Lakebaseを使ったAIエージェントを実装してみる

Lakebaseを使った AIエージェントを実装してみる DATUM STUDIO株式会社亀井友裕 2025年7月9日 Cross Data Platforms Meetup
#1.5

© 2025 DATUM STUDIO Co. Ltd. PROPRIETARY & CONFIDENTIAL. 2
自己紹介亀井友裕会社 DATUM STUDIO 株式会社役職データエンジニア / AIエンジニア主な業務経験データパイプラインの構築（Databricks）需要予測モデルの運用（Databricks） RAGの精度改善（AWS） AIエージェントの構築（AWS）コミュニティ SnowVillage（Snowlfakeユーザー会） JEDAI（Databricksユーザー会） X @Camay119 （アイコンは→）

今回話すこと、話さないこと話すこと話さないこと ✓ Databricksの新機能、LakebaseをAIエージェントに組み込む際の実装手順 ✓ 実運用に載せるにあたって未だわかっていない部分 ✓ Lakebaseの詳細について（他の発表者の方がたくさん触れていらっしゃるはず） ✓ Snowflakeに関する話題

Lakebaseとは？

Databricks Data Intelligence Platform に統合されたフルマネージドの Postgres OLTP データベースエンジン（公式ドキュメントより）

Databricks Data Intelligence Platform に統合されたフルマネージドの Postgres OLTP データベースエンジン（公式ドキュメントより）要するに

Databricks 上で Postgres がネイティブに使えるようになりました！＊2025-07-09 時点では Public Preview ＊日本リージョンにはまだ来ていません

DatabricksでPostgres！？何に使うんだ！? 公式や有識者の方々が想定しているユースケースは以下でしたオンライン特徴量ストアデータ入力処理（受注・チャット等）アプリ状態の保存用途 Model 推論結果の即時返却 AI エージェントのメモリリアルタイム分析への同期推論時にリアルタイムで特徴量を取得する低レイテンシでトランザクション処理を実行 Databricks Apps でのフロントエンド状態を永続化目的パーソナライズ推薦やチャット応答など対話履歴・思考をOLTPデータベースと連携して保存／検索チャンクをベクトルに変換する機械学習モデル

DatabricksでOLTP！？何に使うんだ！? 公式や有識者の方々が想定しているユースケースは以下でした今回は、AI エージェントのメモリとしての用途に着目します！オンライン特徴量ストアデータ入力処理（受注・チャット等）アプリ状態の保存用途 Model 推論結果の即時返却 AI エージェントのメモリリアルタイム分析への同期推論時にリアルタイムで特徴量を取得する低レイテンシでトランザクション処理を実行 Databricks Apps でのフロントエンド状態を永続化目的パーソナライズ推薦やチャット応答など対話履歴・思考をOLTPデータベースと連携して保存／検索チャンクをベクトルに変換する機械学習モデル

AI エージェントにおける短期記憶と長期記憶 LangGraph（AIエージェントの開発フレームワーク）には、会話セッション専用の短期記憶と、ユーザ横断で共有する長期記憶があります。どちらも Postgres による実装がパッケージ化されています。短期記憶 (Short-term) ✓ 進行中の会話コンテキストを保持し、同一スレッド内の応答精度・一貫性を向上 ✓ メッセージ履歴 ✓ アップロードファイル ✓ 生成物など ✓ InMemory + Checkpointer（標準） ✓ SQLiteSaver langgraph-checkpoint-sqlite ✓ PostgresSaver langgraph-checkpoint- postgres ✓ RedisSaver langgraph-checkpoint-redis 長期記憶 (Long-term) ✓ ユーザ／アプリ全体で共有し、学習内容やパーソナライズ情報を永続化 ✓ セマンティック（事実） ✓ エピソード（経験） ✓ プロシージャル（ルール）など ✓ - InMemoryStore（開発用） ✓ PostgresStore（pgvector 検索対応） ✓ RedisStore（高速＋ベクトル検索）用途格納する情報代表的ストア

AI エージェントにおける短期記憶と長期記憶 LangGraph（AIエージェント実装用のパッケージ）には、会話セッション専用の短期記憶と、ユーザ横断で共有する長期記憶があります。どちらも Postgres による実装がパッケージ化されています。短期記憶 (Short-term) ✓ 進行中の会話コンテキストを保持し、同一スレッド内の応答精度・一貫性を向上 ✓ メッセージ履歴 ✓ アップロードファイル ✓ 生成物など ✓ InMemory + Checkpointer（標準） ✓ SQLiteSaver langgraph-checkpoint-sqlite ✓ PostgresSaver langgraph-checkpoint- postgres ✓ RedisSaver langgraph-checkpoint-redis 長期記憶 (Long-term) ✓ ユーザ／アプリ全体で共有し、学習内容やパーソナライズ情報を永続化 ✓ セマンティック（事実） ✓ エピソード（経験） ✓ プロシージャル（ルール）など ✓ - InMemoryStore（開発用） ✓ PostgresStore（pgvector 検索対応） ✓ RedisStore（高速＋ベクトル検索）用途格納する情報代表的ストア

短期記憶をLakebaseに保存すると何が嬉しいの？セッション情報を永続化できるので、「以前の会話を途中から再開」することができます〇〇について調査してセッション情報を保存〇〇ってなんだっけ以前の調査結果によると、〇〇とは〜〜翌日〜はい！〇〇とは〜セッション情報を読み込み

実装してみる(0/13) 今回は、Lakabaseを用いて短期記憶（Short-term Memory）を持つエージェントを実装してみます！ ① 検証用アカウントの作成 ② Lakebaseインスタンスの作成 ③ エージェントの実装 ④ 動作確認

実装してみる(1/13) Databricks の無料 Trial アカウントを登録（米国リージョン） ※ Free Edition では Lakebase が使えないので注意 >< ① 検証用アカウントの作成 (1/1) ② Lakebaseインスタンスの作成 ③ エージェントの実装 ④ 動作確認

実装してみる(2/13) [Compute] → [OLTP データベース] → [インスタンスの作成] ① 検証用アカウントの作成 ② Lakebaseインスタンスの作成 (1/3) ③ エージェントの実装 ④ 動作確認

実装してみる(3/13) 名前とインスタンスサイズを入力して、インスタンスを作成 ① 検証用アカウントの作成 ② Lakebaseインスタンスの作成 (2/3) ③ エージェントの実装 ④ 動作確認

実装してみる(4/13) ステータスが「利用可能」になったら立ち上げ完了 ① 検証用アカウントの作成 ② Lakebaseインスタンスの作成 (3/3) ③ エージェントの実装 ④ 動作確認

実装してみる(5/13) Lakebaseインスタンスの認証情報を発行 & コピー ① 検証用アカウントの作成 ② Lakebaseインスタンスの作成 ③ エージェントの実装 (1/6) ④ 動作確認

実装してみる(6/13) 認証情報をDatabricks Secretに登録 ① 検証用アカウントの作成 ② Lakebaseインスタンスの作成 ③ エージェントの実装 (2/6) ④ 動作確認

実装してみる(7/13) Lakebaseから接続用の文字列をコピーしておく ① 検証用アカウントの作成 ② Lakebaseインスタンスの作成 ③ エージェントの実装 (3/6) ④ 動作確認

実装してみる(8/13) 必要なライブラリをインストール ① 検証用アカウントの作成 ② Lakebaseインスタンスの作成 ③ エージェントの実装 (4/6) ④ 動作確認

実装してみる(9/13) Lakebaseインスタンスへの接続 ① 検証用アカウントの作成 ② Lakebaseインスタンスの作成 ③ エージェントの実装 (5/6) ④ 動作確認

実装してみる(10/13) エージェントの構築 ① 検証用アカウントの作成 ② Lakebaseインスタンスの作成 ③ エージェントの実装 (6/6) ④ 動作確認

実装してみる(11/13) 普通にチャットする ① 検証用アカウントの作成 ② Lakebaseインスタンスの作成 ③ エージェントの実装 ④ 動作確認 (1/3)

実装してみる(12/13) Lakebaseにsession情報が書き込まれていることを確認 ① 検証用アカウントの作成 ② Lakebaseインスタンスの作成 ③ エージェントの実装 ④ 動作確認 (2/3) * テーブルの中身は人間には解読不可能

実装してみる(13/13) 同じsession_idでもう一回聞き返してみる ① 検証用アカウントの作成 ② Lakebaseインスタンスの作成 ③ エージェントの実装 ④ 動作確認 (3/3)

わかっていない部分 • LangGraph では、短期記憶への接続情報をコンパイル時に渡す必要がある • → 接続が切れるたびに再コンパイル = モデル再作成に相当 • 現状、Lakebase の OAuth トークン有効期限は 1 時間 • → 1 時間ごとに Model Registry へ再登録、Serving Endpoint へ再サーブ？このあたりのスマートな運用方法はまだ模索中です……。有識者の皆さま、ぜひご意見をお寄せください！ >< 短期記憶への接続と、Model Registry / Serving Endpoint との兼ね合い

まとめ • Lakebase により Databricks でもネイティブな Postgres OLTP が利用可能になり、AI エージェントのメモリやリアルタイム特徴量ストアなど幅広い用途に活用できる • LangGraph + Lakebase を組み合わせることで、対話履歴を永続化するエージェントをシンプルに構築できた • 運用面ではトークン期限と再デプロイの課題があるので、アイデア募集中です！

参考資料 • Lakebase周り • リリースブログ : https://www.databricks.com/blog/announcing-lakebase-public-preview • What Is a Lakebase? : https://www.databricks.com/blog/what-is-a-lakebase • Lakebaseとは何ですか? : https://docs.databricks.com/aws/ja/oltp/ • Databricks Lakebase : https://qiita.com/taka_yayoi/items/08db713d3e80fe8537a4 • Lakebase徹底考察、彼はなぜDatabricksに生まれたのか、、、？ : https://blog.akuwano.net/2025/06/14/why_lakebase/ • 【Databricks】OLTPデータベースであるLakebaseを触ってみた : https://dev.classmethod.jp/articles/databricks-use-lakebase/ • エージェント周り • LangChainとLangGraphによるRAG・AIエージェント［実践］入門 : https://gihyo.jp/book/2024/978- 4-297-14530-9 • Understanding Short-Term Memory in LangGraph: A Hands-On Guide : https://medium.com/@sajith_k/understanding-short-term-memory-in-langgraph-a-hands- on-guide-5536f39d0cb3 • Using PostgreSQL with LangGraph for State Management and Vector Storage : https://medium.com/@sajith_k/using-postgresql-with-langgraph-for-state-management- and-vector-storage-df4ca9d9b89e • Checkpoints : https://langchain-ai.github.io/langgraph/concepts/persistence/#checkpoints

Lakebaseを使ったAIエージェントを実装してみる

Lakebaseを使ったAIエージェントを実装してみる

camay

More Decks by camay

Other Decks in Technology

Featured

Transcript