2026年4月20日月曜日

United Codes社が提供するパッケージUC_AIのサンプルアプリを動かしてみる

United Codes社は、Oracle DatabaseおよびOracle APEXを中心としたアプリケーション開発・ツール提供を行う、ベルギーを拠点としたエンジニアリング企業です。日本では似たようなポジションの企業はあまりないように感じますが、海外ではUnited Codes社の他に、ドイツのHyland（旧MT GmbH）社、 北米が拠点のTALAN（旧Insum）およびViscocity North Americaなどがあります。

そのUnited Codes社より、OpenAIやAnthropicのAPIを呼び出すPL/SQLパッケージとしてUC_AIが公開されています。ライセンスはLGPL-3.0です。

製品の説明：https://www.united-codes.com/products/uc-ai/docs/

United Codes社ではOracle DatabaseやAPEXを扱う開発者向けに「AI WORKSHOP FOR DATABASE & APEX DEVELOPERS」という、２日間のオンライン・ワークショップを開催しています。言語は英語で有償なので日本からの参加は難しいかもしれませんが、パッケージUC_AIの利用を検討する場合はワークショップを受講するのが近道でしょう。

ワークショップの受講が不要になるような記事は書けませんが、パッケージUC_AIに含まれるサンプルアプリPractical AI Made Easyが、使いたいモデルやプロバイダ（特にOllamaやLM StudioといったローカルLLM）によっては動かないので、サンプルアプリの動かし方を記事にします。

以下より、UC_AIに含まれるサンプルアプリPractical AI Made Easyを動かす手順を紹介します。APEXの実行環境には、同じくUnited Codes社より公開されているUC Local APEX Devを使用します。

APEXのワークスペースとしてAPEXDEV、スキーマとしてAPEXDEVが作成済みとします。また、SQLclの接続としてスキーマAPEXDEVに接続するlocal-26ai-apexdevが作成済みとします。

最初にUC_AIをスキーマAPEXDEVにインストールします。Loggerも一緒にインストールすることにします。

リポジトリUC_AIをクローンし、移動します。安定版のmainブランチを取得します。

git clone -b main https://github.com/United-Codes/uc_ai.git
cd uc_ai

% git clone -b main https://github.com/United-Codes/uc_ai.git

Cloning into 'uc_ai'...

remote: Enumerating objects: 2923, done.

remote: Counting objects: 100% (641/641), done.

remote: Compressing objects: 100% (437/437), done.

remote: Total 2923 (delta 329), reused 339 (delta 185), pack-reused 2282 (from 1)

Receiving objects: 100% (2923/2923), 6.37 MiB | 6.98 MiB/s, done.

Resolving deltas: 100% (1922/1922), done.

% cd uc_ai 

uc_ai % 


Loggerを個別のスキーマにインストールする場合、対象のスキーマにはCREATE ANY CONTEXT権限が必要です。データベースにSYSで接続し、権限を与えます。

sql -name local-26ai-sys
grant create any context to apexdev;

uc_ai % sql -name local-26ai-sys


SQLcl: 月 4月 20 14:21:44 2026のリリース25.4 Production


Copyright (c) 1982, 2026, Oracle.  All rights reserved.


接続先:

Oracle AI Database 26ai Free Release 23.26.1.0.0 - Develop, Learn, and Run for Free

Version 23.26.1.0.0


SQL> grant create any context to apexdev;


Grantが正常に実行されました。


SQL> exit

Oracle AI Database 26ai Free Release 23.26.1.0.0 - Develop, Learn, and Run for Free

Version 23.26.1.0.0から切断されました

uc_ai % 


続いてスキーマAPEXDEVに接続し、パッケージUC_AIと関連オブジェクトをインストールします。

sql -name local-26ai-apexdev
@install_with_logger

uc_ai % sql -name local-26ai-apexdev


SQLcl: 月 4月 20 16:48:18 2026のリリース25.4 Production


Copyright (c) 1982, 2026, Oracle.  All rights reserved.


接続先:

Oracle AI Database 26ai Free Release 23.26.1.0.0 - Develop, Learn, and Run for Free

Version 23.26.1.0.0


SQL> @install_with_logger

Installing UC AI with logger

_____________________________________________________________________________

User has all required privileges, installation will continue.

_____________________________________________________________________________



PL/SQLプロシージャが正常に完了しました。


tables/logger_logs.sql


PL/SQLプロシージャが正常に完了しました。



PL/SQLプロシージャが正常に完了しました。


tables/logger_prefs.sql


PL/SQLプロシージャが正常に完了しました。



Trigger BIU_LOGGER_PREFSがコンパイルされました


[中略]


Package Body UC_AI_RESPONSES_APIがコンパイルされました


- Installing core UC AI package body...


Package Body UC_AIがコンパイルされました


Running post-installation scripts...

Logger package detected. Setting USE_LOGGER flag to TRUE.

Successfully compiled uc_ai_logger package with USE_LOGGER flag.



PL/SQLプロシージャが正常に完了しました。


===================================================

UC AI installation complete!

Refer to the documentation for usage instructions: https://www.united-codes.com/products/uc-ai/docs/

===================================================

Installation Complete!

SQL> exit

Oracle AI Database 26ai Free Release 23.26.1.0.0 - Develop, Learn, and Run for Free

Version 23.26.1.0.0から切断されました

uc_ai % 


サンプルとなるAPEXアプリPractical AI Made Easyをインストールします。

アプリケーション・ビルダーを開き、インポートを実行します。


インポートするファイルとして、uc_ai/examples/sample-apps/practical-ai-made-easy以下のf135.sqlを選択します。同じディレクトリにpame_pkg.pks、pame_pkg.pkbやtables.sqlといったスクリプトがありますが、これらはAPEXアプリにサポートするオブジェクトとして含まれているため、個別に実行する必要はありません。

f135.sqlを選択し、次へ進みます。


アプリケーションのインストールを実行します。


サポートするオブジェクトのインストールを実行します。


APEXアプリケーションと、その実行に必要なデータベース・オブジェクトがインストールされました。

アプリケーションを実行します。


APEXのワークスペース・ユーザーでサインインします。


パッケージUC_AIのAPIの呼び出し例として、Generate Text、Structured Output、Analyze files、Reasoning、Toolsの５種類のサンプルが含まれています。それらの呼び出しに使用するモデルは、画面右上のボタンをクリックして選択します。


LLMのプロバイダとしてOpenAI、Anthropic、Google、Ollama、OCIが選択できます。プロバイダごとにAPIの呼び出し形式は異なりますが、UC_AIのAPIでは、これらの違いを吸収して、同じAPIで異なるプロバイダを呼び出せるようになっています。


しかしサンプルアプリでは、選択できるモデルに制限があります。OpenAIを例にとると、gpt-4o、gpt-5、o4-miniです。


今回はローカルLLMを呼び出せるようにします。

OllamaでGoogleのGemma4、LM Studioでgpt-oss-120bを実行します。Ollamaではモデル名はgemma4:31b、LM Studioではmlx-community/gpt-oss-120bです。私のMacはメモリに余裕があるため大きいモデルを使用していますが、ホストしているPCに合わせてモデルを選んでください。

選択可能なモデルを追加します。これは共有コンポーネントのLOVとして設定されています。

共有コンポーネントのLOVから、MODELSを編集します。


SQL問合せを更新します。

プロバイダがollamaのモデルとしてgemma4:31bを追加します。LM StudioのモデルはOpenAI互換のChat Completions APIから呼び出すため、プロバイダopenaiのモデルとしてmlx-community/gpt-oss-120bを追加します。
select model as r, model as d, provider
from (
    select 'gpt-4o' as model, 'openai' as provider
    union all
    select 'gpt-5' as model, 'openai' as provider
    union all
    select 'o4-mini' as model, 'openai' as provider
    --
    union all
    select 'google/gemmna-4-31b' as model, 'openai' as provider
    union all
    select 'mlx-community/gpt-oss-120b' as model, 'openai' as provider

    union all

    select 'claude-3-5-haiku-latest' as model, 'anthropic' as provider
    union all
    select 'claude-sonnet-4-0' as model, 'anthropic' as provider
    union all
    select 'claude-opus-4-1' as model, 'anthropic' as provider

    union all

    select 'gemini-2.5-pro' as model, 'google' as provider
    union all
    select 'gemini-2.5-flash' as model, 'google' as provider
    union all
    select 'gemini-2.5-flash-lite-preview-06-17' as model, 'google' as provider

    union all

    select 'qwen3:1.7b' as model, 'ollama' as provider
    union all
    select 'gemma3:4b' as model, 'ollama' as provider
    union all
    select 'gpt-oss:20b' as model, 'ollama' as provider
    -- 
    union all
    select 'gemma4:31b' as model, 'ollama' as provider

    union all

    select 'cohere.command-a-03-2025' as model, 'oci' as provider
    union all
    select 'meta.llama-3.3-70b-instruct' as model, 'oci' as provider
)
where provider = :P0_PROVIDER

以上で、選択できるモデルが追加できました。

プロバイダとしてOllama、モデルとしてgemma4:31bを選択します。


モデルを選択した上でSystem PromptとUser Promptを入力し、Generateボタンをクリックすると以下のエラーが発生します。

「Ajax call returned server error ORA-29273: HTTP request failed for Execute Server-Side Code.」


OllamaやLM StudioはローカルLLMなのでAPIキーは不要ですが、呼び出し先となるエンドポイントURLはそれぞれ設定が必要です。デフォルトはlocalhostですが、APEX（を実行しているデータベース）がコンテナで実行されているため、呼び出し先はコンテナ外となるhost.docker.internal（またはhost.containers.internal）になります。また、OpenAIやAnthropicなどの、エンドポイントが固定で呼び出し先のURLを変更する必要がない場合でも、APIキーは設定する必要があります。

APIキーの設定方法はいくつかありますが、今回はAPEXのWeb資格証明を使用します。

ワークスペース・ユーティリティのWeb資格証明を開きます。


OpenAIのAPIキーを新規に登録します。作成をクリックします。


Web資格証明の名前はOpenAI API Key、静的IDはOPENAI_API_KEYとします。静的IDは、UC_AIへWeb資格証明を設定する際に使用します。

認証タイプにHTTPヘッダーを選択し、資格証明名にHTTPヘッダー名であるAuthorization、資格証明シークレットとしてBearerで始めて、空白で区切り、OpenAIのAPIキーを繋げた文字列を設定します。

APIキーの送信先がOpenAIに限定されるように、URLに対して有効にhttps://api.openai.com/を設定します。

以上でWeb資格証明を作成します。


Generate Textのページに戻り、ボタンGenerateをクリックしたときに実行されるコードを更新します。

プロバイダがollamaのときは、ベースURLをhost.docker.internal:11434/apiとします。プロバイダがopenaiでモデルがmlx-community/gpt-oss-120bのときは、LM Studioの呼び出しなので、ベースURLをhttp://host.docker.internal:1234/v1にします。それ以外のopenaiのときは、Web資格証明としてOPENAI_API_KEYを設定します。

UC_AIでプロバイダがOpenAIの場合、デフォルトでResponses APIが使用されるようです。LM StudioについてはChat Completions APIを使用させるため、uc_ai_openai.g_use_responses_apiにfalseを設定します。
declare
  l_result json_object_t;
begin
  pame_pkg.reset_global_variables;
  --
  if :P0_PROVIDER = 'ollama' then
    uc_ai.g_base_url := 'host.docker.internal:11434/api';
  elsif :P0_PROVIDER = 'openai' and :P0_MODEL in ('google/gemma-4-31b','mlx-community/gpt-oss-120b') then
    uc_ai.g_base_url := 'http://host.docker.internal:1234/v1';
    uc_ai_openai.g_use_responses_api := false;
  elsif :P0_PROVIDER = 'openai' then
    uc_ai_openai.g_apex_web_credential := 'OPENAI_API_KEY';
  end if;

  l_result := uc_ai.generate_text(
    p_user_prompt => :P1_USER_PROMPT,
    p_system_prompt => :P1_SYSTEM_PROMPT,
    p_provider => :P0_PROVIDER,
    p_model => :P0_MODEL
  );

  :P1_OUTPUT := l_result.get_clob('final_message');
  :P1_FULL_RESPONSE := l_result.to_clob;
end;
ファンクションuc_ai.generate_textがLLMを呼び出すファンクションです。


プロバイダをOllama、モデルとしてgemma4:31bを選択して、Generateを実行します。Outputが返されることが確認できます。


LM Studioで動作しているmlx-community/gpt-oss-120bや、OpenAIが提供しているモデルgpt-4oやgpt-5をモデルとして選択しても、Outputが得られます。

Structured Outputについても、ボタンGenerateで呼ばれるコードに以下を組み込み、環境に合わせたモデルの呼び出しが行われるようにします。Structured Outputに対応するように、ファンクションuc_ai.generate_textの呼び出し時に引数p_response_json_schemaが追加されています。
  --
  if :P0_PROVIDER = 'ollama' then
    uc_ai.g_base_url := 'host.docker.internal:11434/api';
  elsif :P0_PROVIDER = 'openai' and :P0_MODEL in ('google/gemma-4-31b','mlx-community/gpt-oss-120b') then
    uc_ai.g_base_url := 'http://host.docker.internal:1234/v1';
    uc_ai_openai.g_use_responses_api := false;
  elsif :P0_PROVIDER = 'openai' then
    uc_ai_openai.g_apex_web_credential := 'OPENAI_API_KEY';
  end if;

User Promptに「日本の首都はどこですか？responseには首都の名前を返してください。」と入力し、Structured OutputのJSONスキーマとしてConfidenceを選択します。

モデルとしてgpt-oss-120bを選択しました。Outputは以下です。

{ "response": "東京", "confidence": 0.99 }

モデルによっては構造化出力を返さないものもあります。


Analyze filesについても今までと同様に、ボタンGenerateで呼び出されるコードを変更します。

Analyze filesではファイルを処理できますが、表PAME_FILESに登録済みのファイルに限定されています。


自分で選んだファイルを処理するために、表PAME_FILESにファイルを登録するアプリを作成しました。

https://github.com/ujnak/apexapps/blob/master/exports/manage_pame_files.sql

このAPEXアプリをダウンロードし、ワークスペースにインポートします。

インポートしたアプリケーションを実行すると、以下のような画面が開きます。表PAME_FILESを対象に、ローカルPCにあるファイルをアップロードするだけの簡単なアプリケーションです。


使用したいファイルを登録して、UC_AIのサンプルアプリに戻ります。

新たに登録したファイルを選択して、ボタンGenerateをクリックします。画像やPDFといったファイルを処理したOutputを確認できます。画像を処理したり、さらに構造化出力を返すには、それらに対応したモデルを選択する必要があります。


Reasoningについても同様に、ボタンGenerateで呼び出されるコードを変更します。

Enable Reasoningをオンにして、ボタンGenerateをクリックします。Reasoningが行われるかどうかも、選択したモデルに依存します。


Toolsについても同様に、ボタンGenerateで呼び出されるコードを変更します。

呼び出されるツールを登録するのは大変なので、サンプルに含まれているツールPAME_GET_USER_INFOを呼び出してみます。

System Promptは「あなたは保険の外交員です。」とします。User Promptは「alice.smith@example.comの情報を教えて。」とします。

以上でボタンGenerateをクリックすると、表PAME_USERSから取得した情報がOutputに表示されます。


UC_AIに含まれるサンプルアプリPractical AI Made Easyの紹介は以上です。

サンプルアプリPractical AI Made Easyを削除しても、関連オブジェクトはそのまま残ります。完全に削除するには以下のスクリプトを実行します。
drop table pame_settlement_demo;
drop table pame_files;
drop table pame_users;
delete from uc_ai_tools where code in ('PAME_CREATE_SETTLEMENT', 'PAME_GET_USER_INFO');
Oracle APEXのアプリケーション開発の参考になれば幸いです。

完
投稿者 時刻:
ラベル: ,