AI時代のObservability設計 - アプリケーション / インフラ / CI / LLMすべてを監視する（設計編）

概要

AIがシステム状況を正確に把握・分析できるよう、監視対象（アプリ、インフラ、CI、LLM）ごとに最適なデータ形式とバックエンドを使い分けるObservability設計の解説。

詳細内容

エアークローゼット社における、AI（LLM）を前提としたObservability（観測性）設計の解説記事です。AIに渡すデータの「質」を重視し、AIが回答すべき問い（探索、時系列、履歴、集計）に応じて、観測スタックを以下の4つの軸で最適化しています。1. **アプリケーション**: OTel + Loki + Tempoの標準構成でAIによる調査を可能にする。2. **インフラ**: 全メトリクスをMimirに集約し、AIがリソース状況を把握。3. **CI**: ログをGitHub APIからpullしてLokiへ流すことで、認証情報を隔離しつつAIが故障履歴を検索可能にする。4. **LLM**: GeminiはPrometheusでリアルタイムコスト監視を行い、Claude CodeはBigQueryで詳細な利用統計をSQL集計する。すべてを一つのツールに寄せず、分析の性質に基づいたバックエンド選定を強調しています。

元記事を読む他のサマリーを見る