8月14日、Techstrong.AIが「Databricks Buys Electric to Provide Postgres for AI Agents」と題した記事を公開した。DatabricksがデータベーススタートアップのElectricを買収し、AIエージェント向けの軽量Postgresインフラを整備する動きを詳報している。注目すべきは同社が公開した実測値だ。AIエージェントはすでに人間ユーザーの約4倍の速度でデータベースを生成しており、一部アプリケーションではそのコンピュートが平均10秒未満しか持続しない。この数字は、従来型のデータベース設計がAIエージェントの動作モデルと根本的に合わないことを端的に示している。

AIエージェントがデータベースの設計思想を変える

今回の買収の本質は、「AIエージェントは従来型のデータベースアーキテクチャと相性が悪い」という問題意識にある。

従来のアプリケーションは、多数のユーザーやプロセスが中央のデータベースに接続し続けるモデルを前提としている。しかしAIエージェントは動作パターンが異なる。タスクのたびに短命な実行環境を生成し、大量のデータベース操作を行い、タスク完了後にその環境を破棄する。このサイクルが高頻度で繰り返される。

Databricksによると、同社のPostgresベースのデータベースサービス「Lakebase」では、エージェントがすでに人間ユーザーの約4倍の速度でデータベースを生成している。平均的なプロジェクトで約10本のデータベースブランチが作られ、500回以上のブランチイテレーションに達したプロジェクトも存在する。一部のアプリケーションでは、データベースのコンピュートが平均10秒未満しか持続しない。

このような使われ方では、「常時稼働する大きなデータベース1つ」という設計では対応できない。

Electricが持ち込む2つの技術

Databricksが今回獲得するのは、Electricの2つのコア技術だ。

PGlite は、PostgresをWebAssembly（WASM）にコンパイルした軽量なPostgres実装である。ブラウザ、Node.jsプロセス、エージェントのサンドボックス上でフル機能のPostgresが動作し、pgvectorなどの拡張機能もサポートする。この1年で週間ダウンロード数が100万から1300万に急増したと両社は述べている。

Electricの同期エンジンは、このローカルのPGliteと中央のPostgresシステムをつなぐ役割を担う。想定されるワークフローは次のようなものだ：エージェントがサンドボックスを起動→PGliteをローカルで動かして開発・テスト作業を実行→必要なデータをLakebaseのブランチに同期→不要になった一時データベースを破棄。

ローカルにデータを置くことで、リモートデータベースへの接続頻度を下げ、ネットワークレイテンシとコストを削減する狙いがある。

なお、PGliteにはNeonとの技術的なつながりもある。もともとNeonの共同創業者であるStas Kelvichが、PostgresをWASMにコンパイルする実験として生み出したコードが出発点で、ElectricがそれをPGliteとして発展させた経緯がある。

Neonとの統合、そしてElectric Cloudの終了

Electricのチームは、Databricksが昨年約10億ドルで買収したサーバーレスPostgres企業Neonに合流する。NeonはLakebaseの基盤となっており、今年2月に正式ローンチされた。

買収条件（金額等）は非公開だ。

オープンソースプロジェクト（PGlite、Electricの同期エンジン、Durable Streams、TanStack DB※）はオープンソースのまま維持される。ただし、ホスティングサービスのElectric Cloudは終了となり、現在の利用者はセルフホストへの移行か別プロバイダーの選定が必要になる。

※TanStack DBは、TanStackエコシステム（React QueryやTanStack Routerなどで知られるオープンソースプロジェクト群）向けに開発されたクライアントサイドのデータベースライブラリで、PGliteおよびElectricの同期エンジンと組み合わせて使われる。

アーキテクチャ上の懸念点

この設計には課題もある。多数のエージェントが一時的なローカルデータベースを持つ場合、どのデータをその環境に入れてよいか、エージェント終了時にデータをどう削除するかのポリシーが必要になる。

監査（オーディティング）も複雑になる。これまで中央集権的なデータベースに集約されていたコンプライアンス管理が、短命なエージェント環境にまで広がることになる。同期のタイミング次第では、複数のエージェントが異なるバージョンのデータに基づいて動作し、競合が生じる可能性もある。

エージェントインフラの設計はまだ試行錯誤の段階にあり、Databricksの今回の動きはその答えの一つを提示するものだ。

詳細はDatabricks Buys Electric to Provide Postgres for AI Agentsを参照していただきたい。