はじめに

本記事では、IBM InstanaのModel Context Protocol (MCP) Observability機能を、Windows 11とWSL2上のUbuntu 22.04.5 LTSで検証した結果を紹介します。さらに、Claude DesktopからGemini 2.5 Flash Image（NanoBananaモデル）を呼び出し、InstanaのAPM製品を可視化した3Dアーキテクチャ画像を生成するまでの手順を解説します。

検証環境

クライアント環境: Windows 11
- AIアシスタント: Claude Desktop
サーバー環境: WSL2 (Windows Subsystem for Linux)
- OS: Ubuntu 22.04.5 LTS
- Python: 3.10+ (venv使用)
モニタリングバックエンド: Instana SaaS
AI Model: Gemini 2.5 Flash Image (gemini-2.5-flash-image=Gemini Nanobananaモデル)

アーキテクチャ概要

主要コンポーネント

Claude Desktop - ユーザーインターフェース、MCPクライアント
Gemini MCP Server - PythonベースのMCPサーバー（Traceloop SDK統合）
Instana SaaS - エンタープライズAPM/オブザーバビリティプラットフォーム
Gemini API - 画像生成AI

セットアップ手順

1. GitHubリポジトリのダウンロード

まず、WSL2 Ubuntu環境でGitHubからソースコードをダウンロードします:

# ホームディレクトリに移動
cd ~

# GitHubリポジトリをクローン
git clone https://github.com/GSSJacky/mcp_observability_instana_gemini.git

# プロジェクトディレクトリへ移動
cd mcp_observability_instana_gemini/gemini-mcp-server

2. Instana Agentの設定

Instana AgentでOpenTelemetry sensorを有効化します。

OpenTelemetryプラグインの有効化

Instana Agentの設定ファイル /opt/instana/agent/etc/instana/configuration.yaml を編集します:

# OpenTelemetry Collector
com.instana.plugin.opentelemetry:
  # Enabled by default
  enabled: true

この設定により、Instana AgentはOTEL CollectorからのデータをPort 4318で受信し、Instana Backendへ転送します。

Agentの起動確認

# Instana Agentのステータス確認
sudo systemctl status instana-agent.service

# Agentが停止している場合は起動
sudo systemctl start instana-agent.service

[!NOTE]
Instana AgentがOTLPエンドポイント（localhost:4318）でリスンしていることを確認してください。

3. Claude Desktop MCP設定

Claude Desktopの設定ファイル（claude_desktop_config.json）に以下を追加します:

{
  "mcpServers": {
    "Gemini_NanoBanana": {
      "command": "npx",
      "args": ["mcp-remote", "http://localhost:8000/mcp"]
    }
  }
}

4. Ubuntu環境のセットアップ

必要なパッケージのインストール

# 仮想環境の作成とアクティベート
python3 -m venv venv
source venv/bin/activate

# 依存パッケージのインストール
pip install -r requirements.txt

5. 環境変数の設定

# Google Gemini APIキー
export GOOGLE_API_KEY="YOUR_GOOGLE_API_KEY_HERE"

# 使用するGeminiモデル
export GEMINI_MODEL="gemini-2.5-flash-image"

# Instana OpenTelemetryエンドポイント（ローカルエージェント経由）
export TRACELOOP_BASE_URL="http://localhost:4318"

# Instana認証ヘッダー
export TRACELOOP_HEADERS="x-instana-key=YOUR_INSTANA_KEY_HERE"

# OTLP Insecure設定（ローカル開発用）
export OTEL_EXPORTER_OTLP_INSECURE="true"

[!WARNING]
上記のYOUR_GOOGLE_API_KEY_HEREとYOUR_INSTANA_KEY_HEREは実際のキーに置き換えてください。本番環境では、環境変数ファイル（.env）を使用し、gitignoreに追加することを推奨します。

6. MCP Serverの起動

python gemini_server.py

期待される出力:

Traceloop exporting traces to http://localhost:4318, authenticating with custom headers

INFO:     Started server process [196315]
INFO:     Waiting for application startup.
StreamableHTTP session manager started
INFO:     Application startup complete.
INFO:     Uvicorn running on http://127.0.0.1:8000 (Press CTRL+C to quit)

Gemini画像生成の実行

Claude Desktopを再起動して、以下のプロンプトを実行します:

Professionalイメージを作成してください: 
エンタープライズ向け『APM製品:Instana』の3Dアーキテクチャ可視化。 
マイクロサービス、Kubernetes、クラウド、オンプレミスを横断する可観測性を立体構造で表現し、 
『アプリケーション』『サービス』『トレース』『メトリクス』『ログ』『AI分析』『ダッシュボード』などの要素を日本語ラベル付きで表示する。 
IBM公式資料風の洗練されたデザイン。

生成結果

このように、Gemini 2.5 Flash Imageモデルが、Instanaの多層アーキテクチャを美しい3D可視化として生成します。

Instanaでの可観測性の確認

1. GenAIサービスの検出

Instana SaaSバックエンドでは、MCP Server（gemini-mcp-server）が自動的に検出され、GenAIサービスとして分類されます。

2. トレースの可視化

各API呼び出しがトレースとして記録され、以下の情報が取得できます:

呼び出しタイミング: リクエスト時刻とレスポンス時間
スループット: エントリ数/秒
サービス間の依存関係: gemini-mcp-server → Gemini API

[!NOTE]
直接分析画面から検索する際、左下にある「Show internal calls」を選択必要があります。

3. 呼び出し詳細の分析

個々のAPI呼び出しに対して、以下が可視化されます:

タイムライン: リクエストからレスポンスまでの処理時間
スパン詳細: generate_image_taskなどの処理単位
サービス・エンドポイント・リスト: 依存関係の全体像

4. Claude Desktopでの実行結果

Claude Desktopからシームレスに画像生成を実行でき、その裏側でInstanaが全ての通信をトレースしています。

技術的なポイント

Traceloop SDKの統合

Instanaの公式MCP observability実装では、Traceloop SDKを使用します。

from traceloop.sdk import Traceloop

# 初期化
Traceloop.init(
    app_name="gemini-mcp-server",
    api_endpoint=os.getenv("TRACELOOP_BASE_URL"),
    headers={"x-instana-key": os.getenv("INSTANA_KEY")},
)

これにより、以下が自動でインストルメントされます:

LLM API呼び出し: Gemini APIリクエスト
プロンプト/レスポンス: 入力と出力のトラッキング
レイテンシー: API応答時間の測定

エクスポートモード

Instanaは2つのエクスポートモードをサポートしています:

モード	説明	設定方法
Agent Mode	ローカルのInstanaエージェント経由	`TRACELOOP_BASE_URL=http://localhost:42699/tracermetrics`
Agentless Mode	直接Instanaバックエンドへ送信	`TRACELOOP_BASE_URL=http://localhost:4318` (OTLPコレクター経由)

本検証では、Agentless Mode（OTLPコレクター経由）を使用しています。

トラブルシューティング

トレースが表示されない場合

環境変数の確認

echo $TRACELOOP_BASE_URL
echo $TRACELOOP_HEADERS

OTLPエンドポイントの疎通確認

curl -v http://localhost:4318/v1/traces

ログの確認

# MCP Serverのログを確認
python gemini_server.py

サービスが表示されない場合

Instanaがサービスを検出するには数分かかる場合があります
最低1回以上のAPI呼び出しが必要です

まとめ

本記事では、以下を達成しました:

✅ Windows 11 + WSL2 Ubuntu環境でInstana MCP Observabilityを構築
✅ Claude DesktopとMCP Server（Python）の統合
✅ Gemini 2.5 Flash ImageモデルによるAI画像生成
✅ Instana SaaSでのトレース・メトリクスの可視化
✅ GenAIアプリケーションの完全なオブザーバビリティの実現

この構成により、AIアシスタントのMCPバックエンドで何が起きているのか、どのAPIがどれだけの時間を消費しているのかを完全に可視化できます。エンタープライズ環境でAIアプリケーションを運用する際には、このような可観測性が不可欠です。

参考資料