Confluent IntelligenceとAI Toolsの新機能：エージェントのストリームへのネイティブ統合、モデルサポートの拡張、新しいAgent SkillsやCopilotについて

あるお客様から、注文がどうなっているのかという問い合わせが届きました。サポートのAIエージェントがアカウントを確認したところ、当該注文は「発送済み」と表示されていたため、そう返信しました。しかし、その注文は40分前にキャンセルされていたのです。エージェントは、画面に表示されていた情報に関しては何も間違っていません。ただ、6時間ごとに更新される古いデータに基づいて判断を下していたのです。 

これが、AIプロジェクトが停滞してしまう理由なのです。モデルが悪いのではなく、AI-Readyのデータや、ビジネスの現状を正確に把握する手段が不足しているからなのです。

Confluent Intelligenceが約束するのは、Apache Kafka®およびApache Flink®で、リアルタイムのビジネスシグナルを監視し、それに基づいてアクションを実行できる、コンテキスト認識型のAIシステムを構築することです。Confluent Intelligenceは、ストリーミング、データ処理、コンテキストの提供、推論、およびAI／MLワークフローをガバナンスの枠組みの中で連携することで、チームがAIを実験の段階から本番へと移行できるよう支援します。これにより、互いに連携していないシステムを無理に組み合わせる必要がなくなるのです。

今四半期、当社はその基盤を2つの重要な方向で拡張しています。まず、Confluent Intelligenceにより、IBM Granite Time SeriesやGoogle TimesFMモデルなど、サポート対象のモデルを拡充した異常検知および予測機能を通じて、エージェントのストリーミング対応を強化します。次に、「Lightning Queries」と「Real-Time Context Engine」により、AIエージェント、アプリケーション、分析ツールが、ビジネスで現在起きていることを反映した最新の構造化されたビューを、これまで以上に容易に活用できるようになります。 

また、AI Toolsの拡張により、Confluent Cloudでの開発をより容易にしています。ConfluentのフルマネージドMCPサーバーにより、AIはConfluent Cloud内のデータやインフラストラクチャを理解し、それに基づいてアクションを実行できるようになります。フルマネージドコネクタの設定や再起動も可能になります。新しいAgent Skillsは、開発者がすでに利用しているAIコーディングアシスタントにConfluentの専門知識を統合したパッケージです。一方Confluent Copilotは、Confluent Cloudの構築と運用を迅速化するための、ホスト型で自然な言語操作環境を提供します。これらの機能アップデートを組み合わせることで、エンタープライズAIを常に最新のビジネスコンテキストとベストプラクティスに根ざさせ、エージェントが重要な局面で適切なアクションを実行できるよう支援します。

2026年第3四半期：Confluent IntelligenceおよびAI Toolsの新機能

以下の新機能をお知らせいたします：

• Real-Time Context Engine (GA)：メトリクスの機能強化が含まれるアップデート  

• モデルのサポートを拡大：

  • IBM Granite時系列モデルTTM、FlowState、PatchTST-FM（EA：アーリーアクセス）：堅牢な時系列異常検知および予測モデル

  • Google TimesFMモデル（EA）：時系列予測モデル 

• フルマネージドMCPサーバーのアップデート（GA）：コネクタの再起動用ツールおよびコネクタ設定のアップデート用ツールが利用可能になりました。また、9月下旬にはFlinkツールのサポートが追加される予定です。

• 新しいAgent Skills（GA、オープンソース）：Migrate、Java Kafka プロデューサー／コンシューマー、Flink UDF、Confluent Skill作成ツール 

• Confluent Copilot for Confluent Cloud (EA)：Confluentがホストする既成のCopilotにより、チームはMCPサーバーの設定やサードパーティ製のAIアシスタントに依存することなく、作業効率を向上させられます

Let’s take a closer look at each feature. 

Real-Time Context Engine（GA）：AIにビジネスのリアルタイムな状況を把握させる

AIの有用性は、意思決定時にアクセスできるコンテキストの質に左右されます。Real-Time Context Engineは、ストリーミングデータを継続的に構造化されたコンテキストに変換し、AIエージェントやアプリケーションがMCPを通じてこれを照会できるようにします。これにより、エージェントやアプリケーションは、データウェアハウスの前回の更新時の古いデータのスナップショットではなく、現在起きている事象に基づいて推論を行うことができるようになります。

コンテキストは、Confluentから直接提供されるため、同期のための独立したデータベースもポイントとポイントの統合や維持も不要です。コンテキストは永続的で、その元となるトピックから独立しているため、ストリームが期限切れになっても、エージェントが必要とする限り、そのストリームから生成されたコンテキストは引き続きクエリの対象となります。

コンテキスト・エンジニアリングは、各チームで独自に構築・管理するインフラではなく、ガバナンスがすでに組み込まれたマネージドの機能となります。

第3四半期の機能強化により、Real-Time Context Engineは、利用状況、パフォーマンス、健全性、およびコストの可視性にといったユーザー向けのメトリクスを表示できるようになりました。その例としては、以下のものが挙げられます： 

• テーブルサイズ： how much data is being maintained

• スキャンレート：AIエージェントやアプリケーションがコンテキストを取得する際にスキャンするデータ量

• スループットとクエリレート：持続的な書き込みスループットおよび1秒あたりのクエリ数

本番環境においてAIのコンテキストを運用可能かつコスト予測可能にし、メトリクスAPIや課金情報の更新を通じて利用状況やコスト要因を明確に把握できるようになります。これにより、本番環境のワークロードを監視し、支出を予測し、より確信を持ってAIをスケールさせることが可能になります。

このドキュメントで詳細を確認し、今すぐReal-Time Context Engineを使ってみましょう。

Real-Time Context Engineは、MCPを通じてAI向けに最新のビジネスコンテキストを提供します。MCPに加え、今回「ライトニング・クエリ」を発表します。これにより、開発者や分析チームは、REST APIを介して、同じリアルタイムの状態に対して低レイテンシーのクエリを実行できるようになります。これらを組み合わせると、Confluentのデータストリーミングプラットフォームは、データの収集・処理にとどまらず、意思決定が行われる現場でのデータ提供にまで拡張されます。またこれにより、データを別の運用データベースに複製したり、追加のデータパイプラインやデータ同期を管理したりする必要もなくなります。

この共有サービス層は、さまざまな実際のユースケースに適用できます。例えば、カスタマーサポートのAIージェントは、遅延している注文を監視し、最新の注文状況や出荷状況に基づいて、クレジットの提供や発送の優先処理など、適切な対応策を決めることができます。マーチャンダイザーは、全店舗の現在の在庫リスクを照会し、今後2日以内に在庫切れになる可能性のある商品を特定できます。また、顧客向けのモバイルアプリでは、顧客の郵便番号から10マイル圏内で商品の店頭受け取りが可能かどうかを確認できます。これらすべてが、Kafkaを通じてすでに流れているデータへの高速アクセスによって実現されるのです。

Lightning Queryがアーリーアクセス版として利用可能になりました。登録して試用し、AI、分析、業務アプリケーション向けのリアルタイムデータによる未来を体験してください。

リアルタイムの異常検知および予測に向けたモデルのサポートを拡充：IBM Granite時系列モデル (EA) および Google TimesFMモデル (EA)

Confluentはモデルに依存しません。ユーザーは自身のユースケースに最適なモデルを選択し、Confluentはそのモデルを活用するための最新データとストリーミングのインフラを提供します。第3四半期には、時系列モデル全般にわたる新たなオプションを導入し、モデルの柔軟性と選択肢を拡大しました。具体的には、異常検知および予測のための「IBM Granite Time Series」と「Google TimesFM」のオプションです。

異常検知と予測は、データがDWHや下流のシステムにコピーされた後ではなく、ビジネスに変化が起きる直前に実行される場合に最も価値を発揮します。チームは、Flink内で直接IBM Graniteの時系列モデルやGoogle TimesFMを呼び出し、ストリーミングデータから異常な挙動を検知し、次に起こりうる事態を予測することができます。これにより、別途MLスタックを構築・運用することなく、絶えず来るイベントを実用的な知見へと変換することが容易になります。

IBM Granite時系列モデル (TTM, FlowState, PatchTST-FM)

IBM Granite時系列モデルは、予測と異常検知の両方に利用されます。Graniteの3つのモデル（TTM、Flowstate、PatchTSTFM）はすべて、Confluentの既存のFlink SQL関数「AI_FORECAST」および「AI_DETECT_ANOMALIES」で選択可能です。この連携により、単一のSQLパラメータでモデルを選択できるようになります。インターフェースは従来通りでありながら、モデルの選択肢が広がり、パイプラインの再設計も不要です。

データのプロファイルによって、適したモデルは異なります。たとえば、TimesFMは特定のワークロードに非常に適している一方で、Graniteモデルは製造業のセンサーデータ、産業用IoT、あるいは金融の時系列データに適している場合があります。モデルを選択することで、チームは代替案を比較評価し、自社のワークロードに最適なモデルを選定できます。また、IBM Graniteは、モデルの来歴やライセンスの透明性を必要とする企業向けに、IBMのエンタープライズAIガバナンスフレームワークも提供しています。 

Google TimesFMモデル

TimesFMのサポートにより、業界最高水準のマネージド予測モデルをFlinkに直接組み込むことができるようになりました。AI_FORECASTを使用すると、ストリーミング時系列データから信頼できるインターバルで将来値を予測できます。また、AI_DETECT_ANOMALIESを使用すると、イベントの到着時に予想範囲外となる値にフラグを立てることができます。これらの予測により、別途モデルを利用するスタックを準備する必要なく、Streaming Agentに在庫の補充や価格の調整などのアクションを実行させることができます。

対応モデルの拡大により、チームはインフラを追加することなくモデルの選択肢を広げることができます。Confluent Cloud上でホストされ、Flinkから直接呼び出せるため、セットアップや認証情報の管理が不要な上、データをConfluent Cloud内に保持することでセキュリティも確保されます。GPUリソースの共有や、クラウドへの入出力トラフィックが発生しないことで、アーキテクチャが簡素化され、リアルタイムAIワークロードのコスト抑制にもつながります。例えば、チームはリアルタイムの注文イベントから需要を予測して在庫切れになる前に準備を整えたり、トラック輸送のシグナルを分析して、顧客に影響が出る前に発生しつつある問題を特定したりすることができます。IBM GraniteモデルとGoogle TimesFMは、AWSでアーリーアクセスとして現在利用可能です。詳細については、将来予測および異常検知に関するドキュメントをご参照いただき、AI/MLクイックスタートを利用しお試しください。

フルマネージドMCP サーバーのアップデート 

フルマネージドのMCPサーバーは、ConfluentがホストするMCPエンドポイントのため、MCPインフラのデプロイや保守を行う必要がありません。ConfluentのフルマネージドMCPサーバーを利用すれば、チームはローカルのMCPサーバーを運用することなく、AIアシスタントにConfluent Cloudへの権限付きアクセスを許可できます。今四半期に追加されたMCPの新機能には、コネクタの再起動やコネクタ設定の更新を行うための書き込みツール、およびFlink SQLの作成・管理を行うためのFlinkツールが含まれます。 

これらのMCPサーバーのアップデートにより、AIアシスタントはConfluent Cloudのリソースやストリーミングアプリケーションと、より直接的に連携できるようになります。わずか数分でMCPの利用を開始できます。こちらのドキュメントをご参照ください。

新しいAgent Skills

AIコーディングアシスタントはコードを生成することはできますが、ストリーミングアプリケーションを本番環境に対応させるための設定の詳細、セキュリティ対策、運用パターンを理解しているわけではありません。Confluent Skillsは、こうした専門知識をコーディングアシスタント（Claude CodeやCursorなど）向けに再利用可能なワークフローとしてパッケージ化しています。これにより、開発者は自然言語を入力するだけで、ベストプラクティス、ガードレール、検証機能が組み込まれた実用的なConfluentソリューションを構築できるようになり、コンテキストの切り替えを削減し、プロンプトから本番環境への移行までの時間を短縮できます。

第3四半期には、新たな機能によって、Confluentを活用して開発者ができることがさらに広がりました。例として、以下が挙げられます：

• 移行：移行スキルは、チームがMSK環境を評価し、Confluent Cloudへの移行を計画するのに役立ちます。このスキルは、実行前に十分な情報に基づいた意思決定を行えるよう、環境の調査、リスクの特定、クラスターのサイジング、および切り替え計画の策定についてユーザーをガイドします。

• クライアントの構築：Java Kafka Clientスキルでは、Apache Kafka の Java クライアントと Confluent Schema Registry のシリアライザを使用して、本番環境ですぐに利用できるプロデューサーおよびコンシューマーアプリケーションの骨組みを作成します。Maven または Gradle、Avro、JSON Schema、Protobuf に対応しており、Confluent Cloud、ローカルの Docker、または WarpStream へのデプロイが可能です。.

• カスタムロジックでFlinkを拡張：Flink UDFスキルを利用することで、開発者はFlink SQLおよびTable API向けのJavaのユーザー定義関数（UDF）を構築・デプロイできます。これには、値の変換を行うスカラーUDF、1対多の操作を行うユーザー定義テーブル関数、および高度なステートフルストリーム処理を行うプロセステーブル関数が含まれます。

• 新しいConfluentスキルの作成：Confluent Skill Creatorは、スキルを構築するためのスキルです。このツールは、範囲の定義、ユーザーの意図の把握、Agent Skills仕様の順守、実際のConfluent環境でのテスト、評価に基づく反復改善、そして結果のパッケージ化といった一連のプロセスを、コントリビュータが進められるようガイドします。

これらのスキルが相まって、AIコーディングアシスタントは実際のストリーミング業務においてより有用なものとなります。Confluentに関する知識を開発者のワークフローに取り入れることで、チームは推測に頼ることなく開発を進めることができるようになります。npx skills add confluentinc/agent-skills を実行して Confluent Agent Skills をインストールしてください。より詳細情報はこちらのドキュメントでご確認ください。 

新しいConfluent Copilot：Confluentの専門知識を、自然言語で活用可能

Confluent Copilot は、独自のデータストリーミングプラットフォームに関する専門知識を、Confluent Cloud 向けのConfluent がホストする事前構築済みサービスとして提供します。実現したいことを自然言語で記述するだけで、Confluent Copilotが、MCP サーバーの設定やサードパーティ製の AI アシスタントに頼ることなく、ストリーミングワークロードの構築、トラブルシューティング、運用を支援します。Confluentのドキュメント、API、トラブルシューティングのノウハウ、ベストプラクティスに基づいて設計されたCopilotは、ユーザー単位の権限、安全対策、およびアクション実行前の確認機能を維持しつつ、導入を迅速化し、運用を簡素化するよう設計されています。

主なユースケースの一つは、フルマネージドコネクタに焦点を当てたものです。コネクタに障害が発生したり、パフォーマンスが低下したりした場合、Confluent Copilotはコネクタのステータス、エラー、ログ、設定、遅延を調査して、考えられる根本原因を特定し、修正策を提案します。例えば、データベースのメンテナンスの後にDebeziumソースコネクタで障害が発生した場合の診断や、タスクやパーティションの負荷の不均衡によって遅延が増加している原因の調査をします。必要に応じて、コネクタの再起動や設定の更新を行うことも可能です。ただし、変更が実行される前には、必ずユーザーによる明示的な確認が求められます。さらに、問題がコネクタ以外（外部システムやネットワークなど）に起因する場合でも、Copilotは解決に向けたガイダンスを提供します。これにより、通常であれば数日間にわたるドキュメント検索やサポートとのやり取りを要するワークフローが、Confluentに特化したガイド付きのトラブルシューティングへと変わります。

Confluent Copilotのアーリーアクセスに登録して、お試しください。

Confluent IntelligenceおよびAI Toolsを活用し、本番対応のAIを構築

AIは、現在何が起きているかを理解し、そのコンテキストに基づいて行動できる際にはじめて、ビジネス価値をもたらします。Confluent Intelligenceは、データストリーミング、処理、リアルタイムのコンテキスト提供を単一のプラットフォームに統合します。ビジネスの現状を反映した最新のコンテキスト、柔軟なモデルの選択、異常の検出や将来予測を行う機能を活用することで、ビジネスの運営をより円滑にする、よりスマートなAIを構築することができます。

Confluent向けのAI Toolsは、Confluentの専門知識をAIコーディングアシスタントに組み込み、自然言語でConfluent Cloudの構築、トラブルシューティング、運用を行えるConfluent Copilotを提供することで、その基盤をさらに拡張しました。Confluent IntelligenceとAI Toolsを組み合わせることで、企業は、ばらばらに行っていたAIの実験を、現在のビジネス実態に基づいたリアルタイムでの意思決定が可能な本番システムへと移行できます。

今すぐ始めましょう：

• Confluent Cloud に登録して、ストリーミングデータを活用したリアルタイム AI の構築を始めましょう 

• 第3四半期の新機能をいち早くご利用いただけます

Apache®、Apache Kafka®、Apache Flink®、Flink® およびそれぞれのロゴは、米国およびその他の国における Apache Software Foundation の商標です。これらの商標の使用は、Apache Software Foundation による承認や推奨を意味するものではありません。その他のすべての商標は、それぞれの所有者に帰属します。

Apache®、Apache Kafka®、Apache Flink®、Flink® およびそれぞれのロゴは、米国およびその他の国における Apache Software Foundation の商標です。これらの商標の使用は、Apache Software Foundation による承認や推奨を意味するものではありません。その他のすべての商標は、それぞれの所有者に帰属します。