PROD欧州主権の BaaS プラットフォームダッシュボードを開く →

ネイティブAI

Postgres 上のネイティブ AI: NL2SQL、RAG、エージェント

NL2SQL と RAG は、後から追加された外部コネクタではなく、Aurabase バックエンドに直接組み込まれています。 「ネイティブ」が何を意味するのかを、能力ごとに正確に分析します。

重要なポイント

Aurabase の埋め込み NL2SQL (自然言語から SQL、検証済み、制限付き) および ラグ (pgvector 検索、HNSW 埋め込み) をバックエンドに直接、 3 つのネイティブ LLM プロバイダー (OpenAI、Anthropic/Claude、Gemini)。 Mistral、Scaleway AI、Ollama には、特注のネイティブ クライアントではなく、OpenAI 互換エンドポイント経由で引き続きアクセスできます。

#
自然言語から SQL へ

NL2SQL — 自然言語プロンプト、安全な SQL 出力

Aurabase の NL2SQL エンジンは、生成されたすべてのクエリを実行前に検証します: AST 解析 SQLパーサー、厳密な SQL 関数許可リスト、および制限された リミット 実行されるすべてのクエリに適用されます。これは制約のない LLM 呼び出しではなく、単純な構文以上のものを拒否する厳密な構文検証です。 選択.

01
プロンプト
Natural language query, e.g. "Monthly revenue by tier"
02
ネイティブ LLM
OpenAI, Anthropic, or Gemini translates into SQL
03
ASTの検証
sqlparser: SELECT only, function allowlist
04
限界のあるリミット
Configurable ceiling, never silently uncapped
05
実行
Read-only, schema-isolated per project

バリデーターは、CTE/WITH 句、サブクエリ、UNION ステートメント、ホワイトリストに登録されていない関数 (数える, 合計, 平均, 分, 最大, 低い, 上部, 合体する, date_trunc, 今)、およびシステム カタログへのアクセス。行の上限はサーバー側で構成可能で、クエリごとに制限できます。テナントの制限を超えて拡張することはできません。

#
ベクトル検索

ネイティブ RAG および pgvector — 外部依存関係なし

ベクター 0.8.6 は、すべての Aurabase テナント Postgres イメージにプリインストールされており、自動ネットワーク再試行と 3 次元クラス (768、1536、および 3072) にわたる HNSW ベクトル検索を特徴とする取り込みパイプラインと組み合わされています (pgvector の 16,000 次元制限内に十分収まります)。

01
摂取
Project documents with automated network retries
02
埋め込み
768 / 1536 / 3072 dimensions matching the model
03
pgvectorストレージ
Built directly into tenant Postgres image
04
ニューサウスウェールズ州の検索
Ultra-fast approximate vector similarity search
05
LLM コンテキスト
Relevant document passages injected into prompt

pgvector を「インストール」するための追加手順はありません。拡張機能は標準のテナント イメージに組み込まれます。取り込みパイプライン自体は、Aurabase に直接組み込まれたアプリケーションレベルの機能です。

ストレージは名前空間によって構造化されます: 取り込まれた各ドキュメント (POST /v1/ai/ /rag/ingest) はチャンク化され、埋め込まれ、一致するベクトル次元列にマップされます。クエリエンドポイント (POST /v1/ai/ /rag/query) 検索と生成を組み合わせます。専用のエンドポイント (GET /v1/ai/ /検索) は、LLM 呼び出しをトリガーせずに、ベクトル類似性検索を独自に公開します。埋め込みモデルを切り替えてもデータセットが壊れることはありません。名前空間のインデックスを再作成できます (POST /v1/ai/ /rag/ /reindex) ドキュメントを再アップロードせずに、新しいモデルで。

技術的なニュアンスは他ではほとんど文書化されていません: 2,000 次元を超えると、HNSW は pgvector の標準にインデックスを付けることができません ベクトル タイプ。 3072 ディメンションの場合、Aurabase は自動的に ハーフベック(3072) クエリを黙って完全テーブル スキャンに劣化させるのではなく、(精度の低下、インデックス化可能)。デフォルトでは、検索により 5 つのパッセージが返されます (トップ_k) 0.3 の類似性しきい値を超える — 両方のパラメータはクエリごとにオーバーライドできます。

#
LLM プロバイダー

3 つのネイティブ プロバイダーと「ネイティブ」で除外されるもの

OpenAI、Anthropic (Claude)、Google Gemini には、Aurabase コードベース内に専用のネイティブ クライアント統合があります。 Mistral、Scaleway AI、および Ollama は、OpenAI 互換エンドポイント経由で引き続きアクセスできます。スタックが特注のプロバイダー プリミティブに依存している場合、これは重要な操作上の違いです。

プロバイダー統合影響
OpenAIDedicated native clientDirect project API key configuration
人間性(クロード)Dedicated native clientDirect project API key configuration
Google ジェミニDedicated native clientDirect project API key configuration
ミストラルOpenAI-compatible endpointFunctional via standard endpoint, without custom client
スケールウェイAIOpenAI-compatible endpointFunctional via standard endpoint, without custom client
Ollama (自己ホスト型)OpenAI-compatible endpointローカル LLM またはオンプレミス展開に最適
#
比較

Supabase がネイティブ NL2SQL ではなくコネクタに賭ける理由

Supabase は 2026 年 2 月に公式の Claude コネクタを開始し、続いて ChatGPT の統合を開始しました。どちらも、サードパーティのチャット インターフェイスから Supabase データベースにクエリを実行できます。これは、バックエンド自体に直接埋め込まれた NL2SQL エンジンとは明らかに異なる、外部オーケストレーション パターンです。こちらもご覧ください Aurabase と Supabase の包括的な比較.

#
セキュリティ

LLM による任意のクエリまたは破壊的なクエリの実行を阻止するもの

実行前に 3 つの安全ガードレールが適用されます。厳密な構文検証 (SELECT のみ、関数許可リスト)、LIMIT による結果の制限、呼び出し側プロジェクトのみへのターゲット スキーマの分離です。イントロスペクトされたスキーマはクライアントによって提供されることはありません。唯一の信頼できるソースであるプロジェクト データベースから生成されます。

厳密な読み取り専用アクセス
バリデーターはのみを受け入れます 選択 クエリ。あらゆる試み 挿入, 更新, 削除, ドロップ, 作成する、または 変更 モデルによって発行されたメッセージは、単にプロンプト命令を介してではなく、実行前に AST レベルで拒否されます。

SELECT のみの制限を超えて、バリデーターは CTE/WITH、サブクエリ、UNION/INTERSECT/EXCEPT ステートメント、テーブル値関数 (生成シリーズ, pg_sleep…)、ウィンドウ関数、ドル引用符、およびロック句 (アップデート用)。徹底したセキュリティウォークにより、DISTINCT ON、OFFSET、FETCH、集約句を含む抽象構文ツリー全体がスキャンされ、禁止された関数が検査されていない AST ノードをすり抜けないことが保証されます。

#
エージェント

Postgres 上の AI エージェント — 制約のない SQL ではなく関数呼び出し

LangChain や LlamaIndex などのフレームワークで構築されたエージェントは、Aurabase REST エンドポイント (NL2SQL、RAG、データベースクエリ) を、独自の関数呼び出しループから呼び出されるネイティブ ツールとして呼び出すことができます。 NL2SQL は、エージェントに無制限の SQL 実行を許可するのではなく、エージェントのサブクエリを検証済みの安全な SQL に変換するという正確な役割を果たします。

実際には、エージェントに公開されるツールは NL2SQL エンドポイントへの標準 HTTP 呼び出しをラップします。SDK はカスタム フレームワーク プラグインを必要とせずにリクエストを実行します。

tools/nl2sql-tool.ts
TYPESCRIPT
// Custom tool called by your agent's function calling loop
export async function nl2sqlTool(question: string) {
const { data, error } = await aura.ai.nl2sql(question, undefined, { limit: 20 })
if (error) throw error
return { sql: data.sql, tables: data.tables }
}
HTTP API の直接統合
Aurabase は、標準の HTTP API および TypeScript SDK エンドポイントを介してシームレスに統合され、複数の抽象化レイヤーをラップすることなく、予測可能なパフォーマンスを提供します。
#
よくある質問

よくある質問

NL2SQL はデータを変更 (UPDATE、DELETE) できますか?+
いいえ。AST バリデーターは SELECT クエリのみを許可します。モデルによって生成された INSERT、UPDATE、DELETE、DROP、CREATE、または ALTER ステートメントは、プロンプト命令だけでなく、実行前の構文ツリー レベルで拒否されます。
pgvector で十分ですか? それとも専用のベクトル データベースが必要ですか?+
業界のベンチマークによると、pgvector は、約 1,000 万個未満のベクトルを含む専用ベクトル ストアと同等またはそれを上回るパフォーマンスを示します。ベクトルの数が 5,000 万を超えると、相違が顕著になります。アプリケーション RAG ワークロードの大部分において、ネイティブ pgvector は、別個のクラスターを操作することなく、優れたパフォーマンスとトランザクションの一貫性を提供します。
Aurabase MCP サーバーは自律 AI エージェントの運用準備が整っていますか?+
はい。 Aurabase MCP サーバーは、SSE および stdio を介した標準 JSON-RPC プロトコル上に直接構築されており、ネイティブ スキーマ イントロスペクション、パラメーター化されたクエリ、厳密な行レベル セキュリティ テナント分離を備えています。

次のステップに進みましょう

NL2SQL とネイティブ RAG を Postgres データベースに直接接続します。

サードパーティの配管は不要で、バックエンド エンジンに直接組み込まれています。

クレジット カードは不要 · 500 MB 無料 · 50,000 MAU