部サービス フロントエンド アプリ メモリ管理 サブエージェント MCP サーバー
7. ©2025 Databricks Inc. — All rights reserved データブリックスは カスタムエージェント構築 ワンストップ基盤 評価／モニタリング ガバナンス ユーザー データストア エージェント LLM カスタムロジック 外部サービス フロントエンド アプリ メモリ管理 サブエージェント MCP サーバー Databricks Apps ローコード : KA/SA カスタム : Databricks Apps / Model Serving Unity Catalog / Unity AI Gateway Model Serving（基盤モデル API&外部モデ ル） + Unity AI Gateway UC Functions Vector Search / Lakebase / Lakehouse Lakebase Genie + SQL WH / KA / SA / Custom Agent MLflow Databricks Apps / Unity AI Gateway
8. ©2025 Databricks Inc. — All rights reserved データブリックスは カスタムエージェント構築 ワンストップ基盤 評価／モニタリング ガバナンス ユーザー データストア エージェント LLM カスタムロジック 外部サービス フロントエンド アプリ メモリ管理 サブエージェント MCP サーバー Databricks Apps ローコード : KA/SA カスタム : Databricks Apps / Model Serving Unity Catalog / Unity AI Gateway Model Serving（基盤モデル API&外部モデ ル） + Unity AI Gateway UC Functions Vector Search / Lakebase / Lakehouse Lakebase Genie + SQL WH / KA / SA / Custom Agent MLflow Databricks Apps / Unity AI Gateway
9. ©2025 Databricks Inc. — All rights reserved Bringing various models under one roof One Contract, Any Model, No Lock-in 🏼 Generally Available Public Preview 【重要】 Claude Sonnet 4.5 / Claude Sonnet 4.6 / Claude Opus 4.7 は in-Japan で利用可能！
10. ©2025 Databricks Inc. — All rights reserved Unified governance for your entire AI estate Agent Registry Access Control Contextual Policies Budgets Smart Routing Agent Tracing Models AI Coding Genie Code External Agents Amazon AgentCore MCP & Skills Agents Microsoft Foundry Unity AI Gateway
11. ©2025 Databricks Inc. — All rights reserved Unity AI Gateway LLMプロバイダーへのアクセスを一元化 リクエスト AI ゲートウェイ パーミッション レート制限 入出力への ガードレール レスポンス 利用状況の追跡 ペイロードの保存 ロードバランス 　　　と フォールバック エージェント LLM APIs OpenAI Anthropic Qwen 3 監査対象の ペイロード 利用状況の監視 コストを追跡 標準化された クエリ インタフェース https://docs.databricks.com/aws/en/ai-gateway/
12. ©2025 Databricks Inc. — All rights reserved データブリックスは カスタムエージェント構築 ワンストップ基盤 評価／モニタリング ガバナンス ユーザー データストア エージェント LLM カスタムロジック 外部サービス フロントエンド アプリ メモリ管理 サブエージェント MCP サーバー Databricks Apps ローコード : KA/SA カスタム : Databricks Apps / Model Serving Unity Catalog / Unity AI Gateway Model Serving（基盤モデル API&外部モデ ル） + Unity AI Gateway UC Functions Vector Search / Lakebase / Lakehouse Lakebase Genie + SQL WH / KA / SA / Custom Agent MLflow Databricks Apps / Unity AI Gateway
13. ©2025 Databricks Inc. — All rights reserved ファーストパーティ MCP サーバー ユーザー代理認証をすぐに利用できます • Genie: 自然言語による SQL質問のため ◦ 分析とデータアクセスの民主化のために設計 • DBSQL: SQLクエリのテストのため ◦ IDE開発に最適 • Vector Search: 非構造化データのクエリのため ◦ 大規模なドキュメント検索のために構築 • UC Functions: Databricksの既知クエリとツールのため ◦ データへの迅速なアクセスを提供
14. ©2025 Databricks Inc. — All rights reserved Databricks AppsでMCPサーバーをホスティング 14 数分で構築・デプロイ Databricks Appsでエージェントとレースサーバー をセキュアにホスティング MCPツールやClaudeを含め、コードなしでエージェ ントを実証 MCPサーバーテンプレートを使って開始 Databricksドキュメントの MCPサーバーソリュー ションアクセラレーターを使用してカスタム MCPサー バーをデプロイ . Also available in Databricks Marketplace!
15. ©2025 Databricks Inc. — All rights reserved Unity AI Gateway で MCP を一元管理
16. ©2025 Databricks Inc. — All rights reserved ツール利用状況をモニタリング
17. ©2025 Databricks Inc. — All rights reserved データブリックスは カスタムエージェント構築 ワンストップ基盤 評価／モニタリング ガバナンス ユーザー データストア エージェント LLM カスタムロジック 外部サービス フロントエンド アプリ メモリ管理 サブエージェント MCP サーバー Databricks Apps ローコード : KA/SA カスタム : Databricks Apps / Model Serving Unity Catalog / Unity AI Gateway Model Serving（基盤モデル API&外部モデ ル） + Unity AI Gateway UC Functions Vector Search / Lakebase / Lakehouse Lakebase Genie + SQL WH / KA / SA / Custom Agent MLflow Databricks Apps / Unity AI Gateway
18. ©2025 Databricks Inc. — All rights reserved Agentic RAG型のエージェント ローコード・エージェント開発 ~KA / SA~ エージェントやツールを使いこなすエージェント ナレッジ・アシスタント（ KA） スーパーバイザー・エージェント（ SA） 2026年4月末より日本でも利用可能（但し、クロスリージョン）。 Vector Search エージェント ユーザーデータ (UC Volume) LLM ETL スーパーバイザー エージェント LLM ナレッジアシスタント Genie ツール(MCP) 既存エージェント やツールを任意 に追加可能 自動作成 自動作成 Embedding Model Available in Japan!! （Only AWS & Azure / Cross-Region）
19. ©2025 Databricks Inc. — All rights reserved カスタム・エージェント開発 LLM/エージェント オーサリング・フレームワーク 実装例（LangGraph） 主要なオーサリングフレームはほぼ全てサポート # LangGraphのワークフローを構築 workflow = StateGraph(ChatAgentState) workflow.add_node("agent", RunnableLambda(call_model)) workflow.add_node("tools", execute_tools) workflow.set_entry_point("agent") workflow.add_conditional_edges( "agent", should_continue, { "continue": "tools", "end": END, }, ) workflow.add_edge("tools", "agent") return workflow.compile()
20. ©2025 Databricks Inc. — All rights reserved カスタム・エージェントのデプロイ（2つの選択肢） Option 1：Model Serving (CPU Serving) Option 2：Databricks Apps Notebook Tracking Server Unity Catalog Model Registry Model Serving ①ノートブックで開発 ③MLflowへ記録 ④UCモデルレジストリ へ登録 ⑤モデルサービングへ デプロイ Evaluation & Monitoring ローカル開発環境 Databricks Apps Evaluation & Monitoring ②評価 ⑥モニタリ ング ②評価 ①ローカルで開発 ③DBX Appsへデプ ロイ ④モニタリ ング 推 奨
21. ©2025 Databricks Inc. — All rights reserved データブリックスは カスタムエージェント構築 ワンストップ基盤 評価／モニタリング ガバナンス ユーザー データストア エージェント LLM カスタムロジック 外部サービス フロントエンド アプリ メモリ管理 サブエージェント MCP サーバー Databricks Apps ローコード : KA/SA カスタム : Databricks Apps / Model Serving Unity Catalog / Unity AI Gateway Model Serving（基盤モデル API&外部モデ ル） + Unity AI Gateway UC Functions Vector Search / Lakebase / Lakehouse Lakebase Genie + SQL WH / KA / SA / Custom Agent MLflow Databricks Apps / Unity AI Gateway
22. ©2025 Databricks Inc. — All rights reserved AIエージェント：本番運⽤までの道のり（再掲） プロトタイプ 開発 本番運⽤ 業務への適合性 − 専⾨業務‧企業固有のデータや知 識を活⽤し、そのドメインで意味 またはビジネス価値のあるエー ジェントを構築できること 出⼒の品質（信頼性と⼀貫 性） − いつ使っても期待どおりの応答 が得られること。誤答‧揺らぎ を最⼩限とし、仕様通りの振る 舞い ガバナンス‧安全性 − プライバシー、アクセス制御、 データの追跡性（データリネー ジ）、有害な出⼒防⽌、法令遵 守などを含む 運⽤性‧スケーラビリティ − デプロイ∕モニタリング∕ツー ル‧システム連携が簡便で、遅 延や負荷、信頼性を保ちながら 拡張できること コスト効率‧資源の最適化 − 品質を犠牲にしない範囲でコス トや計算リソースを最適に使う 設計がなされていること 継続的な評価と改善の仕組み − パフォーマンスを測るための指 標‧評価基準があり、取得可能 なデータから定量‧定性的に評 価できること 本番品質 スケーリング 👈
23. ©2025 Databricks Inc. — All rights reserved 品質のカギは ”継続的な評価と改善の仕組み” 品質の鍵を握るのは業務知⾒者による評価データの品質、また、エンドユー ザーから良質なフィードバックに基づき、改善ループを効率的に回す仕組み 開発 環境 運⽤ 環境 開発 評価 LLMジャッジ Agent エンドユーザー 監視 フィードバック & 監視ログ 業務知⾒者 評価デー タ フィード バック エンジニア エンジニ ア LLMOps の実現 原因 分析 Agent (改善) → MLflow
24. ©2025 Databricks Inc. — All rights reserved エージェントの実行ログ = トレースデータ エージェントと会話をする LLMOps (AgentOps) の要はトレースデータ { "trace_id": "trace_20260509_001", "agent_name": "CustomerSupportAgent", "user_input": "注文した商品はいつ届きますか？ ", "status": "completed", "steps": [ { "step": 1, "type": "llm_reasoning", "summary": "ユーザーは配送状況を確認したい。注文情報を検索する必要がある。 " }, { "step": 2, "type": "tool_call", "tool_name": "order_lookup", "input": { "user_id": "user_123", "order_id": "order_456" } }, { "step": 3, "type": "tool_result", "output": { "delivery_status": "配送中 ", "estimated_arrival": "2026-05-10" } }, { "step": 4, "type": "final_response", "message": "商品は現在配送中です。到着予定日は 2026年5月10日です。 " } ], "metrics": { "latency_ms": 1280, "total_tokens": 842 } } Biz Data エージェント LLM ユーザー 注文した商品はいつ 届きますか？ 商品は現在配送 中です。到着予 定日は2026年5 月10日です。 トレースデータ
25. ©2025 Databricks Inc. — All rights reserved トレースデータの保存先 ~２つの選択肢~ Trace Data 実験 UI UI Option 1: MLflow 実験に格納 Option 2: Delta Tableに格納 Delta Table Admin Admin Open Teremetry + Zerobus Public Preview now!
26. ©2025 Databricks Inc. — All rights reserved エージェント回答品質向上のための原因分析 データブリックスでは、トレース情報を基にしたエージェントによる自動的な原因分析 も可能 エンジニアがトレース情報を見ながらNG回答ごとに根本 原因を探る エージェントがトレース情報を見ながら自動的に根本原因 を探る (Genie Code) 従来手法： トレース情報 + 人間（エンジニア） 最新手法： トレース情報 + エージェント + + https://docs.databricks.com/aws/en/mlflow3/genai/getting-started/genie-code
27. ©2025 Databricks Inc. — All rights reserved データブリックスは カスタムエージェント構築 ワンストップ基盤 評価／モニタリング ガバナンス ユーザー データストア エージェント LLM カスタムロジック 外部サービス フロントエンド アプリ メモリ管理 サブエージェント MCP サーバー Databricks Apps ローコード : KA/SA カスタム : Databricks Apps / Model Serving Unity Catalog / Unity AI Gateway Model Serving（基盤モデル API&外部モデ ル） + Unity AI Gateway UC Functions Vector Search / Lakebase / Lakehouse Lakebase Genie + SQL WH / KA / SA / Custom Agent MLflow Databricks Apps / Unity AI Gateway
28. ©2025 Databricks Inc. — All rights reserved AIエージェント：本番運⽤までの道のり（再掲） プロトタイプ 開発 本番運⽤ 業務への適合性 − 専⾨業務‧企業固有のデータや知 識を活⽤し、そのドメインで意味 またはビジネス価値のあるエー ジェントを構築できること 出⼒の品質（信頼性と⼀貫 性） − いつ使っても期待どおりの応答 が得られること。誤答‧揺らぎ を最⼩限とし、仕様通りの振る 舞い ガバナンス‧安全性 − プライバシー、アクセス制御、 データの追跡性（データリネー ジ）、有害な出⼒防⽌、法令遵 守などを含む 運⽤性‧スケーラビリティ − デプロイ∕モニタリング∕ツー ル‧システム連携が簡便で、遅 延や負荷、信頼性を保ちながら 拡張できること コスト効率‧資源の最適化 − 品質を犠牲にしない範囲でコス トや計算リソースを最適に使う 設計がなされていること 継続的な評価と改善の仕組み − パフォーマンスを測るための指 標‧評価基準があり、取得可能 なデータから定量‧定性的に評 価できること 本番品質 スケーリング 👈
29. ©2025 Databricks Inc. — All rights reserved データ基盤とAI Agent基盤の統合 Databricks は データ と AI に同じ仕組みでガバナンスが適用可能なため、 AI Agent活用にあたってのアクセスとガバナンスが単一化され、構成がシンプルになります データ系サービス Databricks による統合基盤 一般的な個別プラットフォーム 人間による タスク実行 AI Agent による タスク実行 実行ロジック テーブル AI系サービス 実行ロジック テーブル Unity Catalog 人間による タスク実行 AI Agent による タスク実行 実行ロジック テーブル 単一のアクセス・ガバナンス 各サービスで アクセス・ガバナンスの管理
30. ©2025 Databricks Inc. — All rights reserved ユーザー毎のきめ細かなデータアクセス 制御が可能 従来のデータガバナンス エージェントからの安全なアクセスを実現 エージェントにユーザーと同一権限を引き継がせる（ユーザー代理認証）ことで安心 安全なデータアクセスを担保する エージェント + スーパー権限 エージェント + ユーザー代理認証 ユーザーの権限外のデータにもアクセス できるため漏洩リスクが高い エージェントが ユーザー権限を 引き継ぐため、意図通りのアク セスを担保 顧客 国 売上額 A社 JP 1040 B社 JP 4301 C社 US 986 D社 EU 795 E社 CN 1115 EU担当 顧客データ JP担当 顧客 国 売上額 A社 JP 1040 B社 JP 4301 C社 US 986 D社 EU 795 E社 CN 1115 EU担当 顧客データ JP担当 Agent 顧客 国 売上額 A社 JP 1040 B社 JP 4301 C社 US 986 D社 EU 795 E社 CN 1115 EU担当 顧客データ JP担当 Agent Recommended
31. ©2025 Databricks Inc. — All rights reserved エージェントの乱立 （Agent Sprawl）は 現実の課題 Jira MCP Slack MCP Forecast Tool Support Agent Legal Agent Marketing Agent Review Agent Meeting Summary Agent ⚠Made-up citation ⚠wrong customer ID ⚠wrong ⚠Made-up citation ❤Health: ? ❤Health: ? ❤Health: ? ❤Health: ? ❤Health: ? ⚠wrong • エンタープライズデータに対する 推論品質が低い • ガバナンスが効かない • ベンダーが乱立している • 品質を測る術がない お客様は単一のエージェント基盤を求めている まさに今のDBXの状態です。 AIの民主化が進むと Sprawlが発生します。
32. ©2025 Databricks Inc. — All rights reserved 統一ガバナンス ~ Unity Catalog + Unity AI Gateway ~ Access Control Tables TRADITIONAL CATALOGS 統一ガバナンス Unity Catalog すべての資産に 対する統一的な ガバナンス Models Agents PDFs MCP Files And more… Discovery あらゆるユース ケースに対応する 統合機能 Business Semantics Lineage Secure Open Data Sharing AI Governance Cost Controls Quality Monitoring 50… オープンフォーマット Postgres Unity AI Gateway
33. ©2025 Databricks Inc. — All rights reserved ハンズオン データブリックス・ジャパン株式会社
34. ©2025 Databricks Inc. — All rights reserved ワークショップコンテンツ https://github.com/hiouchiy/databricks-ai-workshops （※今後データブリックス公式レポジトリに移行予定）
35. ©2025 Databricks Inc. — All rights reserved 構築するもの： Fresh Mart ショッピング・アシスタント ユーザー Vector Search エージェント (LangGraph) LLM (Claude-sonnet-4.6) Genie Space Delta Table フロントエンド アプリ Lakebase ポリシー 文書 マスタ + トランザクショ ン Databricks Apps Express サーバー (Node.js, React) FastAPI サーバー (python+uvicorn) エージェント 短期記憶・長期記憶 MLflow Experiment (オフライン評価用 ) MLflow Experiment (モニタリング用 ) Open Teremetry Delta Table Prompt Registry
36. ©2025 Databricks Inc. — All rights reserved Databricks エージェント開発の進化 Before：Model Servingでホスト Now：Databricks Appsでホスト Notebook Tracking Server Unity Catalog Model Registry Model Serving ①ノートブックで開発 ③MLflowへ記録 ④UCモデルレジストリ へ登録 ⑤モデルサービングへ デプロイ Evaluation & Monitoring ローカル開発環境 Databricks Apps Evaluation & Monitoring ②評価 ⑥モニタリ ング ②評価 ①ローカルで開発 ③DBX Appsへデプ ロイ ④モニタリ ング → 機械学習モデルの管理基盤を起点に、 GenAI / エージェントもサポートしてきた → アプリケーション開発の⾃然な流れに沿って、 そのままエージェントを作れる
37. ©2025 Databricks Inc. — All rights reserved ローカル開発環境（ VS Code） 構築するもの： Fresh Mart ショッピング・アシスタント ユーザー Vector Search エージェント (LangGraph) LLM (Claude-sonnet-4.6) Genie Space Delta Table フロントエンド アプリ Lakebase ポリシー 文書 マスタ + トランザクショ ン Express サーバー (Node.js, React) FastAPI サーバー (python+uvicorn) エージェント 短期記憶・長期記憶 MLflow Experiment (オフライン評価用 ) MLflow Experiment (モニタリング用 ) Open Teremetry Delta Table Prompt Registry
38. ©2025 Databricks Inc. — All rights reserved 今⽇のポイント Databricks エージェント開発で押さえておきたい 2 つの変化 1. 開発体験はローカル IDE 中⼼へ ‧ ⼿元の VS Code / Cursor でコードを書く ‧ ローカルでテスト ‧ Git で管理 → ⼀般的なアプリケーション開発の⾃然な流れ 2. デプロイ先は Databricks Apps ‧ フロントエンドも含めて 1 プロダクトとして運⽤ ‧ 他のユーザーも同じ Databricks ワークスペースから OAuth でアクセス → アプリケーションとしてホスティング ※ 環境構築を簡単に体験するためのユーティリティとしてクイックスタートを利⽤しました（本来の⼿順は WORKSHOP_INSTRUCTIONS.md）
39. ©2025 Databricks Inc. — All rights reserved Technical Deep Dive ~SP 権限の整理 — 本番デプロイで気をつけたいポイント~ 1. なぜ権限の話が必要か（SP の概念） 2. 権限の 3 レイヤー俯瞰 3. Unity Catalog の権限 4. Lakebase の 2 層構造 5. 紛らわしい罠（落とし⽳）
40. ©2025 Databricks Inc. — All rights reserved SP に付与する権限の全体像 Databricks Apps では SP（サービスプリンシパル）として動作するため、権限を 3 つのレイヤーで設計する必 要がある レイヤー 1: Unity Catalog 権限 対象: カタログ / スキーマ / テーブル / 関数 付与⽅法: UC Permissions API → 今⽇の主役（次のスライドで詳しく） レイヤー 2: Lakebase 内部の PostgreSQL 権限 対象: PostgreSQL のロール‧スキーマ‧テーブル 付与⽅法: PostgreSQL の GRANT ⽂ → 2 層構造になっている（後で詳しく） レイヤー 3: その他のサービス ACL 対象: Genie Space / Vector Search / MLflow Experiment 付与⽅法: 各サービスの ACL API → 本デモでは深く取り上げず（スクリプトが⾯倒を⾒てくれる）
41. ©2025 Databricks Inc. — All rights reserved Unity Catalog 権限の使い分け 基本権限に加えて、機能ごとに「特殊な権限」が必要になる 機能 必要な UC 権限 ⼀⾔メモ 基本アクセス USE_CATALOG / USE_SCHEMA スキーマへの⼊場許可 Genie / Vector Search 参照 SELECT テーブル読み取り トレースを Delta Table に書く MODIFY OTEL テーブルへの書き込み Prompt Registry を使う CREATE_FUNCTION + EXECUTE + MANAGE UC の関数系権限が必要 Prompt Registry には UC の関数系権限が必要 通常のテーブル権限（SELECT / MODIFY）だけでは動かない これらはすべて `grant-sp-permissions` が⾃動で付与します
42. ©2025 Databricks Inc. — All rights reserved Lakebase の権限は 2 層構造 「繋がる」だけでは⾜りず、「テーブルに読み書きできる」権限が別途必要 層 1: 接続権限（Databricks 側の ACL） 「この SP は Lakebase プロジェクトに繋いでよい」 付与⽅法: databricks.yml のリソースバインディングでデプロイ時に⾃動付与 層 2: PostgreSQL 内部権限 「この PostgreSQL ロールはこのスキーマ/テーブルを SELECT / INSERT / UPDATE / DELETE してよい」 付与⽅法: PostgreSQL の GRANT ⽂（`grant-sp-permissions` が実⾏） 両⽅が揃って、初めて Lakebase の読み書きができる（⽚⽅だけだと動かない）
43. ©2025 Databricks Inc. — All rights reserved Prompt Registry の権限が特殊な理由 Prompt Registry は UC の「関数系権限」を要求する 通常のデータアクセス 対象: テーブルのデータ 必要な権限: ‧ SELECT（読み取り） ‧ MODIFY（書き込み） → よく使う、なじみのある権限 Prompt Registry のアクセス 対象: Unity Catalog 上のプロンプト 必要な権限: ‧ CREATE_FUNCTION ‧ EXECUTE ‧ MANAGE → UC の関数系権限が必要 テーブル権限（SELECT / MODIFY）だけでは Prompt Registry は動かない `grant-sp-permissions` がこの 3 つの権限を⾃動で付与します 参考: https://docs.databricks.com/aws/en/mlflow3/genai/prompt-version-mgmt/prompt-registry/
44. ©2025 Databricks Inc. — All rights reserved