本物の意味層（enforced semantic layer）— Cube / dbt SL / LookML と「エージェントは生 SQL を書かない」¶
作成日: 2026-07-24 出典 / きっかけ: Cube「Semantic Layer for AI Agents (2026)」＋ Findy Media「セマンティックレイヤーとオントロジー、AIエージェント時代のデータ基盤を考える」（宮﨑一輝、2026-04-22）。カンムノートの訂正で「ここが本命」と空席にした段を埋める 関連: カンム_synapse_セマンティックレイヤーの育て方_整理（advisory 側の対極）タイミー_dre_looker_adk_社内aiエージェント_整理 メルカリ_socrates_データ基盤とマルチエージェント_整理 palantir_foundry_ontology_ビジネスのai化基盤_整理（意味層の次段＝オントロジー）sansan_corporate_databridge_情シス内製データ連携基盤_整理
0. 要点（3行）¶
- 本物の意味層の定義（Cube の言葉）: 「エージェントは定義を書かず、選ぶ（selects from, never writes raw SQL against tables）」。売上=どの JOIN か・粒度・フィルタといった間違えやすい所をデータチームが一度だけ解いて認証済み定義にする。エージェントは measure/dimension を名前で要求し、意味層が SQL を生成する
- 統治はコンパイル時（compile-time governance）。行/ロール単位の権限は「クエリの作られ方の性質」として組み込まれ、事後フィルタでない。エージェントは権限外のクエリをそもそも構築できない。2026 のエージェント接続 IF は MCP が標準
- カンムとの決定的差: schema や例をプロンプトに貼るのは統治のスケールにならない（エージェントは依然 SQL を書き、JOIN を誤り、権限が効かない）。「スキーマを渡すから SQL を導け」でなく「認証済みメトリクスがあるから名前で要求せよ」に問いを変えるのが意味層。カンムは前者（advisory）、意味層は後者（enforced）
1. なぜエージェントに意味層が要るか — 生 Text-to-SQL の3つの失敗（Cube）¶
| 失敗モード | 中身 |
|---|---|
| 意味の曖昧さ | orders テーブルを見ても「売上」が総額か純額か・税込みか・計上タイミングはいつか分からない。モデルはもっともらしく、毎回違って推測する |
| JOIN の複雑さ | fan-out join や SCD がある実 DWH では、粒度を間違えると黙って二重計上される |
| 権限が効かない | 「正しいクエリ」と「他テナントのデータを漏らすクエリ」はモデルには見分けがつかない |
→ 同じ質問がセッションごとに違う答えを返し、権限も保証されない。これを意味層は「定義を一度だけ書き、エージェントは選ぶだけ」に変えて潰す。
2. 意味層ツールの4分類（2026・Atlan/Cube 整理）¶
| 分類 | 例 | 特徴 |
|---|---|---|
| ピュア意味層 | dbt Semantic Layer（MetricFlow）/ Cube / AtScale | dbt/BI から独立してメトリクスを定義。Cube は MCP・SQL(Postgres 互換)・REST・GraphQL でエージェントに公開、事前集計キャッシュ＋コンパイル時のマルチテナント権限 |
| DWH ネイティブ | Snowflake Semantic Views / Databricks Metric Views | 倉庫側にメトリクスを持つ |
| BI ネイティブ | Looker / LookML / GoodData / MicroStrategy ONE | BI の意味モデルをそのまま流用 |
| コンテキスト層 | （上記の上に）エージェントが定義をどう消費するかを統治 | MCP 等 |
- dbt SL は「dbt が stack の中心なら妥当なグラウンディング源」。LookML は BI 由来の意味モデルとして日本の実務で最頻出（タイミー・メルカリとも Looker）
3. 意味層の「次段」＝オントロジー（宮﨑一輝／Airbyte Michel Tricot）¶
- 問題提起: 「意味層を整備したのにエージェントがまだうまく動かない」
- 意味層が解くのはメトリクス定義の統一まで。解けないのは:
- Identity（複数システムの同一人物・同一企業の識別。Stripe の customer と Salesforce の account は同じか）
- Relationships（エンティティ間の接続関係の定義）
- これを足すのがオントロジー → palantir_foundry_ontology_ビジネスのai化基盤_整理 の Object/Link/Property と Action。つまり 意味層 ⊂ オントロジー（意味層＝メトリクス、オントロジー＝メトリクス＋実体の同定＋関係＋操作）
生 Text-to-SQL（advisory 文脈注入）
│ ← カンム Synapse はここ（プロンプト/MCP に定義を貼るだけ・モデルは無視できる）
▼
enforced 意味層（メトリクスを名前で選ぶ・生SQLを書かない・コンパイル時統治）
│ ← Cube / dbt SL / LookML(Looker)。タイミーはここ寄り
▼
オントロジー（＋Identity ＋Relationships ＋Action）
← Palantir Foundry。書き込み=操作まで契約化
4. Findy 3社は同じ登壇でも別の位置にいる（重要）¶
「セマンティックレイヤーをどう育て、信頼できる AI Agent を開発するか」（Findy、2026-06）の登壇3社を、上の軸に置くとバラける:
| 社 | 実体 | 位置 |
|---|---|---|
| カンム Synapse | 生 Text-to-SQL ＋ MCP に業務コンテキスト注入。モデルは定義を無視しうる | advisory（意味層“未満”） |
| タイミー | dbt ＋ Looker(LookML) を意味層として経由。複雑ロジックの生 Text-to-SQL を意図的に避ける | enforced 意味層寄り |
| メルカリ Socrates | 生 SQL は生成するが、Basic Tables（認証済みデータマート）＋ dbt description の CI 必須化＋データカタログで徹底グラウンディング。Agent-as-Judge で検証 | 重厚なデータ基盤で Text-to-SQL を信頼可能にする hybrid |
- 同じ「セマンティックレイヤー」という語で括られているが、強制力（モデルが無視できるか）で全く別物。カンムだけが advisory 側で、これが「カンムは業務ドメインを入れてただけ」の実態
5. 考察（自分の解釈）¶
- 一言でいうと「意味層とは、モデルに考えさせる範囲を"質問の解釈"だけに狭め、"数字の作り方"を奪う仕組み」。数字の作り方（JOIN・粒度・権限）を毎回モデルに再推測させないから、決定的で監査可能になる
- 自分の docs との整合: data-modeling.md の「グレインを1文で宣言」「制約は DB に守らせる」を、クエリ生成レイヤに引き上げたのが意味層。data-engineering.md の「入口で検証」を"クエリの作られ方"に埋め込んだのが compile-time governance
- 内製の現実的な入口: 既に dbt があるなら dbt SL、Looker があるなら LookML を意味層として素直に使うのが最短。カンム型（生 Text-to-SQL＋文脈）から始めても、精度の天井にぶつかったら意味層へ上がる経路になる
- 留保: Cube 記事はベンダーポジショントーク（自社が MCP 公開で有利）を含む。分類・定義部分は中立的だが「Cube が最良」の主張は割り引いて読む。宮﨑記事は途中から登録者限定で、各社の State 層設計論の詳細は未取得
6. まとめ — 早見表¶
| 状況 | 選ぶもの |
|---|---|
| dbt が stack の中心 | dbt Semantic Layer（MetricFlow） |
| Looker/BI が既にある | LookML を意味層として流用（タイミー・メルカリの実路線） |
| BI 非依存でエージェントに MCP 公開したい | Cube |
| メトリクスは揃ったがエージェントが実体・関係で迷う | オントロジー（Palantir 型）へ上げる |
| まず最小で始めたい | カンム型（生 Text-to-SQL＋文脈注入）。ただし enforced ではないと理解した上で |
参考リンク¶
- Cube「Semantic Layer for AI Agents (2026)」: https://cube.dev/articles/semantic-layer-for-ai-agents-2026
- Cube「What Is a Semantic Layer?」: https://cube.dev/articles/what-is-a-semantic-layer
- Findy Media「セマンティックレイヤーとオントロジー…」（宮﨑一輝, 2026-04-22）: https://findy-code.io/media/articles/modoku-ikki-202604
- Atlan「Best Semantic Layer Tools 2026」: https://atlan.com/know/best-semantic-layer-tools/
- Findy イベント（カンム/タイミー/メルカリ登壇）: https://findy.connpass.com/event/395577/
作成: 2026-07-24 ／ 最終更新: 2026-07-24