New Relic 2026/07/07 アップデート情報
はじめに
2026年7月7日、New Relic に関する1件のアップデート情報が公開されました。今回は、New Relic MCP（Model Context Protocol）プラグインに関する活用ガイド記事が公開され、AI IDEとの連携による監視データへのアクセス方法が紹介されています。この取り組みは、SREの日常業務における情報収集とトラブルシューティングのワークフローを変える可能性を持つ注目の内容です。
注目アップデート深掘り
New Relic MCPプロファイル活用ガイド
New Relic と AI IDE Kiro の連携により、New Relic MCP（Model Context Protocol）プラグインの活用方法を解説するガイドが公開されました。このプラグインを通じて、AI IDEから直接New Relicの監視データやメトリクスにアクセスできるようになり、開発時のトラブルシューティングと意思決定を高速化できます。
なぜこのアップデートが重要なのか
従来、障害対応時にはNew Relicのダッシュボードを開き、該当する時間帯のメトリクスやログを手動で検索し、複数の画面を行き来しながら原因を特定する必要がありました。このプロセスは経験値に大きく依存し、新しいチームメンバーにとっては習熟に時間がかかる課題がありました。MCPプラグインを活用することで、AIが監視データへのアクセスをサポートし、開発環境から離れることなく問題分析を進められるようになります。また、ガイドで紹介されている steering プロファイルに、SREとしての振る舞い方やNRQLの適切な扱い方、New Relic の各エンティティの解釈方法を定義しておくことで、AIを汎用的なアシスタントから New Relic に精通した SRE のように振る舞わせられる点も、このガイドの要点です。
SREの日常業務への具体的な影響
このガイドで示されている連携の中心は、開発環境から離れずに調査を完結できる点です。自然言語で問い合わせるだけでAIが適切なNRQLを構築するため、クエリ言語の習熟度に依存せず監視データを引き出せます。さらに、ソースコードの知識と本番環境の稼働データを統合的に分析することで、たとえば「特定の処理がデータベース負荷（N+1問題）を引き起こしている」といった、コードと実データを結びつけた原因特定が可能になります。障害の初動においては、AIに依頼するだけで関連ログの収集やゴールデンメトリクスの確認といった調査を自律的に進められるため、複数の画面を行き来するコンテキストスイッチを減らし、原因究明までの時間短縮につながります。
SRE視点での活用ポイント
監視・アラート・ダッシュボードの改善への活用
MCPプラグインの導入により、監視データの解釈とアラート対応のワークフローが変化します。AIによる自動的なデータ参照と分析支援により、複雑なメトリクスの相関関係を素早く把握できるようになり、障害発生時の初動対応が迅速化されます。
AWS環境でのNew Relicエージェント運用における影響
EC2、ECS、Lambdaなど、AWS上で稼働するアプリケーションの監視において、AIがNew Relicから収集したデータを統合的に分析し、問題の切り分けを支援します。複数のAWSサービスにまたがる障害の原因特定において、効率的な調査が可能になります。
すぐに試せるTips
ガイド記事を参照し、まずは開発環境でAI IDEとNew Relic MCPプラグインの連携を試してみることをお勧めします。プロファイル機能の設定により、チームの環境や頻繁に参照するメトリクスに合わせたカスタマイズを行うことで、回答精度を高められます。
注意点
MCPプラグインの利用には、New RelicのAPIキーやアクセス権限の適切な設定が必要です。また、AIによる自動分析結果は参考情報として活用し、最終的な判断は人間が行うべきです。
全アップデート一覧
| カテゴリ | 対象 | 概要 | リンク |
|---|---|---|---|
| Other | New Relic MCP | New Relic と AI IDE Kiro 連携によるMCPプラグイン活用ガイド。AI IDEから直接New Relicの監視データやメトリクスにアクセスでき、steering プロファイルでAIをSRE向けの振る舞いに調整可能 | 詳細 |
まとめ
今回公開されたガイドは、AIコーディング環境（Kiro）と New Relic の監視データをMCPでつなぐという方向性を示すものです。開発環境から離れずに自然言語でテレメトリを参照し、コードと稼働データを結びつけて原因を分析できるようになることで、開発とトラブルシューティングをIDE内で完結させるワークフローが現実的になります。steering プロファイルでAIの振る舞いをSRE向けに調整できる点も含め、開発者とSREのコラボレーションを円滑にする一つのアプローチとして、まずは開発環境で試してみる価値があるでしょう。