AIガバナンスガイド
AI ガバナンスは、組織が使用する AI を安全かつコンプライアンスに準拠させ、コストを管理します。Databricks において、Unity Gateway は AI のコントロールプレーンです。すべてのモデルおよび MCP リクエストをルーティングし、レート制限とコスト管理を強制し、サービスポリシー（ガードレールとも呼ばれます）を適用し、あらゆるモデルプロバイダーおよびコーディングエージェントにわたる使用状況を記録します。Unity Catalog は、データに使用しているのと同じ権限とポリシーで、モデル、MCP サーバー、関数などの背後にある資産を管理します。その結果、AI 用の個別のアクセスモデルを維持する必要はありません。
このガバナンスは、Databricks がホストするリソースだけでなく、外部の AI にも適用されます。以下を同様に管理します。
- Claude Code、Cursor、Codex、Gemini CLIなどの 外部のコーディングエージェント は、Databricksモデルサービスを介してルーティングされます。
- Unity Catalog MCP サービスとして登録された 外部 MCP サーバー 。
- Unity Gateway を通じてアクセスされる、OpenAI、Anthropic、Google などのあらゆるプロバイダーの 外部モデル 。
このガイドは、初めてAIガバナンスを設定するワークスペースおよびアカウント管理者を対象としています。これを完了すると、Databricksがお客様のルールを自動的に適用しながら、チームはAIを生産的に活用できるようになります。
実践的な開始として、次のチュートリアルをご覧ください。コーディングエージェントのGitHubアクセスを管理する、またはモデルサービスのコンテンツをモデレートする。
DatabricksにおけるAIガバナンスの仕組み
Unity Catalog は、Databricks における AI ガバナンスの基盤です。データと同様に、AI 資産も保護対象として管理します。Unity Gateway はそれらの資産へのトラフィックを制御するコントロールプレーンであり、サービスポリシーが各リクエストとレスポンスのコンテンツを管理します。AI ガバナンスは、次の 3 つの側面で構成されます。
- アセットガバナンス : Unity Catalog は、すべてのモデル、MCP サーバー、関数、および接続をセキュリティ保護可能なオブジェクトとして管理し、テーブルやボリュームに使用するのと同じ権限および ABAC GRANT ポリシーで管理します。
- トラフィックガバナンス ：Unity Gateway は、中央コントロールプレーンからすべてのモデルサービスおよび MCP サービスのリクエストをルーティングし、レート制限、予算、および使用状況の追跡を適用します。
- 動作ガバナンス : サービスポリシーは、呼び出し元とリクエストおよびレスポンスの内容に基づいて、個々のリクエストとレスポンスを許可、拒否、または承認を要求します。
エージェントがツールまたはモデルを呼び出すと、Databricksはリクエストを認証し、Unity Catalogに対して認可を行い、外部システムに到達する前にUnity Gateway経由でルーティングします：
前提条件
- Unity Catalog が有効になっているワークスペース。 Unity Catalog の概要を参照してください。
- サービスポリシー（ベータ版）を使用するには、アカウントコンソールの [プレビュー] ページから Unity Gateway のベータ機能を有効にするためのアカウント管理者アクセス権が必要です。または、代わりに有効化できるアカウント管理者に依頼してください。
AI ガバナンスを設定
AI アセット、トラフィック、サービス動作全体にわたるガバナンスを設定し、それが機能することを確認します。Unity Gateway および Unity Catalog のアセットガバナンスが一般提供開始されました。サービスポリシーはベータ版であり、以下のサービスポリシーのステップで説明されている Unity Gateway プレビューを有効にする必要があります。
ステップ1: Unity Catalog で AI アセットへのアクセスを管理する
Unity Catalog は AI アセットをセキュリティ保護可能なオブジェクトとして管理するため、テーブルやボリュームに使用するのと同じ権限および ABAC GRANT ポリシーを使用して、それらへのアクセスを付与および取り消すことができます。2 つの主要な AI アセットに焦点を当てます：
- MCP サービス : Unity Catalog のセキュリティ保護可能なオブジェクトとして登録された MCP サーバーへのアクセスを、ツールフィルタリングとサービスポリシーを使用して管理します。Unity Catalog の MCP サービスを参照してください。
- モデル : Databricks がホストする基盤モデルを含む、登録済み機械学習モデルへのアクセスを管理します。モデル ライフサイクルの管理を参照してください。
Unity Catalogは、エージェントがツールとして使用する関数も同じ権限で管理します。エージェントでのツール利用には、MCPサービスがツールフィルタリングやサービスポリシーなど、最も豊富なガバナンスを提供します。
各プリンシパルに必要な権限のみを付与します。AI アセットへのアクセスによって、ユーザーに代わって行動するエージェントが利用できるものが決まります。
ステップ 2: Unity Gateway を使用して AI トラフィックをルーティングおよび制御する
Unity Gatewayはエージェントのコントロールプレーンです。これは、組織が使用するモデルサービスおよびMCPサービスへのトラフィックをルーティングし、コスト管理を強制し、同じUnity Catalogガバナンスレイヤーを通じて一元的に使用状況を記録します：
- Unity Gateway の仕組みと使用方法を確認してください。Unity Gateway による AI ガバナンスをご覧ください。
- Databricksホスト型モデルや外部プロバイダーモデルを含む、LLM用のモデルサービスを作成します。「モデルAPI（モデルサービス）の作成と管理」を参照してください。
- コーディングエージェントをDatabricksモデルサービスに向けることで、そのトラフィックはUnity Gatewayを通じて管理および課金されます。コーディングエージェントとの統合を参照してください。
- レート制限と支出上限を設定して、容量を保護し、コストを管理します。モデルおよび MCP サービスへのレート制限の適用 を参照してください。
- 権限付与、ツール選択、サービスポリシーを使用して、Unity Catalog MCPサービスとして登録されたMCPサーバーへのアクセスを管理します。「MCPサービスを使用してエージェントをツールに接続する」を参照してください。
ステップ 3: リクエストとレスポンスにサービスポリシーを適用する
ベータ版
サービスポリシーはベータ版です。Unity Gatewayは一般提供されていますが、そのベータ機能は個別に有効にする必要があります。アカウント管理者は、アカウントコンソールの [プレビュー] ページから Unity Gateway のベータ機能をオンにする必要があります。Databricksのプレビューを管理するを参照してください。
アセットとトラフィックを管理した後、個々のリクエストとレスポンスのコンテンツに制御を追加します。ガードレールとも呼ばれるサービスポリシーは、AIサービスを対象とした属性ベースのアクセス制御 (ABAC) ポリシーの一種です。モデルサービスまたはMCPサービスにサービスポリシーをアタッチして、その内容に基づいてインタラクションを 許可 、 拒否 、または 承認を要求 します。例えば、PIIを含むリクエストをブロックしたり、ポリシー外のツール呼び出しを拒否したりします。
Databricks には、PII、プロンプトインジェクション、安全でないコンテンツなどの一般的なリスクに対応する組み込みのサービスポリシー（ガードレール）があり、カスタムのポリシーを作成することもできます。AI セキュラブルのサービスポリシーおよびサービスポリシーの作成とアタッチを参照してください。
ステップ4: 使用状況とコストを監視する
ガバナンスが機能していることを確認し、アクティビティを時系列で追跡します。
- 管理された使用状況テーブルで、誰が何をいつ呼び出したかなど、モデルとMCPの使用状況を追跡できます。
- モデル、プリンシパル、およびタグ全体のコストを分析します。
- 推論テーブルで、リクエストとレスポンスの完全なペイロードを確認してください。
チュートリアル
チュートリアルでこれらの機能を実践してください。
次のステップ
- サービスポリシーがリクエストとレスポンスのコンテンツをどのように制御するかを学習してください。
- モデルサービスおよびMCPサービスの完全なガバナンスについては、Unity Gatewayをご覧ください。