dbt Charts、ダッシュボードをYAMLとして再構築――AIエージェントによる生成・検証・バージョン管理を可能に

dbt Labsは9月14日、クエリ、チャート、フィルター、レイアウトを単一のYAMLファイルにまとめ、エンジンでインタラクティブなダッシュボードへコンパイルするdbt Chartsを公開した。状態をデータベースや独自形式に隠す従来のBIツールとは異なり、これらのファイルはdbtモデルとともにGitで管理でき、diff、コードレビュー、CI検証の対象にできるため、coding agentによる反復的な生成や修正にも適している。[公式ドキュメント](https://docs.dbtcharts.com/)には、棒グラフ、折れ線グラフ、地図、ファセット、レイヤーなどのコンポーネントが記載されている。データにはインライン値やCSV／Parquetを使用できるほか、DuckDB、Postgres、Snowflake、BigQuery、Databricksなどのデータソースに対してSQLを実行して取得できる。

`dct` CLIでは、初期化、検証、レンダリング、検索、影響範囲分析を実行できる。オプション依存関係をインストールすれば、`dct mcp serve`を通じて関連機能を外部エージェントに提供することも可能だ。既存のdbtプロジェクトを初期化する際には、Codex、Copilot、Cursor、Claude Codeで利用できるワークフローSkillsもコピーされる。技術的な価値は単なる「AIによるチャート作成」にとどまらない。エージェントの出力を、schemaが定義され、再現可能で、マージ前に検査できる宣言的インターフェースに制約できる点にある。

現時点では、いくつかの重要な制約が残っている。ダッシュボードは、dbtが構築したテーブルをSQLでクエリすることしかできず、指標名を指定してdbt Semantic Layerを直接利用する機能は、依然として[スケジュール未定のissue](https://github.com/dbt-labs/dbt-charts/issues/1)となっている。そのため、同じビジネス指標が複数のダッシュボードで重複定義され、徐々に乖離する可能性がある。また、dbt Chartsのウェアハウスadapterはdbt Core 1.xに依存している。dbt v2と同じPython環境にインストールすると、v2が警告なく置き換えられる可能性があるため、公式は`uv tool install`または`pipx`による環境の分離を推奨している。チームが次に検証すべき点は、YAML schemaの安定性、CIで発生するクエリコスト、MCPの権限範囲、そしてSemantic Layerとの統合後に重複SQLを本当に排除できるかどうかだ。