Datamimic – コーディングエージェントに独自のテストワールドをinventさせない

DATAMIMIC — 規制対象企業のための管理されたテストデータ

このリポジトリには、DATAMIMICコミュニティエディション（CE）が含まれています。 MITライセンス、Pythonネイティブ、MCP対応。

CEは、決定論的な合成データ生成およびモデルベースの匿名化のためにスタンドアロンで完全に利用可能です。エンタープライズプラットフォームは、管理されたワークフロー、PIIスキャン、ロールベースアクセス、監査ログ、スケジューリング、マルチシステム実行、および管理されたエンタープライズワークフローのための運用レイヤーを追加します。

👉 エンタープライズプラットフォーム: datamimic.io  |  📘 ドキュメント: docs.datamimic.io  |  📅 戦略コールを予約: datamimic.io/contact

🤖 AIエージェント？ CodexまたはClaude Code用のDATAMIMICプラグインをインストールするか、コンシューマースキルをお読みください。リポジトリのコントリビューターはAGENTS.mdも使用しています。

---

［画像: CI］ ［画像: Coverage］ ［画像: Maintainability］ ［画像: Python］ ［画像: License: MIT］ ［画像: MCP Ready］

現在の開発アーキテクチャ — ArchKeelとの構造、ターゲット、および違いを調査します。

---

DATAMIMICとは？

DATAMIMIC CEは、DATAMIMICエンタープライズプラットフォームの中核となるオープンソースの決定論的データエンジンです。 ローカル、CI、またはエージェント駆動のワークフローでの合成データ生成およびモデルベースの匿名化のためにスタンドアロンで利用できます。

エンタープライズプラットフォームは、規制対象企業が本番規模のテストデータ運用に必要とする、管理されたワークフロー、スキャナー、ダッシュボード、および実行レイヤーを追加します。

CE（このリポジトリ）で利用可能な機能：

• 完全な合成データセットを決定論的に生成 — モデル駆動型で、ソースデータは不要
• ステージング/QAエクスポートを匿名化 — シード付き、再現可能、または実行固有（非シード）のフィールド変換。PIIフィールドはXMLパイプラインで手動で識別およびモデル化されます。
• 単一システムパイプラインをPostgreSQL · MySQL · Oracle · MS SQL · SQLite · MongoDB · CSV · JSON · XML · XLSX · DbUnit · 固定幅（.fcw）に対して実行
• モデルの動作 — 重み付き状態機械、複合マルチフィールド参照、制御フロー（<while>、<assert>）、およびステージング集計のためのスクリプト可能なメモリストア
• プロビナンスをエミット — 実行ログとgenerate_domainファサード出力のSHA-256コンテンツハッシュにより、2回の実行で同一の出力を確認できます。
• エージェントをガイド — 機械可読な機能、段階的な参照クエリ、および1つの標準CLIビルドトランザクション。オプションのMCPアダプターは、同じオーサリングサービスを公開します。

エンタープライズプラットフォームが追加する機能：

• PIIスキャナー — 設定可能なしきい値での確率スコア付きフィールド提案。ユーザーはDataWorkbenchでマッピングを確認します。
• マルチシステム実行 — 参照整合性を持つ調整されたワークフローでのOracle / MongoDB / Kafka。
• 業界メッセージテンプレート — EDIFACT / SWIFT MT / HL7 v2.x / HL7 FHIRを決定論的なテスト/トレーニングアーティファクトとして生成します。
• ガバナンスレイヤー — ロールベースのダッシュボード、監査証跡、承認フロー、再利用可能なエンタープライズテンプレート、スケジューラ。
• パフォーマンスコア — Rust高速パス、複雑な分布のためのML/自己回帰エンジン、キーセットおよびマニフェスト構築、最適化された分散実行。
• オンプレミス/エアギャップデプロイメント — podman-composeまたはHelm、コンサルティング主導のロールアウト。

決定論的なテストデータをOracle、MongoDB、およびKafkaパイプライン全体で、規制されたEUの銀行環境にデプロイされています。NDAの下で参照顧客が利用可能です — datamimic.ioのケーススタディも参照してください。

---

AIエージェント：データモデルの作成、検証、実行

エージェントプラグインは、必要に応じてプロジェクト環境でCEを準備します。手動インストールには、PyPIからpython -m pip install datamimic-ceを使用します。これらの手順はCE 5.0を説明しています。

XMLは永続化された実行可能なプロジェクトです。DM JSONはその一時的なエージェント表現です。期待値とロール宣言はBuildRequestV4に属し、XMLとは別に扱われます。

オーサリングコマンドはデフォルトでJSONを使用し、ファイルまたは標準入力（-）を受け入れます。コンパイル/逆コンパイルの準備ができれば構文を証明します。ビルドの準備ができれば、完全なバウンデッドキャプチャと宣言された受け入れチェックも必要です。すべてのビジネス要件を含めてください。トランザクションのverificationフィールドで、スモークテスト/リプレイを要求してください。ビルド準備完了後、artifact.compiled_xmlを保存してください。ターゲットの分離は、外部データベースへの配信を証明しません。

エージェントに貼り付けるプロンプト

DATAMIMICプラグインのgenerate-test-dataスキルとプロジェクトCLIを使用して、私が説明するデータセットを作成してください。一時的なDM JSON、私の述べた要件に対する期待値、および必要に応じて識別子/FKロールを含むBuildRequestV4を送信してください。再試行する前に、報告されたパスを修正してください。outcome=readyで停止し、artifact.compiled_xmlを保存し、そのパスを個別のバウンデッド検証証拠とともに返してください。私が実際の実行を要求した場合にのみXMLを実行してください。

作業済みトランザクションは、ネストされた外部キー、メモリストアの読み出し、および時系列をカバーしています。XMLと検証証拠とともに、人間が読めるモデルレビューを返してください。

オプションのMCPアダプター

python -m pip install "datamimic-ce[mcp]"は、型指定されたMCPツールと同じアプリケーションを追加します：ビルド、コンパイル/逆コンパイル、検出、リンティング、およびバウンデッド実行。登録とリクエストマッピングはMCPクイックスタートにあります。

---

CE vs エンタープライズプラットフォーム

CEとEEは機能フラグで区別される同じエンジンではありません。DSLは共有していますが、EEはエンタープライズ規模のスループットと運用制御のために構築された、独立して最適化された実行エンジンです。

エンジン比較