G-gen の min です。当記事では、Cloud Logging リモート MCP サーバーと Developer Knowledge MCP サーバーを組み合わせることで、障害発生時のログ調査と解決策の提案を AI エージェントに行わせる検証をします。
はじめに
AI エージェントによるエラー調査
当記事では、Cloud Logging リモート MCP サーバーと Developer Knowledge MCP サーバーを組み合わせて、AI エージェントツールである Gemini CLI に、障害発生時のログ調査と解決策の提案をさせる検証を行います。
通常のエラー調査では、ログをクラウド管理コンソールから手作業で検索・抽出し、エラーメッセージを検索エンジンや生成 AI チャットツールに貼り付けるなどして、手作業で障害の原因を調査するのが一般的です。
Gemini CLI などの AI エージェントツールと、Google Cloud が提供するリモート MCP サーバーを併用することで、AI に自然言語で指示を出すだけで、ログの抽出から公式ドキュメントに基づいた対処法の提示までを一貫して実行できるようになり、運用負荷を軽減できます。
なお当記事で紹介するような Google Cloud のリモート MCP サーバーを使った自動化は、Gemini CLI だけでなく、Antigravity CLI や Claude Code などの他の AI エージェントツールでも同様に実施できます。
検証の手順
当記事では、Cloud Shell 上の Gemini CLI から2つの Google Cloud 公式 MCP サーバーへ接続し、障害調査を行わせます。
検証の準備として、以下のような設定を事前に行います。
- Cloud Shell と ADC の設定
- プロジェクトの権限設定等
- Gemini CLI に MCP サーバーを設定
設定が適切にできていれば、AI エージェントは、以下のような流れで障害調査を行います。
- 人間が自然言語で障害調査を指示。以後は AI エージェントが行う
- Cloud Logging からエラーログを検索、抽出
- エラーメッセージや重大度を解析
- 関連する Google Cloud の公式ドキュメントを検索
- 調査結果と推奨される対処方法を整理して提示
関連記事
MCP サーバーの基礎知識等については、以下の記事も参照してください。
Gemini CLI の基本については、以下の記事も参照してください。
Cloud Shell の起動と基本設定
Cloud Shell の起動
当検証では、Google Cloud コンソールに組み込まれている Cloud Shell を使用します。
Google Cloud コンソール画面の右上にある「Cloud Shell をアクティブにする」ボタンをクリックし、ターミナルを起動します。Cloud Shell にはあらかじめ Google Cloud CLI や Gemini CLI がインストールされているため、すぐに検証を開始できます。
プロジェクト ID の設定
gcloud コマンドに、自分のプロジェクト ID を設定します。以下のコマンドの ${YOUR_PROJECT_ID} の部分は、自分のプロジェクト ID に置き換えてください。
# Google Cloud にログイン gcloud auth login # アクティブなプロジェクトを設定 gcloud config set project ${YOUR_PROJECT_ID} # 設定が反映されていることの確認 gcloud config list project
ADC の設定
MCP サーバーの使用時にユーザーの認証情報を使用できるようにするため、以下のコマンドを実行します。
gcloud auth application-default login
このコマンドを実行すると Application Default Credentials（ADC）と呼ばれる認証の仕組みで、ユーザーの Google アカウントの認証情報が使用されるようになります。
認証が完了すると、以下のようなメッセージが表示される場合があります。
API [cloudresourcemanager.googleapis.com] not enabled on project ... Would you like to enable and retry? (y/N)?
これは、Google Cloud プロジェクト情報を取得するための Cloud Resource Manager API がまだ有効化されていないことを示しています。y または Y を入力して Enter を押すと、API が有効化され、処理が再実行されます。
Google Cloud リソースの準備
API の有効化
以下のコマンドを実行して、プロジェクトで Cloud Logging と Developer Knowledge それぞれの API を有効化し、またそれぞれのリモート MCP サーバーも有効化します。
gcloud services enable logging.googleapis.com gcloud services enable developerknowledge.googleapis.com gcloud beta services mcp enable logging.googleapis.com gcloud beta services mcp enable developerknowledge.googleapis.com
2026年6月現在、gcloud コマンドで MCP エンドポイントの一覧表示、有効化、無効化を行う場合、ベータ版のコマンド（gcloud beta services mcp）を使用します。なお、このコマンドは現在ベータ版であり、予告なく変更される可能性があります。
- 参考 : gcloud beta services
API キーの作成と制限
Developer Knowledge MCP サーバーは、認証に API キーを使用します。セキュリティの観点から、この API キーは Developer Knowledge API 専用となるように制限をかけて作成します。
gcloud alpha services api-keys create \ --display-name="MCP-Knowledge-Key" \ --api-target service=developerknowledge.googleapis.com
作成が完了したら、以下のコマンドで API キーの文字列を取得し、控えておきます。
gcloud alpha services api-keys get-key-string \ $(gcloud alpha services api-keys list \ --filter="displayName='MCP-Knowledge-Key'" \ --format="value(name)") \ --format="value(keyString)"
IAM ロールの付与
マネージド MCP サーバーを利用するには、以下の2つのアクセス権限が両方必要です。
| No | ロール ID | 説明 |
|---|---|---|
| 1 | MCP ツールユーザー（roles/mcp.toolUser） | MCP サーバーへのアクセス権限: MCP プロトコルを使用するための権限 |
| 2 | Logging 管理者（roles/logging.admin） | Cloud Logging ログエントリを追記したり、閲覧するための権限 |
今回は、ユーザーの Google アカウントの認証情報を使用するので、これらのロールを自分のユーザーアカウントに付与します。以下のコマンドを実行し、必要な IAM ロールをプロジェクトレベルで付与します。
export PROJECT_ID=$(gcloud config get-value project) export USER_EMAIL=$(gcloud config get-value account) # MCP プロトコルを使用する権限を付与 gcloud projects add-iam-policy-binding ${PROJECT_ID} \ --member="user:${USER_EMAIL}" \ --role="roles/mcp.toolUser" # ログを管理する権限を付与 gcloud projects add-iam-policy-binding ${PROJECT_ID} \ --member="user:${USER_EMAIL}" \ --role="roles/logging.admin"
Gemini CLI への MCP サーバー設定
Gemini CLI の設定
Cloud Shell 上で Gemini CLI を使用するための設定を行います。Gemini CLI では構成ファイル（settings.json）を直接編集する手法もありますが、当記事ではコマンドから手軽に追記ができる gemini mcp add コマンドを使用します。
以下のコマンドを実行して、2つの MCP サーバーを追加します。YOUR_PROJECT_ID の部分は実際のプロジェクト ID に置き換えてください。また、YOUR_API_KEY の部分は先ほど控えた API キーの文字列に置き換えてください。
gemini mcp add -s user --transport http logging-mcp https://logging.googleapis.com/mcp gemini mcp add -s user --transport http --header "X-Goog-Api-Key: YOUR_API_KEY" developer-knowledge-mcp https://developerknowledge.googleapis.com/mcp
設定の確認
AI が MCP サーバーを正しく認識しているか確認するため、以下のコマンドを実行します。
gemini mcp list
MCP サーバーへの接続が成功している場合、以下の図のように接続状態に Connected と表示されます。
検証用ログの生成と動作確認
検証用ログの生成
AI エージェントに解析させるためのテストログを生成します。Cloud Shell で以下のコマンドを実行し、重大度（Severity）の異なるログを意図的に作成します。
gcloud logging write mcp-test-log "System boot sequence initiated" --severity=INFO gcloud logging write mcp-test-log "High memory pressure detected in zone us-central1-a" --severity=WARNING gcloud logging write mcp-test-log "ERROR: Failed to connect to Cloud SQL. Permission Denied." --severity=ERROR
動作の確認
Gemini CLI を起動します。
gemini
Gemini CLI を初めて起動する場合、以下のように認証方法の選択画面が表示されます。Google アカウントを利用して認証するため、「1. Sign in with Google」を選択します。
MCP サーバーの動作確認のために、自然言語で簡単なログの調査を依頼します。
'mcp-test-log' という名前のログから、最新のログエントリを3件表示して。その中で最も高い重要度（Severity）のエラーは何？
AI は自動的に必要なツールを選択し、ツール実行の許可を求めてきます。許可をすると、AI は先ほど生成したログを取得し、ログの抽出結果を回答します。
エラー調査の検証
Cloud Logging リモート MCP サーバーと Developer Knowledge MCP サーバーの両方が準備できたことで、AI エージェントは「ログの確認」から「公式ドキュメントによる解決策の調査」までを実行できるようになりました。
Cloud Shell 上でアラート調査を模したプロンプトを実行してみます。Gemini CLI を起動し、以下のようなプロンプトを入力します。
'mcp-test-log' という名前のログから、最新のログエントリを3件表示して。その中で最も高い重要度（Severity）のエラーは何？ それぞれのエラーについて、原因となるサービスとエラーメッセージを抽出し、Developer Knowledge MCP を使って公式ドキュメントから解決策を調査してください。 最後に、「対象サービス」「エラー概要」「推奨される解決策」をマークダウンの表形式で出力してください。
この指示を受けると、AI は以下のステップを実行します。
| No | ステップ | 説明 |
|---|---|---|
| 1 | ログの取得 | Cloud Logging リモート MCP サーバーの list_log_entries ツールを実行してエラーログを抽出 |
| 2 | 情報の抽出 | エラーメッセージの内容を解析し、問題が発生しているサービスを特定 |
| 3 | ドキュメントの検索 | Developer Knowledge MCP サーバーの search_documents および get_documents ツールを実行し、解決策を公式ドキュメントから検索 |
| 4 | 結果の整理 | 得られた情報を統合し、指定されたマークダウンの表形式で出力 |
最終的に、以下のスクリーンショットのような結果が出力されました。
佐々木 愛美 (min) (記事一覧)
クラウドソリューション部 データアナリティクス課。2024年7月 G-gen にジョイン。G-gen 最南端、沖縄県在住。最近覚えた島言葉は、「マヤー（猫）」。
