エージェント型AIは、エンジニアリングチームがインシデントに対応し、ユースケースをデバッグする方法を劇的に変革しています。モデル通信プロトコル（MCP）を用いたエージェント通信の監視とライブデバッグは、AIモデルのパフォーマンスを把握する上で重要な鍵となります。本シリーズ「エージェント型AIの台頭」の第2回では、Dynatraceのお客様であるTELUS社が、エージェント型AIの問題解決を大幅に加速するために活用しているMCPのベストプラクティスをいくつかご紹介します。
エージェント型AIは、エンジニアリングチームがインシデントに対応しユースケースをデバッグする方法を革新し、劇的に加速させています。モデルコンテキストプロトコル（MCP）などの標準を用いてAIエージェントの通信を監視することで、パフォーマンスエンジニアはシステムやAIモデル自体の動作状況を深く把握できます。さらに重要なのは、コーディングアシスタントを活用したインシデント対応の自動化です。
このシナリオにおける次のステップは、フルスタックエンジニアが運用を妨げることなく実行時にコードをデバッグできるよう支援するなど、MCPのベストプラクティスを採用することです。幸い、DynatraceはLive Debuggerでその解決策を提供しています。2025年初頭に初公開されたLive Debuggerは、本番環境を含むあらゆる環境において、開発者がコードレベルのトラブルシューティングデータに即時アクセスすることを可能にし、現在一般提供されています。
これらの機能を統合開発環境（IDE）に集約することで、開発者は自然言語でAIと対話し、問題解決を大幅に加速させることが可能となります。
主なポイント：
- AIデバッグリソースを一元化いたします。エージェント型AIワークフローのデバッグは、IDE内でDynatraceの機能とカスタムMCPを組み合わせることから始まります。
- AIコーディングアシスタントを活用して文脈を追加します。ClineなどのAIコーディングアシスタントは、自然言語クエリを用いて重要な文脈を追加し、プロンプトエンジニアリングを改善するのに役立ちます。
- MCPとClineの設定にはベストプラクティスを活用します。ClineとMCPを組み合わせ、オンザフライデバッグを行うことで、推測作業や手動によるオーバーヘッドを削減できます。
インシデント対応を加速するために TELUS が採用している MCP のベストプラクティス
Dynatrace Live Debugger を早期に導入した TELUS は、Davis® AI、MCP、およびリアルタイムのデバッグデータの力を活用して、自社のコードを深く理解し、すべてのエンジニアが、実行時のコードの動作について自然言語で質問できるようにしました。
最近のDynatrace Guild ミーティングでは、TELUS の SRE であるDana Harrison氏とCheng Li氏が、Live Debugger などの Dynatrace 機能をカスタム MCP と組み合わせて、Visual Studio Code IDE で究極の専用トラブルシューティング設定を実現している様子を紹介しました。複数のリソースを 1 か所に統合することで、TELUS チームは次世代のデバッグとエージェント型 AI ワークフローを融合することができます。この統合により、開発者のコンテキスト切り替えが削減され、直感的な自然言語プロンプトの使用が可能となります。
エンドツーエンドで全サービスを監視する完全計測環境を構築したTELUSチームは、Node.jsおよびJavaマイクロサービス向けにDynatrace Live Debuggerを活用し、稼働中のコードをリアルタイムで監視することで平均解決時間（MTTR）の短縮を実現しています。当初は非本番環境でこの手法を試験運用していましたが、厳格な監査とデータマスキングを実施しながら本番環境への展開を進めています。
また、チームはMCPと並行してCline AIを活用しています。これは自然言語コマンドでログ、メトリクス、トレースデータを収集可能なコーディングアシスタントです。MCPで複数のデータソースを統合することで、TELUSは異なるダッシュボードやツールを手動で切り替える手間を省いています。開発者はAIツールと対話するだけで、必要な関連情報をオンデマンドで取得でき、ライブデバッガーのスナップショットとリアルタイムログの相関分析も可能です。その結果、デバッグとインシデント調査のプロセス全体がIDE内で完結し、パフォーマンスエンジニアリングが大幅に効率化され、問題解決が加速されます。
MCPがデバッグ用途でAIエージェントを強化する方法
オープンスタンダードであるMCPは、リポジトリ、ツール、外部APIなどの関連データソースとAIエージェントを接続します。個々のデータサイロごとに特注の統合を行う代わりに、MCPは複数の関連ソースを接続し、モデルやエージェントに適切なコンテキストを供給するためのユニバーサルインターフェースを提供します。このインターフェースにより、エージェントが関連コンテキストにアクセスする方法が簡素化され、複雑な環境全体でタスクの成果、実行、パフォーマンスの一貫性が向上します。参考までに、GitHub上のDynatrace MCPサーバーをお試しいただけます。
MCPのベストプラクティス：Cline AIによるコンテキスト導入の支援
Cline AIはVisual Studio Code内のコーディングアシスタントであり、複数のMCPサーバーを活用して様々なバックエンドシステムからのデータ取得を効率化します。平易な言語によるクエリ（「特定のサービスを検索」「GKEからログを取得」「エラーを調査」）により、開発者はCline AIに適切なMCPサーバーへの自動接続を指示できます。
プロンプトエンジニアリングの精度向上、基盤となるAPI呼び出しの処理、Dynatrace MCPやネイティブKubernetesログ、さらにはサードパーティサービスからの応答の相関分析を通じて、Cline AIはエディター内で完結するオールインワンの調査ワークフローを提供します。これにより、開発者は複数のツールを切り替えたり専門的なAPIを記憶したりする必要がなく、必要な内容を自然言語でCline AIに尋ねるだけで、MCPレイヤーが残りの処理を管理します。
Clineは、動的ツール検出、プロンプトの再利用性、適応型リソースアクセスといったMCPクライアント機能をサポートしています。さらに、カスタム指示、cline-rule、メモリバンクといった強力な機能も実現します。
TELUSにおけるMCPおよびCline設定のベストプラクティス
TELUSチームはClineの設定にあたり、以下のMCPベストプラクティスに従いました。
Cline AIをVS Code拡張機能としてインストール
まず、TELUSチームはCline AIをVS Code拡張機能としてインストールし、AIプロキシであるFuel iXを指定しました。Fuel iXにより、ユーザーの要件や要望に基づいて様々な大規模言語モデルから選択することが可能となります。
慎重なプロンプトエンジニアリングとClineルールによる特定MCPツールの誘導
Cline AIは、開発者からの自然言語プロンプト（「Node.jsサービスのエラーを調査してください」「このサービスの内容を教えてください」など）を解釈し、データ収集に適したMCPエンドポイントを選択します。より正確な結果を得るために特定のMCPツールを指定する操作は、慎重なプロンプトエンジニアリング、詳細な.clinerulesファイル定義の作成、および予測リクエストや応答フォーマットを含むMCP自体に組み込まれたディレクティブを通じて微調整が可能です。
各MCPサーバーを特定のデータドメイン向けに設定
TELUS の各 MCP サーバーは、特定のデータドメインとのやり取りを担当しています。例えば、メトリクスやトレースデータを取得するための Dynatrace MCP サーバー、コンテナやその他の転送ログを取得するための GCP Logs MCP サーバー、さらに JIRA 課題や PagerDuty などのサービス用の追加サーバーがあります。
ベンダー固有のAPIではなく、集中管理されたエージェント型AIコマンドに依存
これらのデータソースの公開方法を標準化することで、TELUSはCline AIが直接的な統合やベンダー固有のAPIを管理する必要を完全に排除しています。代わりに、アシスタントはMCPサーバーに対してコマンドを発行するだけで、認証、クエリテンプレート、データ正規化は内部で処理されます。このアーキテクチャにより、TELUSはデータ取得ロジックとAI駆動ワークフローの明確な境界を維持できるだけでなく、開発者のオンボーディングを加速させます。これにより、チームメンバーは専門ツールやダッシュボードを切り替えることなく、VS Code内からCline AIに質問するだけで、簡単にデバッグや問題調査を行えるようになります。
MCPを標準化されたエンドポイントとして活用
この文脈において、MCPサーバーは標準化されたエンドポイントとして機能し、それぞれが特定のデータソースやアプリケーションを担当します。コーディング支援にClineを活用することで、TELUSチームは自然言語コマンド（「Node.jsサービスの問題を調査してください」）を入力するだけで、Clineが関連するMCPサーバーを介してDynatrace GrailやGKEログを自動的にクエリします。
このアプローチにより、データ取得の複雑さを一箇所に集約し、AIアシスタントが統合された要約や推奨される修正策を、すべてIDE内で生成することが可能となります。
DynatraceとClineを連携させる手順ガイド
- VS Code マーケットプレイスから Cline をインストールしてください。
- 必要な認証情報（通常はAPIエンドポイントとキー）でClineを設定してください。
- MCPをインストールしてください。この例では内部パッケージを使用していますが、現在公開されている多くのMCPからインストールが可能です。
- Dynatrace MCPサーバーが正常に稼働していることを確認してください。
- ご質問はClineまでお尋ねください。エージェントが、インストールされたMCPの要件に応じて質問をフォーマットします。
- Dynatraceから取得・要約した、本番環境認証サービスの問題に関する応答例です。
この統合環境（ライブデバッガー＋MCP＋Cline）の目的は、迅速かつ知的なトラブルシューティングを実現することです。エンジニアは複数のダッシュボードやCLIツールを切り替える必要がなく、コードのスナップショット、エラートレース、ログ、さらには最近作成されたJIRAチケットまで、1つのセッション内で確認できます。前述の通り、MCPは多様なシステム間でクエリを標準化するため、AIエージェントは関連情報をすべて関連付けられます。例えば、単一のトレースIDを参照してGKEからログを取得したり、Kubernetesクラスターから構成詳細を取得したり、PagerDutyの既知の問題を参照したりできます。このAIエージェントによるワークフローは時間を節約し、コンテキストスイッチングを削減します。
TELUSチームは、これらの知見をオンザフライデバッグと組み合わせることで、解決時間を遅延させる典型的な推測作業や手動オーバーヘッドを大幅に削減できることを発見しました。
今後の展望：DynatraceによるTELUSにおける開発者中心の可観測性とIDE中心のデバッグ
TELUSでは現在、Live Debuggerを主に非本番環境で使用していますが、厳格なガバナンスのもと本番環境での利用を計画しています。今後の戦略として、デバッグセッションの役割ベースの権限設定、データプライバシーに関する必須のセキュリティ研修、スナップショットを一時的なものとする明確なデータ保持ポリシーの導入を予定しています。
Dynatrace MCP のような MCP のユニバーサル統合ポイントと組み合わせることで、開発者は実際の本番環境の問題を迅速に掘り下げ、問題の原因となっている正確な変数を確認し、ダウンタイムを最小限に抑えながら修正をプッシュするか、誤った設定を元に戻すことができます。
今後、TELUS チームは、Dynatrace との自然言語による対話をさらに簡略化するために、デイヴィス・コパイロット API を統合する予定です。
これにより、AI アシスタントが人間が読めるクエリを自動的に Dynatrace Query Language (DQL) に変換し、適切なメトリクス、トレース、ログの取得をさらに容易にするようになります。TELUS は、既存の MCP アプローチの上に Davis CoPilot™ を重ねることで、手動による DQL の記述を削減すると同時に、開発者に、シンプルで直感的なプロンプトを通じて、より高度なデータ分析を実行するための強力かつ合理的な方法を提供することを目指しています。
詳細
- 「エージェント型AIの台頭」ブログシリーズ第一部では、AIエージェント、モデル、およびAgent2Agent（A2A）やMCPなどの新興通信規格の基礎について解説します。
- パート3では、Amazon Bedrockエージェントの監視方法と、大規模なAIエージェントの可観測性最適化について解説します。
- 第4部では、NVIDIA BlackwellおよびNVIDIA NIMを用いたAIのフルスタック可観測性について取り上げます。
- 第5部では、OpenAI Agents SDKを使用したシンプルなエージェントアプリケーションの構築方法と、Dynatraceによるデータ計測の実践例を実演します。
Dynatrace Live Debugger の MCP ベストプラクティスとリソースの詳細
- Dynatrace MCP on GitHub
- Dynatrace Hub上のDynatrace Live Debugger
- Microsoft Marketplace の Dynatrace for Developers Visual Studio プラグイン
- Dynatrace for Developers 製品ページ
- Dynatrace Community の Dynatrace Automation Guild
- Dynatrace Live Debugger のデバッグを超えた 5 つの強力なユースケース
- Live Debugger、Open Pipeline、OpenTelemetry を活用し、本番環境における複雑なパフォーマンス問題を容易にデバッグ
答えをお探しですか？
Q&A フォーラムで新しいディスカッションを開始するか、ヘルプをお求めください。
フォーラムへ