MongoDB.local Build Fest 2026：AIエージェントと実データを繋ぐ新機能群、MCPサーバー管理・コード検索モデル・Voyage AI搭載の自動エンベディングが正式リリース

Atlas App Connections（ID・アクセスレイヤー）

• Atlas App Connectionsは、どのAIツールやエージェントがどのAtlasデータにアクセスできるかについて、きめ細かな権限を定義できる新しいIDおよびアクセスレイヤーです。データベースの完全な認証情報を共有することなく、安全でスコープが制限されたデータアクセスを提供します 。

Vercel v0とのネイティブ統合

• MongoDBはVercelとのパートナーシップを拡大し、AIを活用した開発ツールVercel v0とのネイティブ統合を発表しました 。開発者はVercelからネイティブのサインインフローを通じてAtlasリソースに接続でき、Atlasが必要なアカウントを自動的に作成またはリンクします 。

AI検索・エンベディング機能

MongoDB AtlasのAutomated Embeddings（GA）

• Automated Embeddings（自動エンベディング）が、Voyage AIモデルを搭載して**一般提供（GA）**となりました 。データがデータベースに書き込まれると同時にベクトルエンベディングを自動生成するため、別途エンベディングパイプラインを実行したり、外部ベクトルデータベースを管理する必要がなくなります 。

voyage-code-4 エンベディングモデル

• MongoDBは、**エージェンティックコード検索（agentic code retrieval）**アプリケーションに最適化された新しいエンベディングモデル voyage-code-4 をリリースしました 。主な仕様は以下の通りです。
  • コンテキスト長: 32,000トークン
  • デフォルト次元数: 1024（256、512、2048もサポート）
  • 料金: 1,000入力トークンあたり$0.00012
  • AIコーディングエージェントにおけるコード認識型RAGを強化するために設計されています 。

Atlas Embedding and Reranking API（GA）

• MongoDB Atlasを通じてVoyage AIのエンベディングモデルとリランキングモデルにアクセスするためのスタンドアロンREST APIとPythonクライアントです 。このAPIはMongoDBのデータベースとは独立して使用でき、開発者は任意のアプリケーションからエンベディングを生成したり、結果をリランキングしたりできます 。検索スタック全体を単一のプラットフォームに統合します 。

Atlasでのネイティブランキング

• Build Festで改めて発表された（以前からアナウンス済みの）ネイティブランキング機能（パブリックプレビュー）は、Voyage AIモデルを使用し、データベース内で直接検索品質を最大30%向上させます 。

業界の背景とエグゼクティブコメント

AI開発の複雑性を低減

• MongoDBの経営陣は、「エージェンティックな約束と実際のインパクトのギャップを埋める」というテーマで今回の発表を位置づけました 。中心的な論点は、現在のAIエージェントはリアルタイムで正確な実稼働データにアクセスできないために脆弱であるというものです。エンベディング生成、ベクトル検索、リランキングといった検索機能をデータベース内に直接取り込むことで、MongoDBはプロダクション展開を遅らせる「マルチベンダーのAIスタックスパゲッティ」状態を解消しようとしています 。
• Sahir Azam（MongoDB チーフマーケティングオフィサー）は、これらの機能によりMongoDBは「エージェンティック時代のデータプラットフォーム」となり、AIエージェントに古いスナップショットではなく、ライブデータへのネイティブアクセスを提供すると述べています 。

運用データ、ベクトル検索、エンベディング管理の統合

• TechTargetのアナリストは、MongoDBがAtlasを、運用データ、ベクトルエンベディング、検索ロジックがすべて共存する単一のプラットフォームとして位置づけていると指摘しています。これにより、開発者は別々のベクトルDB、エンベディングAPIサービス、リランキングプロバイダーを組み合わせる必要がなくなります 。
• Constellation Researchのアナリストは、MongoDBがVoyage AI（2025年に買収完了）を買収し、そのモデルをAtlasに深く統合する戦略は、「コンテキストがAIの新しい通貨である」という確信に基づいており、検索レイヤーを掌握することで、企業がAIをプロトタイプから本番に移行する際に強固な競争優位性（モート）を築くものだと分析しています 。