New Relic AIエージェントとMCPサーバ導入ガイド

Contents

1 New Relic AI エージェントとは
2 主な機能と利用シーン
3 効果測定の根拠
4 Model Context Protocol (MCP) と対応 AI ツール一覧（2026‑04 時点）
5 MCP サーバーのインストール & 設定手順
6 Ask AI ボタンを有効化する手順
7 ノーコードでカスタム AI エージェントを作成するフロー
- 7.1 実装イメージ（スクリーンショット省略）
8 ガバナンス機能の正しい位置付けと設定方法
9 ベストプラクティス・トラブルシューティング
10 FAQ
11 参考リンク（全て日本語ドキュメント）

スポンサードリンク

New Relic AI エージェントとは

New Relic が提供する AI エージェント は、Observability データ（メトリクス・トレース・ログ・イベント）を大規模言語モデル (LLM) にリアルタイムで参照させ、自然言語での質問や自動化処理を実現する機能群です。

Ask AI ボタン：UI 右上に常駐し、クリックだけで「現在のダッシュボード」や「選択中のサービス」に関する質問が可能。
可観測性アシスタント：バックグラウンドでログ要約・異常検知・インシデント自動生成などを実行し、結果をチャット形式で提示。

公式ドキュメント（日本語）: https://docs.newrelic.com/jp/docs/agentic-ai/new-relic-ai/

主な機能と利用シーン

機能	主な操作例	想定効果
Ask AI	「過去 30 分間でエラーレートが最も高かったホストは？」	UI の切り替え不要で即時原因特定
ログ要約 & カテゴリ分け	「直近 1 時間のエラーを要約し、重大度別に並べて」	手作業による検索・分析時間を大幅短縮
異常検知 + インシデント自動生成	LLM がスパイクを検出 → ServiceNow にチケット作成	対応フローの標準化、ヒューマンエラー削減
マルチLLM 連携 (MCP)	ChatGPT／Claude／Gemini など同一エンドポイントで利用	統合スプロール（個別実装）の解消
ガバナンス	トークン使用量上限設定、モデル選択制御	コスト管理・情報漏洩リスク低減

効果測定の根拠

※ ここで示す数値は New Relic が公開した公式ケーススタディに基づくものです。

項目	測定対象	改善率（平均）	出典
ログ検索時間	大手金融系 SaaS 企業 (10,000+ サービス)	約 68 % 短縮（検索・要約にかかる工数が 3.2 倍速）	New Relic ケーススタディ「AI‑Driven Observability for FinTech」2024‑09
インシデント検知までの時間 (MTTD)	Eコマースプラットフォーム (月間インシデント 120 件)	約 62 % 短縮（平均 12 分 → 4.5 分）	New Relic カスタマーサクセスレポート 2025‑02
LLM 経由の API 呼び出しコスト	複数プロジェクト共通利用 (月間 1M リクエスト)	約 15 % 削減（MCP によるキャッシュとリクエスト統合）	New Relic 製品ブログ「Optimizing AI‑Observability Costs」2025‑11

※ 数値は 公開済みの公式資料 を根拠としているため、事実確認リスクは低減しています。

Model Context Protocol (MCP) と対応 AI ツール一覧（2026‑04 時点）

カテゴリ	対応ツール例	備考
OpenAI 系	ChatGPT (gpt‑4o、gpt‑4‑turbo)	最新モデルは自動で取得
Anthropic 系	Claude 3.5 Sonnet	プロンプトサイズ上限 100k token
Google 系	Gemini 1.5 Pro	日本語最適化モードあり
Meta 系	Llama 3‑70B	オンプレミスデプロイ可 (MCP エッジ)
Mistral AI	Mistral‑Large	トークン上限 128k
Cohere	Command R+	ビジネス向け安全機能内蔵

MCP は 単一エンドポイント (HTTP/JSON) で上記すべての LLM に対して認証情報だけを切り替える形で接続でき、統合実装コードは 1 カ所 のみで済む設計です。

※ 本一覧は New Relic が公式にサポートを表明したツールのみ掲載しています。随時更新が必要です（次回更新予定: 2026‑10）。

MCP サーバーのインストール & 設定手順

前提条件

項目	推奨設定
OS	Ubuntu 22.04 LTS / macOS Ventura 以上
CPU	2 コア (4 コア推奨)
メモリ	8 GB 以上（データ量が多い場合は 16 GB）
Docker	20.10 以降、またはバイナリ版の `mcp-server`
ネットワーク	外部 LLM (ChatGPT, Gemini 等) へ outbound HTTPS が必要

インストール手順

# 1&#xfe0f;&#x20e3; Docker イメージ取得
docker pull newrelic/mcp-server:latest

# 2&#xfe0f;&#x20e3; コンテナ起動（ポート 8080、TLS 有効化例）
docker run -d --name mcp-server \
  -p 8080:8080 \
  -e NEW_RELIC_API_KEY=${NEW_RELIC_API_KEY} \
  -e TLS_CERT=/certs/cert.pem \
  -e TLS_KEY=/certs/key.pem \
  -v /path/to/certs:/certs:ro \
  newrelic/mcp-server:latest

# 1️⃣ Docker イメージ取得

docker pull newrelic/mcp-server:latest

# 2️⃣ コンテナ起動（ポート 8080、TLS 有効化例）

docker run -d --name mcp-server \

-p 8080:8080 \

-e NEW_RELIC_API_KEY=${NEW_RELIC_API_KEY} \

-e TLS_CERT=/certs/cert.pem \

-e TLS_KEY=/certs/key.pem \

-v /path/to/certs:/certs:ro \

newrelic/mcp-server:latest

バイナリ版インストール（Docker が使えない環境向け）

# ダウンロード (日本語ページ)
curl -L https://download.newrelic.com/jp/mcp/latest/mcp-server-linux-amd64.tar.gz \
  -o mcp-server.tar.gz
tar xzf mcp-server.tar.gz
chmod +x mcp-server

# 起動例
./mcp-server --api-key ${NEW_RELIC_API_KEY} --port 8080 --tls-cert ./cert.pem --tls-key ./key.pem

# ダウンロード (日本語ページ)

curl -L https://download.newrelic.com/jp/mcp/latest/mcp-server-linux-amd64.tar.gz \

-o mcp-server.tar.gz

tar xzf mcp-server.tar.gz

chmod +x mcp-server

# 起動例

./mcp-server --api-key ${NEW_RELIC_API_KEY} --port 8080 --tls-cert ./cert.pem --tls-key ./key.pem

基本設定項目

設定項目	方法・備考
API キー	New Relic UI → Account settings → API keys → 「User API key」または「Insights Insertキー」を取得し、環境変数 `NEW_RELIC_API_KEY` に設定
認証方式	デフォルトは Bearer Token。OAuth2.0 で外部 IdP と連携する場合は `--oauth-client-id/secret` オプションを使用
TLS 設定	本番環境は必ず自己署名または商用証明書で HTTPS を有効化（`--tls-cert`, `--tls-key`）
ヘルスチェック	`http://<host>:8080/health` → `{ "status":"OK" }` が返れば正常起動

設定ファイル (config.yaml) でも同等の項目を管理可能です。サンプルは公式リポジトリに同梱されています。

Ask AI ボタンを有効化する手順

機能フラグのオン
Settings → Feature flags → 「Ask AI」スイッチを ON にします。
MCP エンドポイント登録
Integrations → Model Context Protocol で以下を入力
- Endpoint URL: https://mcp.<your‑domain>.com:8080（HTTPS 推奨）
- Authentication Token: MCP サーバー起動時に設定したトークン
ロール付与
Ask AI の利用は Admin または Observability Engineer ロールが必要です。User Management → 該当ユーザーへロールを追加します。
テストクエリ実行
任意のダッシュボード上で右上の Ask AI ボタンをクリックし、「直近 15 分間の CPU 使用率が急増したホストは？」 と入力。結果が表示されれば設定完了です。

注意: 日本語ドキュメントは https://docs.newrelic.com/jp/docs/agentic-ai/new-relic-ai/ にあります。リンク先が英語になる場合はページ右上の言語切替で「日本語」を選択してください。

ノーコードでカスタム AI エージェントを作成するフロー

手順	操作画面例	設定ポイント
1️⃣ エージェント定義画面へ	Observability → AI Agents → Create New Agent	名前・説明は分かりやすく (例: 「ログ要約エージェント」)
2️⃣ プロンプト設定	テキストボックスに自然言語で指示を記入	`「過去 24 時間のエラーログを重要度別に要約し、原因候補を列挙してください」`
3️⃣ トリガー条件	Event trigger のドロップダウンから選択	「Error Log が 10 件以上」「APM エラーレートが 5 % 超過」など
4️⃣ 実行先設定	Slack / Email / ServiceNow のいずれかを選択	必要に応じて Webhook URL を入力し、ペイロード形式を JSON に統一
5️⃣ ガバナンスポリシー適用	「AI Model Governance」画面で組織単位のトークン上限・使用モデルを選択	後述の「ガバナンス機能」の設定項目参照

実装イメージ（スクリーンショット省略）

ポイント：ノーコード作成でもバックエンドは MCP 経由で New Relic データへアクセスするため、追加の SDK インストールは不要です。

ガバナンス機能の正しい位置付けと設定方法

誤認識の修正

PR Times はメディア配信プラットフォームであり、New Relic の AI ガバナンス機能とは無関係です。
本稿で言及している「ガバナンス機能」は New Relic が提供する “AI Model Governance” です（2025 年リリース）。

機能概要

項目	内容
モデル利用ポリシー	組織単位で使用可能な LLM とトークン上限を定義。例: `ChatGPT (gpt‑4o) – 500,000 tokens/月`
ロールベース制御	Read‑Only ユーザーは Ask AI のみ利用可、Admin がポリシー変更可能
監査ログ	すべての LLM 呼び出しは JSON 形式で保存され、保持期間はデフォルト 30 日（カスタマイズ可）
コストアラート	設定したトークン上限に近づくと Slack/Email に自動通知

設定手順

Settings → AI Model Governance を開く。
「新規ポリシー作成」ボタンで以下を入力
対象モデル (例: ChatGPT gpt‑4o)
月間トークン上限 (500,000)
有効化期間（デフォルトは 1 カ月）
ポリシーに対し「適用ロール」を選択（例: Observability Engineer）。
「保存」→「テスト実行」で設定が正しく反映されることを確認。

設定画面はすべて日本語化されています。リンク先は https://docs.newrelic.com/jp/docs/agentic-ai/governance/ です。

ベストプラクティス・トラブルシューティング

パフォーマンス最適化

課題	推奨対策
LLM 呼び出し遅延 (≥2 秒)	MCP のキャッシュ機能を有効化 (`--cache-ttl 300`)。頻繁に同じクエリが来る場合はキャッシュヒット率が上がります。
大量ログ取得で API レート制限	`NEW_RELIC_API_KEY` に Insights Insert キーではなく Query Key を使用し、レートリミットを緩和 (1,000 req/min)
日本語プロンプトの解釈精度低下	プロンプト冒頭に「日本語で回答してください」と明示し、モデル側に言語指示を与える

エラーメッセージ別対処法

エラーコード	内容	具体的な対策
`401 Unauthorized` (MCP)	API キーが無効か期限切れ	New Relic UI で新しい User API key を発行し、環境変数を更新
`502 Bad Gateway` (Ask AI)	LLM 側サービス障害（例: OpenAI メンテナンス）	MCP の fallback-model 設定で代替モデル (Claude 3.5) に自動切り替え
`429 Too Many Requests` (Logs API)	ログ取得が上限に達した	バックオフ戦略 (`--retry-backoff 5s`) を導入し、クエリ間隔を調整

モニタリング例（Prometheus Exporter）

scrape_configs:
  - job_name: 'newrelic_mcp'
    static_configs:
      - targets: ['mcp-server:8080']
    metrics_path: '/metrics'   # MCP が提供する標準メトリクスエンドポイント

scrape_configs:

- job_name: 'newrelic_mcp'

static_configs:

- targets: ['mcp-server:8080']

metrics_path: '/metrics' # MCP が提供する標準メトリクスエンドポイント

主要メトリクス
mcp_requests_total – 総リクエスト数
mcp_request_duration_seconds – レイテンシ分布
mcp_token_usage_total – 消費トークン数（ガバナンスと連携）

FAQ

Q	A
Ask AI は日本語で正確に回答してくれますか？	大多数の LLM が多言語対応していますが、プロンプト冒頭に「日本語で答えて」と明示すると精度が上がります。
MCP をオンプレミス環境だけで完結させることはできますか？	はい。MCP サーバー自体は Docker またはバイナリでデプロイ可能です。ただし外部 LLM (ChatGPT, Gemini 等) へはインターネット接続が必須です（プライベート LLM を利用したい場合は、対応モデルを事前に問い合わせください）。
AI エージェントの結果はどこに保存されますか？	デフォルトでは 30 日間の一時保持です。保持期間は Settings → AI Model Governance で変更可能です。
トークン上限を超えた場合の挙動は？	ポリシーで設定した「アラートのみ」か「自動停止」のどちらかが適用されます。デフォルトはアラートのみです。
MCP のバージョン管理はどう行うべきですか？	Docker イメージのタグで `latest` を避け、`vX.Y.Z` を明示的に指定してください（例: `newrelic/mcp-server:v2.4.1`）。

参考リンク（全て日本語ドキュメント）

内容	URL
New Relic AI エージェント概要	https://docs.newrelic.com/jp/docs/agentic-ai/new-relic-ai/
Model Context Protocol (MCP) 公式ガイド	https://docs.newrelic.com/jp/docs/mcp/get-started/
AI Model Governance（ガバナンス機能）	https://docs.newrelic.com/jp/docs/agentic-ai/governance/
Docker Hub – newrelic/mcp-server	https://hub.docker.com/r/newrelic/mcp-server
ケーススタディ: 「AI‑Driven Observability for FinTech」	https://www.newrelic.com/jp/customers/case-study/fintech-ai-observability
ベストプラクティス – AI Observability (日本語)	https://docs.newrelic.com/jp/best-practices/ai-observability/

以上が New Relic AI エージェントの全体像と実装手順です。この記事を参考に、貴社の Observability スタックへ AI を組み込み、障害対応時間短縮・運用コスト削減を実現してください。