New Relic MCPを使ってみた：AIが監視データを分析し、コスト削減提案してくれた話

New Relic MCPを使ってみたその2になります
今度はAIにコスト削減を手伝ってもらいました。

事前準備

今回の環境は下記の通りです。
Claude Code + NewRelic MCP

観測対象：ECS fargateで動いている生成AIチャットアプリたち

MCPの設定方法は下記に記載のとおり、簡単に完了します

MCPの設定が終わったら、簡単な指示書を作成します。主なポイントは:

• New RelicのAccount IDとAWS Account IDを明記
• 分析対象（ECS Fargateで動作するAIチャットアプリ）
• レポートに含める内容（NRQL、チャート、推奨アクション等）
• 出力先のパス指定

指示書の全文はこちら

# newrelic cost report rule
## newrelic環境

newrelic mcpを使うときは下記のIDを指定すること
AccountID:`3*****6`

## AWS 環境

AWS AccountID:`0**********4`

ECSを利用したAIチャットアプリを複数デプロイしている
最近CloudWatchの料金が高いのが気になっている

### レポート作成

監視データを分析してコスト削減案を提示してください

レポートには以下の内容を含みます：
- コスト削減提案の根拠となるデータのNRQL
- NRQLを使ったチャートを挿入
- 推奨アクション（優先度別）
- 結論と次のステップ
上記を日本語で作成すること
調査結果の根拠となるNRQLを付記し、チャート画像を挿入すること
チャート画像生成には以下のツールを使用すること
/home/ubuntu/github/nrtools/README.md

#### レポート保存先

newrelic/mcp_reportに`yyyymmdd_hhmm_cost_report.md`という作成日時をいれたファイル名で保存する
newrelic/mcp_report/に`chart_yyyymmdd_hhmm_cost_report`というchart_<レポート名につけた名前>としたディレクトリに挿入するチャート画像は保存する

実は前々から気になっていたCloudWatchの料金です。今まで原因がわからなかったので今回聞いてみました。

生成AI＋NewRelic MCPによるレポート作成

出てきた結果のサマリは以下のような感じでした。

メトリクスが異常に高いですよと。

そして、疑わしいサービスを列挙してくれました。ECSのInsightsがあやしいと。

調べ方も提示してくれています。早速調べてみたところ、しっかり有効になっていました。

結構な額下がる可能性あるんですね。

とりあえず止めてみようっていうのもありかもしれないんですが、心配性なわたしは、いままでとれていたものを止めてしまって何か問題があったらいやだなぁと、消極的になってしまいます。

AIにダッシュボードを作ってもらう

そこで思いつきました。

もしかしてNewRelicで同じ値がとれているのでは？
そしてAIにこう頼んでみました。

ECSのメトリクスで、NewRelicインテグレーションで取得されている値
（たとえばCPUなら、SELECT average(cpuPercent) FROM ContainerSample FACET ecsClusterName）と、AWS CloudWatchで取得されている値
（CPUならSELECT average(aws.ecs.containerinsights.CpuUtilized)
FROM Metric FACET aws.ecs.containerinsights.ClusterName）で同じ意味のものを左右にならべたNewRelicダッシュボードのJsonを作って。CPU以外のものも比較対象があれば追加して。

そして作成されたのがこんな感じのものです

このJsonデータをダッシュボードの右上にある[<-Import dashboard]
ボタンを押して出てくるウィンドウに何も考えずコピペします！

そうしてできたグラフが以下の通りです。

CPU

メモリ

ネットワークRX

ネットワークTX

タスクカウント

単位とかが微妙にちがうのか目盛りの数値は違いますが、グラフの軌跡はほぼ同じではないでしょうか。
これはもう同じ情報を取得できているといってもよさそうです。
これで心置きなくcontainerinsightsをオフにできます。
それにしても、今まで2重でデータを取得していたなんて、、、

まとめ

NewRelicを導入すると、今まで利用していたモニタリングツールと同じようなデータを取得している可能性がありますが、一つ一つは微々たるものだったりするので、なかなか手が付けずらく後回しにしてしまいがちです。
今回はAIの助けを借りて調査→分析→実行まで手軽に実現できて、一つ無駄なコストの削減を達成することができました。
みなさんの環境でも、意外なところで監視データが重複している可能性があります。MCPを使えば、こうした無駄の発見も簡単にできますので、ぜひお試しください!