［開発者向け］Microsoftの可視化言語「Flint」、AIエージェントが簡潔な仕様から洗練されたチャートを生成する仕組みとは

2026-07-13

はじめに

　Microsoft Researchは2026年7月8日、AIエージェントが簡潔で人間にも編集しやすい仕様から、洗練されたチャートを生成できる可視化言語「Flint」を発表しました。本稿では、その仕組みと評価結果、AI活用における意義について解説します。

参考記事

タイトル: Flint: A visualization language for the AI era
著者: Chenglong Wang, Alper Sarikaya, Scott Tsukamaki, Michel Galley, Jianfeng Gao
発行元: Microsoft Research
発行日: 2026年7月8日
URL: https://www.microsoft.com/en-us/research/blog/flint-a-visualization-language-for-the-ai-era/

要点

Flintは、AIエージェントが簡潔で人間が編集しやすい仕様から、Vega-Lite・Apache ECharts・Chart.jsなど複数のバックエンドに対応した洗練されたチャートを生成できる可視化中間言語である
データの意味を表す「セマンティック型」を明示することで、コンパイラが軸・配色・レイアウトなどの低レベルな設定を自動的に導出する仕組みを採用している
GPT-5.1、GPT-5-mini、GPT-4.1を用いた評価では、モデルに直接Vega-Lite仕様を生成させる手法(DirectVL)と比較して、Flintの方が高いLLM評価スコアを記録した
オープンソースとして公開されており、AIエージェント向けのMCPサーバー「flint-chart-mcp」も同時にリリースされた
FlintはすでにMicrosoft Researchのデータ分析ツール「Data Formulator」を支える技術として採用されている

詳細解説

Flintが解決しようとする課題

　良いチャートを作るには、日付の解釈方法、軸をゼロから始めるか、値の書式、ラベルに必要な余白、見やすい配色など、多くの設計判断が必要です。Vega-Lite、Apache ECharts、Chart.jsといった既存の可視化ライブラリはこれらを細かく制御できますが、そこにはトレードオフがあります。デフォルト設定に頼った短い仕様では単調なチャートになりがちで、逆に洗練されたチャートを作るには詳細で冗長な仕様が必要になり、エラーも起きやすくなります。

　この課題は、大規模言語モデル(LLM)やAIエージェントが可視化作業を担う場面が増えるほど深刻になります。低レベルな仕様の細部まで管理させると、エージェントはミスを起こしやすく、生成されたコードも人間が検証・修正しにくいものになりがちです。Flintは、AIエージェントが確実に生成でき、かつ人間が直接編集できる「ちょうど中間の粒度」の仕様を目指して設計されています。

セマンティック型からコンパイルまでの仕組み

　Flintでは、仕様を「データ仕様」と「チャート仕様」の2つに分けて記述します。データ仕様はセマンティック型(データの意味的な型)や補足情報を示すもので、例えば日時のフィールドを「YearMonth」、増減を伴う数値を「Profit」のように指定します。チャート仕様はチャートの種類と、x軸・y軸・色・サイズ・ファセットといった視覚的なチャネルへのフィールドの割り当てを定義します。

　これらの情報をもとに、コンパイラが日時の解析ルール、スケール、軸、集計方法、書式、配色、レイアウトなどを導出し、Vega-Lite・ECharts・Chart.jsそれぞれのネイティブな仕様を生成します。セマンティック型はフィールド名や値のパターンから比較的推測しやすいため、LLMにとっては低レベルなパラメータを直接組み立てるよりも扱いやすいと考えられます。

一つの仕様で複数バックエンドに対応

　Flintのもう一つの特徴は、同じ仕様から複数の描画バックエンドを選べる点です。Vega-Lite、Apache ECharts、Chart.jsはそれぞれAPIやプログラミングモデルが異なりますが、Flintの中間表現を使えば、チャートの意図を保ったまま、用途に応じたバックエンドを選んでコンパイルできます。用途に応じて表示ライブラリを使い分けたい開発者にとっては、実装の書き換えコストを抑えられる利点があると考えられます。

AI生成における評価結果

　Microsoft Researchによれば、Flintと、モデルに直接詳細なVega-Lite仕様を生成させるベースライン手法「DirectVL」を、LLMによる自己評価パイプラインで比較する研究を行いました。Tidy Tuesdaysのデータを用いた検証では、GPT-5.1で16.27対15.91、GPT-5-miniで16.16対15.60、GPT-4.1で15.91対15.34と、いずれのモデルでもFlintの方が高いLLM評価スコアを記録したとのことです。

　この評価は人間の主観評価ではなく、別のLLMがチャートの品質を採点する「LLM-judge」という手法によるものです。差分自体は大きくありませんが、3つの異なるモデルすべてで一貫してFlintが上回っている点は、特定モデルへの依存が少ない設計だと言えそうです。

オープンソース公開とMCPサーバーによるエージェント連携

　Flintはオープンソースプロジェクトとして公開されており、chart生成ライブラリの「flint-chart」に加え、MCP(Model Context Protocol、AIエージェントが外部ツールと連携するための標準規格)に対応した「flint-chart-mcp」サーバーも同時に提供されています。これにより、チャットやコーディング環境上でエージェントがチャートの作成・検証・描画までを一貫して行えるようになります。

　Flintはすでに、Microsoft Researchが手がけるAI活用型データ分析ツール「Data Formulator」を支える技術として採用されているとのことです。以前取り上げたData Formulator 0.7の記事でも、コードを書かずにエンタープライズデータを横断分析する仕組みを紹介しましたが、その裏側の可視化生成にFlintが使われている格好です。