エージェントの性能差は、モデルよりデータ基盤で決まります。

Couchbaseは2026年6月30日、エンタープライズ向けAIエージェントのための統合データ基盤「AI Data Plane」の一般提供（GA）を発表しました。ベクトルDB、キャッシュ、ドキュメントストアを個別に組み合わせる構成を、エージェントメモリ・MCPサーバー・ツールカタログの1層にまとめた製品です。クラウドからオンプレ、ネットワーク切断のエッジまで同じ基盤で動きます。

この記事でわかること

  • AI Data Planeの3つの中核コンポーネントと役割
  • エッジ・オフライン環境でのコンテキスト保持の仕組み
  • OracleやRedis、Pineconeとの文脈層競争における位置づけ

https://www.couchbase.com/products/ai-data-plane/

パイロットが止まるのはデータのせい

デモでは動くエージェントが、本番で止まる典型パターンは次のとおりです。数分前の会話を忘れる。業務データへのアクセスに都度カスタム連携が必要になる。同じコンテキストを毎ターン送り直してコストが膨らむ。判断根拠やプロンプト版の追跡ができない。

CouchbaseのChief Product and Strategy OfficerであるBarry Morris氏は、プレスリリースで「エージェントごとにベクトルDB、キャッシュ、ドキュメントストアを縫い合わせる作業が、本番投入の最大の足かせになっている」と述べています。モデルは借りられる時代ですが、記憶・検索・ガバナンスを担うデータ層は企業ごとに残ります。

IDCのDevin Pratt氏も、エージェント向けAIユースケースの80%がリアルタイムで文脈のあるデータを必要とすると指摘しています（参考）。

AI Data Planeで変わったこと

AI Data Planeは、従来バラバラだった3機能を1つの運用基盤に統合しました。

Agent Memoryは、会話コンテキスト、構造化データ、ベクトル埋め込みを1つの永続層で扱います。LangGraph、CrewAI、LlamaIndexで検証済みで、オーケストレーションFWを変えてもメモリ層を組み直す必要がありません。セッションあたりのトークン上限、メモリのTTL（有効期限）、エージェントセッションごとの計算量制限といったガードレールも標準装備です。

Enterprise MCP Serverは、Model Context Protocol（MCP。LLMが外部ツールやデータに標準APIで接続するための仕様）をエンタープライズ向けに自己管理できるサーバーです。クラスタの健全性確認、スキーマ探索、SQL++クエリ、KV操作などをツールとして公開し、読み取り専用モードやツール単位の無効化で安全性を確保します。PyPIパッケージとDockerで配布され、STDIOとStreamable HTTPの両トランスポートに対応します。

Agent Catalogは、エージェントが呼び出せるツール、プロンプト、メタデータ、実行トレースを一覧管理するカタログです。Databricks UnityやAWS Glueのようなメタデータカタログとは異なり、MCP経由で関数を直接呼び出せる実務向けの構成と位置づけられています。

デプロイはマネージドのCouchbase Capellaと、自己管理のCouchbase Enterpriseの両方で利用できます。今回のGAで、Agent Memory・MCP Server・Agent CatalogがEnterpriseの自己管理環境でも初めて提供されました。

クラウドが届かない場所までコンテキストを運ぶ

AI Data Planeの差別化ポイントのひとつは、到達範囲です。クラウド、オンプレ、ネットワーク切断のエッジで同一の基盤が動きます。

Couchbase CTOのGopi Duddi氏は、VentureBeatの取材で「もともとキャッシュとして始まり、その後データベースになった」という系譜を強調しています（参考）。メモリへの書き込みはディスク書き込みの10倍速いとし、ディスク起点のNoSQLにメモリ負荷を後付けする構成との違いを訴求しています。ACID準拠のトランザクション対応も、キャッシュ出身のRedisとの差として挙げられています。

エッジ側はCouchbase Liteが担います。デバイス上でSQL、全文検索、ベクトル検索をオフライン実行し、接続復帰時にクラウドやエッジノードへ双方向同期します。Couchbase Lite 4.1では、Bluetoothのピアツーピア同期とWi-Fiへの自動切り替えが追加され、ネットワークゼロの現場でもデータを共有できます。小売フロア、フィールドサービス、工場、規制業界など、データを端末外に出せない環境が想定対象です。

ホテル予約の例では、複数エージェントが同時にローカルコンテキストとベクトル検索を使い、共有セッションメモリを中央と同期する構成が紹介されています。同じデータを各エージェントが個別に取得・処理する代わりに、共有コンテキストをキャッシュしてトークン消費を抑える設計です。

レイクハウス連携と本番導入の実例

AI Data Plane単体に加え、Enterprise Analytics 2.2でApache Icebergのレイクハウス連携が強化されました。Couchbase上の運用データとIcebergテーブルをETLなしで横断クエリできます。Trinoアダプターは2026年Q3提供予定で、AWS Athena、Amazon EMR、Google Dataproc、Starburstからライブデータへ直接SQLアクセスできるようになります。

リアルタイム音声・映像・会話AIを提供するAgoraは、2024年2月からCouchbaseを本番利用しています。Signaling製品のチャネル管理に使い、会話AIエージェントへ拡張する際にメモリファースト構成、JSON対応、クロスデータセンター複製、エンタープライズサポートを理由に選定したと述べています（参考）。Agora SVP of ProductのPatrick Ferriter氏は、Couchbaseとの連携で「エンタープライズグレードのRAGを、会話AIに必要な予測可能な低レイテンシで提供できる」とコメントしています。

文脈層をめぐる競争と選び方

2025年以降、データベース各社がエージェント向けの文脈層を相次いで発表しています。Oracleは2025年3月にデータベース内メモリ基盤を、Redisは5月にコンテキスト層を、ベクトル特化のPineconeも同様の動きを見せています。

IDCのPratt氏は、Couchbaseはこの流れの後追いだが方向は正しく、「クラウドからエッジ、モバイルまで同じ基盤で動く到達範囲が実際の企業運用に合う」と評価しています（参考）。一方で、大手ベンダーとのスケール競争が試金石になるとも指摘しています。

Pratt氏の選定指針は明快です。ワークロードに合わせてツールを選び、統合できる部分はまとめ、関係性重視の推論にはグラフDBなど専用エンジンを使い、メモリを単なる配管ではなくガバナンスで管理する、としています。Ferriter氏も、即座に本番スケールを求めるならエンタープライズ製品、OSSを自前最適化するならコミュニティ支援に頼る、と組織の優先度で判断すべきだと述べています。

料金とパッケージの詳細はCouchbaseの公式サイトで公開されています。Trinoアダプター以外の今回発表製品は即時利用可能です。エージェントをパイロットから本番へ進める企業にとって、データ層の統合はもはやモデル選定と同列の判断になりつつあります。