TiDBが選ばれる理由
全世界で4,000社以上の企業が導入
エージェント型AIプラットフォームからグローバルなフィンテック、エンタープライズ規模のインフラまで高い要求水準を持つチームが成長を支える基盤としてTiDBを採用
AI時代のスケールに最適化された設計
AIエージェントを支えるデータ基盤
AIエージェントがリアルタイムで推論し、行動し、改善を繰り返すために必要なトランザクション性能、統合されたデータアクセス、弾力的なスケーラビリティを提供します。
弾力的な性能
需要に応じた即時拡張・アイドル時のゼロスケールダウン
- オートスケーリングによりエージェントのワークロードに応じてゼロからピークまで自動的に最適化
- インスタントブランチによりミリ秒単位で分離された環境を作成
- コンピュートとストレージは独立してスケールしキャパシティ計画が不要
統合されたエンジン
単一のクエリでベクトル・トランザクション・分析を実行
- ベクトル類似検索の結果をトランザクションデータと直接結合
- 1つのエンジンでベクトルストア・データウェアハウス・トランザクション層を統合
- ETL不要、ミドルウェア不要、構築・運用するシステムを削減
-- One query. Vectors + transactions.
-- No separate vector DB needed.
SELECT
a.agent_id, a.goal, a.status,
m_top.relevance
FROM agent_tasks a
JOIN (
SELECT id,
vec_cosine_distance(
embedding, '[0.12, 0.85, ...]'
) AS relevance
FROM memory_store
ORDER BY vec_cosine_distance(
embedding, '[0.12, 0.85, ...]')
LIMIT 100
) m_top ON a.context_id = m_top.id
WHERE a.status = 'active'
ORDER BY m_top.relevance
LIMIT 10;
一貫した整合性
すべてのエージェントのアクションに対し信頼できる最新のデータを提供
- エージェントの状態はワークフローの各ステップ間でACID整合性を維持
- 同時実行するエージェントも接続先ノードに関わらず常に同一の状態を参照
- マルチステップのワークフローもフェイルオーバー時に進行状況を失ったり再実行することなく継続可能
-- Agent step 3: update, then read back.
-- The read ALWAYS reflects the write.
BEGIN;
UPDATE agent_state SET
step = 3,
plan = JSON_SET(plan,
'$.next_action', 'execute')
WHERE agent_id = 'a-7f3e'
AND step = 2; -- compare-and-swap
-- Immediate read: no stale state.
SELECT step, plan->>>'$.next_action'
FROM agent_state
WHERE agent_id = 'a-7f3e';
-- Returns: step=3, next_action='execute'
-- Even across distributed nodes.
COMMIT;
エージェントの自律性
干渉や妥協なしに複数のAIエージェントを同時実行
- 各エージェントに専用スループットを割り当て他のワークロードの影響を排除
- テナント単位のデータ分離により各エージェントの状態を安全に保持
- 共有リソースやテナント間の競合、調整オーバーヘッドを排除
開発者に最適
エージェントや開発者が使い慣れたツールと構文で構築可能
- 標準SQLにより初日からエージェントも開発者もすぐに開発を開始
- MCP、pytidb、LangChain、LlamaIndexといった統合を標準で提供
- オンラインDDLとゼロダウンタイムのスキーマ変更により開発・リリースを止めない
// Connect any AI agent to TiDB
// via the MCP server.
{
"mcpServers": {
"TiDB Cloud": {
"command": "npx",
"args": [
"-y", "mcp-remote",
"https://tidb.link/mcp"
]
}
}
}
// Now your agent can:
// "Create a branch from prod"
// "Run SELECT * FROM agents"
// "Show me slow queries"
弾力的な性能
統合されたエンジン
一貫した整合性
エージェントの自律性
開発者に最適
需要に応じた即時拡張・アイドル時のゼロスケールダウン
- オートスケーリングによりエージェントのワークロードに応じてゼロからピークまで自動的に最適化
- インスタントブランチによりミリ秒単位で分離された環境を作成
- コンピュートとストレージは独立してスケールしキャパシティ計画が不要
単一のクエリでベクトル・トランザクション・分析を実行
- ベクトル類似検索の結果をトランザクションデータと直接結合
- 1つのエンジンでベクトルストア・データウェアハウス・トランザクション層を統合
- ETL不要、ミドルウェア不要、構築・運用するシステムを削減
-- One query. Vectors + transactions.
-- No separate vector DB needed.
SELECT
a.agent_id, a.goal, a.status,
m_top.relevance
FROM agent_tasks a
JOIN (
SELECT id,
vec_cosine_distance(
embedding, '[0.12, 0.85, ...]'
) AS relevance
FROM memory_store
ORDER BY vec_cosine_distance(
embedding, '[0.12, 0.85, ...]')
LIMIT 100
) m_top ON a.context_id = m_top.id
WHERE a.status = 'active'
ORDER BY m_top.relevance
LIMIT 10;
すべてのエージェントのアクションに対し信頼できる最新のデータを提供
- エージェントの状態はワークフローの各ステップ間でACID整合性を維持
- 同時実行するエージェントも接続先ノードに関わらず常に同一の状態を参照
- マルチステップのワークフローもフェイルオーバー時に進行状況を失ったり再実行することなく継続可能
-- Agent step 3: update, then read back.
-- The read ALWAYS reflects the write.
BEGIN;
UPDATE agent_state SET
step = 3,
plan = JSON_SET(plan,
'$.next_action', 'execute')
WHERE agent_id = 'a-7f3e'
AND step = 2; -- compare-and-swap
-- Immediate read: no stale state.
SELECT step, plan->>>'$.next_action'
FROM agent_state
WHERE agent_id = 'a-7f3e';
-- Returns: step=3, next_action='execute'
-- Even across distributed nodes.
COMMIT;
干渉や妥協なしに複数のAIエージェントを同時実行
- 各エージェントに専用スループットを割り当て他のワークロードの影響を排除
- テナント単位のデータ分離により各エージェントの状態を安全に保持
- 共有リソースやテナント間の競合、調整オーバーヘッドを排除
エージェントや開発者が使い慣れたツールと構文で構築可能
- 標準SQLにより初日からエージェントも開発者もすぐに開発を開始
- MCP、pytidb、LangChain、LlamaIndexといった統合を標準で提供
- オンラインDDLとゼロダウンタイムのスキーマ変更により開発・リリースを止めない
// Connect any AI agent to TiDB
// via the MCP server.
{
"mcpServers": {
"TiDB Cloud": {
"command": "npx",
"args": [
"-y", "mcp-remote",
"https://tidb.link/mcp"
]
}
}
}
// Now your agent can:
// "Create a branch from prod"
// "Run SELECT * FROM agents"
// "Show me slow queries"
今すぐデモをリクエスト
お問い合わせ
右のフォームにご記入ください。製品紹介、社内勉強会/トレーニング、パートナーシップ、ご質問などございましたらお気軽にお問い合わせください。