Meta Agent は、DMS 内で大規模言語モデル（LLM）を活用したデータ管理エージェントです。ご利用のデータ資産を自動的にスキャンし、テーブル説明・フィールド定義・ビジネスカタログなどのビジネス知識を生成します。さらに、Data Copilot を通じて、SQL を記述したりスキーマを事前に把握したりすることなく、自然な日本語による検索とクエリ実行が可能です。
Meta Agent は、以下の 2 つのコア機能を提供します：
アセット分析：メタデータをスキャン・解析し、テーブルおよびフィールドのビジネス説明、SQL コメント、使用方法の手順、ビジネスカタログを生成します。このように生成された知識は、AI 活用型の質問応答（Q&A）の基盤となります。
アセット Q&A：Data Copilot で自然言語による質問を行い、アセットの検索、データ分析クエリの実行、使用方法の推奨を受けることができます。
適用範囲
データベース管理者 — 繰り返されるスキーマに関する質問の解消
あるECサイト企業のデータベース管理者（DBA）は、毎週数時間にわたり「このテーブルには何が格納されていますか？」「注文 ID はどのフィールドですか？」といった同一の質問に対応しています。Meta Agent（Database Edition）を導入すると、DBA は一度だけアセットの在庫調査を実行するだけで済みます。以降は、開発者が直接 Data Copilot から回答を得られるようになり、DBA はより価値の高い業務に集中できます。
データプラットフォーム管理者 — 多様なデータソースにまたがる大規模アセットのガバナンス
データプラットフォームチームは、AnalyticDB、MaxCompute、ClickHouse など複数のサービスにまたがって数千のテーブルを管理しています。手動で各テーブルの説明文を作成したり、ビジネス用語集（グロサリー）を構築したりすることは、規模が大きくなると現実的ではありません。Meta Agent（Data Lakehouse Edition）では、すべてのアセットを自動的に在庫調査し、ビジネス説明、メトリック定義、ビジネス用語集を自動生成することで、ガバナンスコストを大幅に削減します。
開発者またはデータアナリスト — スキーマを知らなくてもデータを検索・利用可能
ある開発者は、月次売上トレンドに関するレポートを作成する必要がありますが、どのテーブルを結合すべきか、あるいはフィールド名の意味が分からない状況です。Data Copilot で「先月の総売上高はいくらでしたか？」と質問すると、Meta Agent は在庫調査時に構築されたナレッジベースに基づき、SQL クエリとその実行結果を返します。
エディションの選択
Meta Agent には 2 つのエディションがあります。主な利用目的に応じてお選びください。
| Database Edition | Data Lakehouse Edition | |
|---|---|---|
| 主な焦点 | データベース開発および管理 | 全領域にわたるデータ資産の管理および活用 |
| 利用シーン | データベース管理コストの削減、開発効率および安定性の向上 | データガバナンスコストの削減、データの検索・クエリ・活用における効率向上 |
| 対象ユーザー | データベース管理者、データベース開発者、アプリケーション開発者 | データレイクハウス管理者、データ開発エンジニア、データアナリスト、ビジネスデータコンシューマー |
| 主な違い | データベース・テーブル・フィールドの説明および使用方法の手順を生成。開発者向けの Q&A 機能 | すべてのデータソースにわたる包括的な在庫調査を実施。ビジネス用語やメトリック定義など高度な知識を生成 |
機能比較表：
| 機能モジュール | 機能 | Database Edition | Data Lakehouse Edition |
|---|---|---|---|
| データソース | 対応データソース | MySQL：RDS MySQL、PolarDB MySQL Edition、その他の MySQL ソース；PostgreSQL：RDS PostgreSQL、PolarDB PostgreSQL Edition、その他の PostgreSQL ソース；SQL Server：RDS SQL Server、その他の SQL Server ソース | AnalyticDB for MySQL、AnalyticDB for PostgreSQL、SelectDB、Starrocks、ClickHouse、MaxCompute、DWS |
| アセットマップ | アセット検索 | 対応 | ✅ |
| ビジネスカタログ | ✅ | ✅ | |
| アセット詳細（使用方法の手順、データ品質） | 非対応 | ✅ | |
| アセット在庫 | ドキュメントインポート | 対応 | ✅ |
| データサンプリング | ✅ | ✅ | |
| コード解析 | ✅ | ✅ | |
| ビジネス用語集（グロサリー）生成 | 非対応 | ✅ | |
| メトリック定義生成 | 非対応 | ✅ | |
| 使用方法の手順生成 | ❌ | ✅ | |
| カタログ生成 | ✅ | ✅ | |
| アセット Q&A | Data Copilot Q&A | ✅ | ✅ |
仕組み
Meta Agent は、ご利用のデータ資産からナレッジベースを構築し、それをもとに正確な質問応答を行います。
アセット在庫調査（1 回限りまたは定期実行）：
Meta Agent が、選択したデータベースまたはテーブルのメタデータおよびサンプルデータをスキャンします。
大規模言語モデル（LLM）がスキーマからビジネス上の意味を推論し、テーブル説明、フィールド定義、SQL コメント、カタログ項目を生成します。
生成された知識を確認・採用します。採用された知識は、ナレッジベースに保存されます。
アセット Q&A（継続的）：
Data Copilot で質問を行うと、エージェントはナレッジベースから関連する知識（テーブル説明、フィールド定義、ビジネス用語集、ご自身で追加・編集した使用方法の手順など）を取得し、それらをコンテキストとして活用して、正確な SQL クエリまたは回答を生成します。回答は、生のスキーマではなく、在庫調査によって構築されたナレッジベースに基づくため、技術的なフィールド名だけでなく、お客様のビジネスロジックにも合致した結果が得られます。
データ資産の変化に伴いナレッジベースを最新の状態に保つため、バックグラウンドタスクが毎日実行されます。
主なメリット
包括的なサービス：Meta Agent は、アセット在庫調査および知識生成から自然言語インタラクションまで、データの管理・検索・クエリ・活用を一貫してサポートするエンドツーエンドのサービスを提供します。
正確なフィードバック：在庫調査時に生成されたビジネス知識を深く理解しているため、企業のビジネスロジックに沿った正確な回答を提供します。ユーザーからのフィードバックをもとに、ナレッジベースは継続的に自己最適化されます。
オープンなエコシステム：Meta Agent の API／MCP 経由での呼び出し機能および生成される知識は、他のプラットフォームや AI アプリケーションとの統合が可能であり、拡張可能なインテリジェントエコシステムの構築を支援します。
安全なアクセス：すべての Q&A インタラクションは、DMS でユーザーが設定したデータ権限システムに厳密に準拠しており、利便性を確保しつつ、企業のデータセキュリティおよびコンプライアンスを守ります。
前提条件
開始する前に、以下の条件を満たしていることをご確認ください。
DMS に登録済みのデータベースインスタンス — 「ApsaraDB インスタンス登録」または「サードパーティクラウドまたは自己管理データベースの登録」をご参照ください。
各インスタンスで セキュリティホスティング が有効化されていること
対象データベースに対するデータベースアカウントのクエリ権限 — 「権限の確認」をご参照ください。
データ資産の在庫調査
DMS 5.0 にログインします。
以下のいずれかの方法で、アセットマップ ページへ移動します：
トップメニュー： データ資産 ＞ アセットマップ
簡易モード：左上隅の
アイコンをクリックし、「すべての機能」＞「データ資産」＞「アセットマップ」を選択します。
（任意）Meta Agent を未購入の場合、「今すぐ購入」をクリックし、ご要件に合ったエディションおよび拡張パッケージを選択します。
アセット在庫調査 ボックス内の「在庫調査の開始」をクリックします。
インスタンス、データベース、または テーブル タブから在庫調査の粒度を選択し、対象となるアセットを選択します。
説明多数のオブジェクトを一度に選択すると在庫調査に長時間を要するため、データベースまたはテーブルレベルでの選択を推奨します。
「次のステップ」をクリックし、在庫調査の構成ウィザードを完了します。
構成内容を確認後、ページ下部の「在庫調査の開始」をクリックします。システムが知識生成を開始します。
在庫調査が完了したら、生成された知識を確認・採用します。
知識の表示および編集：知識行の「詳細」をクリックします。「説明の比較」または「コンテンツの比較」セクションで、
をクリックして編集し、
をクリックして保存します。採用ステータスは自動的に「採用済み」に変更されます。注意：変更せずに詳細を確認する場合は、確認後に「キャンセル」をクリックしてください。知識の採用：
個別採用：対象行の「採用」をクリックします。
一括採用：リスト上部の「ワンクリック採用」をクリックします。
採用後のテーブルの詳細を表示するには、アセットマップ ページに戻り、テーブル名を検索して、検索結果右側の「詳細」をクリックします。詳細ページには、「基本情報」、「プロパティ」、「使用ガイド」、およびナレッジ管理 のタブが表示されます。「ナレッジ管理」タブから、知識を直接管理できます。
Data Copilot での質問
Data Copilot を開くには、以下のいずれかの方法をご利用ください。
アセット マップから
アセットマップ ページで、アセット Q&A ボックス内の「アセット Q&A」ボタンをクリックします。
ダイアログボックスで、対象データベースを選択し、インスタンスにログインします。
DMS Data Copilot ダイアログボックスが開きます。
DMS ホームページから
左側ナビゲーションウィンドウで、対象データベースインスタンス名をダブルクリックします。
SQL コンソール タブの上部にある「Copilot」をクリックします。
Copilot ダイアログボックスで、自然言語による質問を行います。例：
「ユーザー情報に関連するテーブルを検索してください。」
「注文テーブルにはどのようなフィールドがありますか？」
「先月の総売上高はいくらでしたか？」
Copilot の回答生成方法
Copilot の回答は、アセット在庫調査時に構築されたナレッジベースに基づいています。各質問に対して、エージェントは以下のソースから最も関連性の高いコンテキストを取得します：
在庫調査時に生成されたテーブルおよびフィールドの説明
ビジネス用語集のエントリおよびメトリック定義（Data Lakehouse Edition）
ご自身で追加または編集した使用方法の手順
回答は、生のスキーマではなく、在庫調査済みのナレッジに基づいているため、単なる技術的なフィールド名ではなく、お客様のビジネスロジックに合致した結果が得られます。
詳細については、「Data Copilot」をご参照ください。
制限事項
対応リージョン：中国 (杭州)、中国 (上海)、中国 (深セン)、中国 (成都)、中国 (北京)、中国 (張家口)、シンガポール、マレーシア (クアラルンプール)。
対応データソース：
MySQL：RDS MySQL、PolarDB MySQL Edition、その他の MySQL ソース
PostgreSQL：RDS PostgreSQL、PolarDB PostgreSQL Edition、その他の PostgreSQL ソース
SQL Server：RDS SQL Server、その他の SQL Server ソース
データレイクハウス：AnalyticDB for MySQL、AnalyticDB for PostgreSQL、SelectDB、Starrocks、ClickHouse、MaxCompute、DWS
課金
Meta Agent は、ナレッジベースを最新の状態に保つために、バックグラウンドで毎日インテリジェント分析タスクを実行します。このバックグラウンドタスクで使用される大規模言語モデル（LLM）のトークンは、すべて Meta Agent サービスパッケージに含まれており、追加料金は発生しません。
参考として、バックグラウンドタスクの概算トークン消費量は以下のとおりです。
Database Edition：各管理対象インスタンスについて、アセット在庫調査および要約処理に最低でも 800 万トークン（SOTA モデル）を毎日使用します。1 インスタンスあたりの日次上限は 1,600 万トークンです。
Data Lakehouse Edition：管理対象テーブル 1,000 個につき、最低でも 2 億トークン（SOTA モデル）を毎日使用します。1,000 テーブルあたりの日次上限は 4 億トークンです。
次のステップ
Data Copilot — 高度なQ&A機能やマルチターン対話を体験する
ApsaraDB インスタンス登録 — 在庫調査を実行する前に、インスタンスを登録してください