AIエージェントによる動的SQLの生成およびMCPの利用

AIエージェントがユーザーの自然言語リクエストに応じて動的にSQLクエリを生成・実行するアーキテクチャを紹介します。このアプローチの利点は、多様な要求に迅速に対応できる柔軟性と、API開発・保守コストの削減にあります。クエリ生成精度を向上させるプロンプト手法と、安全な実行基盤「Model Context Protocol (MCP)」という2つの核心技術について解説します。

AIエージェントの活用が進む中、「ユーザーの自然言語リクエストに応じて、エージェントが動的にSQLクエリを生成・実行する」というアーキテクチャを構築しましたので、ご紹介させていただきます。

このアプローチの最大の利点は、事前に定義されたAPIを介さずとも、データベースから柔軟に情報を取得できる点にあります。
これにより、多様なユーザー要求に対して迅速に対応でき、SQLを実行するAPIを個別に開発・メンテナンスするコストから解放されます。

では、AIが生成したSQLを安全に実行するにはどうすればよいのでしょうか？

本記事では、このアーキテクチャを支える2つの技術について解説します。

SQLをプロンプトに与えることで、クエリ生成の精度を向上させる具体的な手法
動的SQLを安全に実行するための実行基盤「Model Context Protocol (MCP)」の役割

アーキテクチャ概要

システムは、それぞれが特定のタスクを持つ複数のAIエージェントの連携によって動作します。
ユーザーの自然言語要求は、計画エージェントによって構造化された「意図」に変換され、それを基にクエリ生成エージェントがSQLを構築します。

クエリ生成の精度を向上させるプロンプトエンジニアリング

クエリ生成エージェント（LLM）の精度は、プロンプトの質に大きく依存します。
特に有効だったのが「SQLによるコンテキスト付与」です。

具体的には、プロンプト内に以下の情報をテキストで含めることで、エージェントがデータベースの構造とSQLの”方言”を理解し、クエリの生成精度が向上しました。

データベーススキーマ（CREATE TABLE文）テーブル定義をマークダウン等で抽象的に記述するのではなく、実行可能なCREATE TABLE文そのものにします。
これにより、カラムの型やリレーションシップを正確に認識させることができます。
サンプルSQLクエリ対象のデータベース（例: MySQL）で実際に動作する、クエリの例を1つ提示します。
（複数あった方が良かったかもしれませんが、今回の検証では1つです）これは、エージェントにとっての「お手本」となり、クエリの生成失敗を抑制できます。

この手法により、テーブルに存在しないカラムを参照する、あるいはSQLの方言を間違えるといった、LLMが陥りがちなエラーを大幅に削減できました。

MCP: 動的SQLを実行するツール

AIエージェントにSQLを動的に生成させるアーキテクチャにおいて、最大の懸念はセキュリティでした。
AIが生成したSQLを、そのまま本番データベースで実行して本当に安全なのか？

答えは当然「ノー」です。
SQLインジェクションなどによって、DELETE文やUPDATE文などが生成されてしまうリスクが存在します。

そのリスクを管理し、動的SQL実行の安全性を担保するのが Model Context Protocol (MCP) です。
MCPは、AIエージェントとデータベースの間に立つ「ゲートウェイ」として機能します。
よくUSBとかで例えられますね。

MCPのツールは以下の要件を守って動作します。

クエリの静的解析
まず、MCPは受け取ったSQL文字列を解析し、SELECT文以外（UPDATE, DELETE, DROPなど）のDMLやDDLが含まれていないかをチェックします。
許可されていないキーワードが含まれていれば、データベースに接続せずにエラーを返します。
タイムアウトとリソース制限
意図せず生成された非効率なクエリ（過度なJOINなど）がデータベース全体に影響を与えないよう、すべてのクエリに厳格な実行タイムアウト（10秒）を設定し、システムを保護します。

このように、MCPはAIの柔軟性を最大限に活用しつつ、システムに求められる安全性を両立させる上で、不可欠なコンポーネントです。