# 宣言型パイプライン

宣言型パイプラインを使用すると、YAML ファイルを使用して、Qlik Talend Data Integration のパイプライン プロジェクトをすべてコードで定義、設定、展開できます。ファイルは、任意の統合開発環境またはバージョン管理システムで編集し、その後展開してプロジェクトの作成または更新を行います。

## 宣言型パイプラインの用途

宣言型パイプラインは、次の促進に使用します。

* コラボレーション

* 継続的インテグレーション / 継続的デリバリー

* 異なる環境への反復可能な展開

* API 駆動のオートメーション

代表的なユースケースは次のとおりです。

* 継続的インテグレーションおよび開発自動化のために、パイプラインをコードで定義する。

* 複数の環境 (開発、検証、本番) に同一のパイプライン設定を展開する。

* プロジェクトやチーム間でパイプライン定義を再利用および共有する。

* 手動作業を必要とせず、大規模なプロジェクト作成を自動化する。

## 仕組み

パイプライン プロジェクトは、プロジェクトのタスクやデータセットを反映したフォルダー構造内に整理された、複数の YAML ファイルのセットとして表現されます。YAML ファイルは、読み取り、差分の確認、レビュー、再利用、オートメーションの作成がより簡単になります。

既存のプロジェクトを YAML としてエクスポートし、ファイルを編集してから再度インポートすることで、変更内容を適用できます。プロジェクトがバージョン管理に接続されている場合、YAML ファイルは GitHub リポジトリで直接利用できます。

YAML ファイルの構造の詳細については、「[パイプライン設定の取得と編集](https://help.qlik.com/ja-JP/cloud-services/Subsystems/Hub/Content/Sense_Hub/DataIntegration/DeclarativePipelines/Retrieving-editing-pipeline-configuration.htm)」を参照してください。

情報メモバインディング ファイル (qtcp\_bindings\_definition.json および binding.json) は、バインディング API との互換性を維持するために JSON 形式のままとなります。レガシー エクスポートまたは既存の GitHub プロジェクトでは、このファイルは qtcp\_bindings\_definition.json ではなく、bindingTemplate.json と呼ばれます。

## 一般的なワークフロー

開始する前に、開発環境とバージョン管理を設定する必要があります。詳細については、「[宣言型パイプラインの使用を開始する](https://help.qlik.com/ja-JP/cloud-services/Subsystems/Hub/Content/Sense_Hub/DataIntegration/DeclarativePipelines/Getting-started-declarative-pipelines.htm)」を参照してください。

一般的な宣言型パイプラインのワークフローは、次のようになります。

1. パイプライン設定を取得する

   既存のプロジェクトを YAML としてエクスポートしたり、バージョン管理から取得したり、テンプレートから開始したりできます。

   [パイプライン設定の取得と編集](https://help.qlik.com/ja-JP/cloud-services/Subsystems/Hub/Content/Sense_Hub/DataIntegration/DeclarativePipelines/Retrieving-editing-pipeline-configuration.htm)

2. パイプライン設定を編集する

   開発環境で YAML ファイルを変更します。タスクの追加、ソース選択の変更、設定の更新を行うことができます。

   [開発者ガイド: 宣言型パイプライン](http://qlik.dev/manage/di-projects/declarative-pipelines/)

3. パイプライン設定を検証する

   パイプラインを展開する前に、ファイルに構文エラーやセマンティック エラーがないかを確認します。

   [パイプライン設定を検証する](https://help.qlik.com/ja-JP/cloud-services/Subsystems/Hub/Content/Sense_Hub/DataIntegration/DeclarativePipelines/Validating-pipeline-configuration.htm)

4. パイプライン設定を展開する

   ファイルをインポートして、Qlik Talend Data Integration でプロジェクトを作成または更新します。

   ファイルをバージョン管理にコミットし、Qlik Talend Data Integration のプロジェクトでバージョン管理から適用を実行することもできます。

   [パイプライン設定を展開する](https://help.qlik.com/ja-JP/cloud-services/Subsystems/Hub/Content/Sense_Hub/DataIntegration/DeclarativePipelines/Deploying-pipeline-configuration.htm)

## バージョン管理との関係

プロジェクトがバージョン管理に接続されている場合、YAML ファイルは GitHub リポジトリに直接保存されます。YAML ファイルは GitHub または任意の IDE で編集でき、その後、変更内容をプロジェクトに適用できます。

プロジェクトをバージョン管理に接続する方法については、「[バージョン管理によるパイプライン プロジェクトの管理](https://help.qlik.com/ja-JP/cloud-services/Subsystems/Hub/Content/Sense_Hub/DataIntegration/VersionControl/Project-version-control.htm)」を参照してください。

情報メモ既存のプロジェクトがバージョン管理に接続されており、レガシー JSON 形式を使用している場合は、YAML 形式に移行できます。詳細については、「[プロジェクトを YAML 形式に移行する](https://help.qlik.com/ja-JP/cloud-services/Subsystems/Hub/Content/Sense_Hub/DataIntegration/DeclarativePipelines/Retrieving-editing-pipeline-configuration.htm#Migrate)」を参照してください。

## AI アシスタントを使用したパイプラインの設定

AI アシスタント (GitHub Copilot や Anthropic Claude など) を使用して、YAML 設定ファイルの作成および編集を効率化できます。設定の正確度を確保し、プロジェクト標準に準拠するために、次のベスト プラクティスに従ってください。

1. **高機能モデルを選択する** - 複雑な YAML の生成やスキーマへの準拠が必要な場合は、標準モデルや「auto」モデルではなく、プレミアムな大規模コンテキスト モデル (例: Anthropic Claude Sonnet 4.6 以上) を使用してください。高度なモデルは、複雑なパイプライン スキーマを正しく解釈し、より正確な設定を生成できます。

2. **プロジェクト固有の AI 指示を設定する** - モデルにプロジェクトのコンテキストを提供することで、AI が生成する設定の品質を向上できます。VS Code ワークスペースのルートに、指示ファイルを作成します。次のいずれかを選択します。

   * CLAUDE.md (Anthropic Claude Code 拡張の場合)

   * .github/copilot-instructions.md (GitHub Copilot の場合)

   指示ファイルの内容は、次のとおりにする必要があります。

   ```
   This is a Qlik Talend Cloud Pipeline (QTCP) project. Before any project advice or YAML edits, I MUST read the source of truth first:
   https://raw.githubusercontent.com/qlik-oss/schemas/refs/heads/main/qtcp/ai-instructions.md
   ```

## Qlik MCP ツールでの AI アシスタントの使用

テナントに Qlik MCP サーバーを展開すると、AI アシスタントは専用の MCP ツールを使用して、プログラムでパイプライン プロジェクトを管理できるようになります。

### 前提条件

* テナントに Qlik MCP サーバーが展開されていること

* カスタム ロールを通じて Qlik MCP: 許可 権限が割り当てられていること

* パイプライン プロジェクトを作成または編集する権限があること

* MCP サポートを備えた AI クライアント (GitHub Copilot を備えた VS Code など) が Qlik MCP サーバーを使用するように構成されていること

### データ パイプラインで利用可能な MCP 機能

AI アシスタントは、次の機能を使用してパイプライン プロジェクトを構成および管理できます。

* **スペースの検索** - 利用可能なスペースのリストを取得します。

* **接続の検索** - 利用可能なデータ接続のリストを取得します。

* **プロジェクトの検索** - 既存のパイプライン プロジェクトのリストを取得します。

* **接続オブジェクトの検索** - データ ソースから利用可能なテーブルおよびビューを検出します。

* **パイプライン プロジェクトの詳細の取得** - プロジェクトのバインディング値を取得します。

### 関連リソース

* MCP サーバーを展開するには、[Qlik MCP サーバー](https://help.qlik.com/ja-JP/cloud-services/Subsystems/Hub/Content/Sense_Hub/QlikMCP/Qlik-MCP-server.htm)を参照してください

* MCP ツールの詳細なドキュメントについては、[Qlik MCP ツール](https://help.qlik.com/ja-JP/cloud-services/Subsystems/Hub/Content/Sense_Hub/QlikMCP/Qlik-MCP-server-tools.htm)を参照してください

* 権限要件については、[Qlik MCP サーバーのアクセスと権限](https://help.qlik.com/ja-JP/cloud-services/Subsystems/Hub/Content/Sense_Hub/QlikMCP/Qlik-MCP-Permissions.htm)を参照してください。