New Relic MCPがでたので試してみました。
MCPとは生成AIに様々な機能を追加できるものとなります。
逆に言うとToolに生成AIの機能をつけるということになります。
NewRelicに生成AI機能がついたら何をしたいか？いろいろ妄想は膨らみます。
いろいろ妄想していく中で、ふと思い出しました。
NewRelicとは、、、
「システム全体を可視化・分析し、運用効率の向上やビジネス成長に貢献する」
ここが重要なポイントです。
「ビジネス成長に貢献する」
しかしこれ、普通に導入しただけだとなかなか難しかったりします。
システムの情報はとれているけど、ユーザーエクスペリエンスもレスポンスまではとれているけど、、、
分析まで届かない現状があります。
ということで、生成AIに手伝ってもらうことにしました。
事前準備
環境は下記のとおりです
Amazon Q Developerあらためkiro-cli（最近統合されました）
観測対象：k8sで稼働している自己学習用に作ったtodo Webアプリ
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指示書を簡単ですが作成しておきます。(一部情報はマスキングしています)
# newrelic 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:3xxxxx1
### レポート作成
レポートには以下の内容を含みます：
- エグゼクティブサマリー
- システム構成図（ASCII図）
- 検出されたIssue詳細
- 監視対象リソースの情報
- CPU使用率の推移
- アプリケーションログ分析（エラー/警告を抽出）
- 問題の相関関係とタイムライン
- 根本原因分析
- ティア別利用状況分析
- 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_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_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
AIが生成したものはどうしても間違い（ハルシネーション）が含まれる可能性があるため、レビューが必要になってきます。
今回はそのレビューの効率化のために工夫したのはNRQLを付記させることです。これであとから実機で事実確認が可能になります。
また実機に毎回確認しに行くのも面倒なので、チャート画像を保存するツールを使用するように指示をつけています。
レポートを生成させる
レポート作成の指示は先に作っておいた指示書のファイルを読み込ませるだけで作成が開始されます。
できあがったレポートの抜粋が以下です
データから推測されるシステム構成図をアスキーアートで再現してくれます
取得したNRQLをこちらが指定したツールを使ってチャートも取得できています（サーバーを夜間止めているため、グラフが最初切れているのはそのためです）
最初のサマリーにはCPU使用率が５０％超過とかいてあったのに、実際のグラフはそこまでいってません。サマリーは修正が必要なのがこれでわかります。
タイムラインも作成してくれます。個人的にこれは結構お気に入りです。もっといろいろ拡張できそうな予感。
一般的なシステム情報は取得できており、分析もなかなかいい感じです。
ちょっと手直ししたらこのまま報告として使えるんじゃないでしょうか。
ティア別の分析情報がない
しかし重要なのはここです。期待していたビジネス観点の分析がないです！！
情報がたりないのでは仕方ないです、ここがNewRelicの難しいところです、
欲しい情報をとるための設定がわからなくてとれていない、、、
改善提案
そのままレポートを読み進めてみると、改善提案が、、、
なんと、設定方法を提示してくれています。レポートに欲しい情報をとれないから設定してねと、
これは驚きでした。情報を分析してくれるだけでなく、情報がたりないなら設定方法まで提示してくれる。
じつはこのKiroを実行しているディレクトリは、対象のアプリのソースコードをダウンロードしてあり読み込める状態にしてありました。そのため実際のアプリのコードのどこを改修したらよいかも具体的提案もされています。この提案を元にそのままGitHubのIssueに登録することも可能かと思います。
改善後のレポート再作成
今回はこのレポート内容を参照させてKiroにそのまま実装してもらいました。
改善提案されたカスタムアトリビュートをアプリケーションに追加して、後日再度レポートを作成してみました。
それがこちらです
レポート内容を見ると、改善して得たデータをしっかり活用してくれています。
分析内容もビジネス観点を意識した分析になっていると思います。Basicユーザの機能制限がきつすぎるって指摘されています。はい、すいません、おっしゃる通りです緩和します。
まとめ
NewRelic MCPによる生成AIの活用により、ビジネス観点を意識したレポートの作成、またそのレポートを作成するまでの設定支援によって、NewRelicの活用度があがり、本来目指していた「ビジネス成長に貢献する」に一歩近づいたのを感じられる体験でした。
今回は改善提案を受けた後そのまま改修してしまいましたが、本来はIssue等チケットで改善提案をし、有識者レビューの上デリバリーする流れとなるかと思います。
もちろんIssueをあげるのも生成AIとGithub MCPで可能だったりするわけです。
そうなると、AIと人間の協業サイクルはこういう風になるのかなと(この図もAIがつくってくれました)
生成AIの力を借りると今までの自分の限界（一人ではできなかったこと）を超えられることが多々あることを最近実感しております。ただし、AIが活躍できる前提として情報にアクセスできることが必須になっており、このNewRelic MCPの機能によってそれが可能になりました。あとは発想次第でいろいろな可能性が出てくるものと思います。引き続きNewrelic + AIでいろいろ試していきたいです。