⬜ 7/30（木）12:00-12:30 🟥 Datadog Japan、プレイド 「SRE は AI に何を任せるべきか。 プレイドが Datadog で出した答え」 ✏️ 問題調査の何を AI に任せ、どこを人が担うべきか。Datadog Bits AI SRE における実践例をご紹介いただきます！ #GoogleCloudNext🗼#

# Claude Agent SDKの便利で実践的な使い方 📊 OpenTelemetry でエージェントの全動作を Datadog / Grafana / Langfuse に一元可視化できます。 OpenTelemetry を使用した可観測性は、エージェントのトレース・メトリクス・ログを OTLP で外部監視ツールにエクスポートする機能です。 📌 タイトル：OpenTelemetry を使用した可観測性 🔗 URL： 🧩 概要 `CLAUDE_CODE_ENABLE_TELEMETRY=1` でトレース・メトリクス・ログを有効化し、OTLP プロトコルで Honeycomb / Datadog / Grafana / Langfuse 等にエクスポートします。W3C トレースコンテキストの自動伝播でアプリのトレースと統合できます。 🛠 使い方 ```bash export CLAUDE_CODE_ENABLE_TELEMETRY=1 export CLAUDE_CODE_ENHANCED_TELEMETRY_BETA=1 # 詳細スパン export OTEL_EXPORTER_OTLP_ENDPOINT=https://your-collector:4318 ``` 🏗 実践的な使い方 ・「どのツールを呼び、何秒かかり、トークンをいくつ使い、どこで失敗したか」を Datadog で一元監視します。 ・`CLAUDE_CODE_ENHANCED_TELEMETRY_BETA=1` で `claude_code.interaction` / `llm_request` / `tool` / `hook` のスパンを取得し、サブエージェントの委譲チェーン全体を1トレースで可視化します。 ・`OTEL_RESOURCE_ATTRIBUTES` に ` / ` を注入し、ユーザー毎の監査証跡を構築して SIEM へ転送します。 💡 ユースケース 🔍 エージェント実行の詳細トレース分析 👥 ユーザー毎の監査証跡 🚨 障害発生時のボトルネック特定 ⚠️ 注意点 `console` エクスポーターは SDK のメッセージチャネルと衝突するため使用できません。短命プロセスでは `OTEL_*_EXPORT_INTERVAL` を短縮してフラッシュ漏れを防いでください。 #ClaudeAgentSDK# #AI#

# Claude Agent SDKの便利で実践的な使い方 📊 OpenTelemetry でエージェントの全動作を Datadog / Grafana / Langfuse に一元可視化できます。 OpenTelemetry を使用した可観測性は、エージェントのトレース・メトリクス・ログを OTLP で外部監視ツールにエクスポートする機能です。 📌 タイトル：OpenTelemetry を使用した可観測性 🔗 URL： 🧩 概要 `CLAUDE_CODE_ENABLE_TELEMETRY=1` でトレース・メトリクス・ログを有効化し、OTLP プロトコルで Honeycomb / Datadog / Grafana / Langfuse 等にエクスポートします。W3C トレースコンテキストの自動伝播でアプリのトレースと統合できます。 🛠 使い方 ```bash export CLAUDE_CODE_ENABLE_TELEMETRY=1 export CLAUDE_CODE_ENHANCED_TELEMETRY_BETA=1 # 詳細スパン export OTEL_EXPORTER_OTLP_ENDPOINT=https://your-collector:4318 ``` 🏗 実践的な使い方 ・「どのツールを呼び、何秒かかり、トークンをいくつ使い、どこで失敗したか」を Datadog で一元監視します。 ・`CLAUDE_CODE_ENHANCED_TELEMETRY_BETA=1` で `claude_code.interaction` / `llm_request` / `tool` / `hook` のスパンを取得し、サブエージェントの委譲チェーン全体を1トレースで可視化します。 ・`OTEL_RESOURCE_ATTRIBUTES` に ` / ` を注入し、ユーザー毎の監査証跡を構築して SIEM へ転送します。 💡 ユースケース 🔍 エージェント実行の詳細トレース分析 👥 ユーザー毎の監査証跡 🚨 障害発生時のボトルネック特定 ⚠️ 注意点 `console` エクスポーターは SDK のメッセージチャネルと衝突するため使用できません。短命プロセスでは `OTEL_*_EXPORT_INTERVAL` を短縮してフラッシュ漏れを防いでください。 #ClaudeAgentSDK# #AI#

# ADKの便利で実践的な使い方 ADKのAmbient Agents、ユーザーの明示的な指示なしにイベント駆動で自律的に動くエージェント、これはAIの新しいパラダイムです！🌊 📌 **タイトル**: Ambient Agents 🔗 **URL**: ## 🧩 概要 Ambient Agentsは、明示的な人間のインタラクションなしに自律的に動作するイベント駆動型バックグラウンドエージェントです。クラウドイベント（ストレージアップロード、データベース変更）、キューメッセージ、スケジュール実行、インフラストラクチャイベントに反応して自動的に処理を実行します。トリガーエンドポイント（`/apps/{app_name}/trigger/pubsub`、`/apps/{app_name}/trigger/eventarc`）でイベントを受信し、ペイロードの自動パース、セッションの自動生成、同時実行制御を内蔵しています。 ## 🛠 使い方 Ambient Agentsは2つのアプローチで実装できます。 **トリガーエンドポイント方式**（GCPネイティブ）: - `/apps/{app_name}/trigger/pubsub`: Pub/Subメッセージで起動 - `/apps/{app_name}/trigger/eventarc`: Eventarcイベントで起動 - ペイロードの自動パース（Base64→JSON変換） - UUIDによるセッション自動生成 - セマフォによる組み込み同時実行制御 **`/run`エンドポイント方式**（カスタム統合）: - Webhook、cronなど任意のイベントソースに対応 - ペイロードのパースは手動実装 - 同時実行制御も手動実装 - カスタム統合に最適 主要な設定パラメータ: - **同時実行制限**: デフォルト10（設定変更可能） - **リトライ戦略**: ジッター付き指数バックオフ - **タイムアウト**: 最大10分（Pub/Sub/Eventarcの制限） - **ストレージ**: 設定された`SessionService`でセッション永続化 ## 🏗 実践的な使い方 イベント駆動の自動化パターンです。 1. **メール自動トリアージ**: 新着メールをPub/Subで受信し、Ambient Agentが自動的に内容を分類（緊急/通常/スパム）。分類結果に基づいてラベル付け、転送、返信テンプレートの適用を実行 2. **モニタリングアラート自動対応**: インフラ監視ツール（Datadog、Cloud Monitoring等）のアラートをEventarcで受信。エージェントが自動的にログ分析、影響範囲の特定、一次対応（スケールアウト、再起動等）を実行 3. **定期データモニタリング**: Cloud Schedulerで定期的にエージェントを起動し、データベースの異常値検出、APIエンドポイントのヘルスチェック、コスト異常の検知を自動実行 4. **ドキュメント自動分類**: Cloud Storageへのファイルアップロードをトリガーに、エージェントが内容を解析し、適切なフォルダへの移動、メタデータの付与、関係者への通知を自動実行 ## 💡 ユースケース - 📧 **メール自動トリアージ**: 受信メールの自動分類・優先度付け・ラベリング - 🚨 **アラート自動対応**: 監視アラートの自動分析と一次対応の実行 - 📊 **定期データ監視**: データベースやAPIの定期的な異常検知とレポート生成 - 📄 **ドキュメント処理**: アップロードされたファイルの自動分類・OCR・メタデータ抽出 - 🎫 **サポートチケット処理**: キューから受信したチケットの自動分類と初期対応 - 🔍 **コンテンツモデレーション**: ユーザー投稿コンテンツの自動審査とフラグ付け ## ⚠️ 注意点 - 処理時間は最大10分の制限があります（Pub/Sub/Eventarcの制約）。10分を超える処理には別のアーキテクチャを検討してください - HTTPレスポンスコードが重要です。200で成功、500でリトライが実行されます - 同時実行制限のデフォルトは10です。負荷に応じて適切に調整してください - Ambient Agentsは人間の確認なしに動作するため、重要なアクション（データ削除、外部通知等）には安全機構を実装してください - セッションは自動生成されますが、`SessionService`の設定でセッション永続化バックエンドを適切に選択してください ✨ Ambient Agentsは「常に背景で待機し、イベントに即座に反応する」AIの新しいパラダイムです。人間が明示的に指示しなくても、メール・アラート・ファイル・スケジュールイベントに自動対応するインテリジェントな自動化を実現しましょう！ #ADK# #AIAgent#

AIエージェントをエンタープライズシステムに組み込むプラクティス 【Human-in-the-Loop 承認ゲート】 💡 AIの「最後の砦」は人間です。高リスク操作の前に承認を挟む仕組みがなければ、ハルシネーション1つで取り返しのつかない事態を招きます。 🔥 解決する課題 - ハルシネーション・誤操作による致命的ミスが最終チェックなく実行される - 「誰が承認したか」の証跡がなく説明責任を果たせない - 規制上、人間の関与が義務付けられている操作への対応ができない - 承認対象が広すぎて形骸化し、機械的にクリックするだけになる 🏗️ 提案パターン アクションをリスクスコアリング（金額・影響範囲・可逆性・データ分類）し、閾値を超えたものだけを承認キューへ送ります。承認通知はSlack・メール・専用UIで送信し、承認待ちの間ジョブは中断・永続化されます。承認/却下/修正の結果と承認者情報は監査ログに記録。初期は広めに承認を求め、精度実績が蓄積されたら段階的に自動化率を上げていく（HITL→HOTL→全自動）設計にします。 ✅ 選定条件 - 向き：金銭・契約・顧客接点・人事・本番変更など高リスク操作 - 不向き：低リスク・大量・即時性が命の処理（承認がボトルネック化） ⚠️ 落とし穴 - 全操作を承認対象にすると「承認疲れ」で形骸化する - 承認待ちのジョブ永続化設計を忘れると、タイムアウトでジョブが消失する - 自動化率を上げるタイミングの判断基準（精度実績の閾値）を事前に決めておかないと、いつまでも手動のまま 🛠️ 実装方針 1. リスクスコアリングロジック（金額・影響範囲・可逆性・データ分類）をOPA/Cedarでポリシーとして定義し、承認要否を動的に判定します 2. 承認通知はSlack Bolt（またはTeams Webhook）で実装し、承認/却下ボタン付きのインタラクティブメッセージを送信します 3. 承認待ちジョブの永続化にはTemporalのワークフロー中断機能またはStep Functionsのコールバック待機を使います 4. 承認/却下/修正の全結果を監査ログ（承認者・タイムスタンプ・理由）としてCloudWatch LogsやDatadog等に記録します 5. HITL→HOTL→全自動の移行閾値（例：連続100件の正答率99%超）を事前に定義し、ダッシュボードで進捗を可視化します #AIエージェント# #エンタープライズアーキテクチャ#

ハーネスエンジニアリングのアンチパターン AP9. 健忘症のハーネス（The Amnesiac Harness） 🎯 ポイント 毎セッション同じ地雷を踏み、同じ説明をされ、同じ訂正を受ける。複利が効くべきところで単利すら積まれていません——競争優位の最大の源泉を捨てています。 ❗ 発生する課題 ハーネスがセッション間で知識を蓄積しないため、同じ学習コストを無限に再支払いし続けます。エージェントは毎回同じ試行錯誤を繰り返し、組織のハーネスは時間とともに賢くなりません。 🔍 メカニズムと症状 このアンチパターンが見過ごされやすいのは、個々のセッションは「うまくいっている」ように見えるからです。「ビルドにはフラグXが要る」と学んだセッションは成功しますが、次のセッションで同じ発見を一からやり直します。知識固定という地道な作業は後回しにされがちで、「今回は動いたからOK」で終わります。しかし、学習コストの再支払いは1回なら些細でも数十回重なると膨大な浪費です。複利が効くべきところで単利すら積まれない——これは競争優位の最大の源泉を捨てているのと同じです。症状としては、「また同じエラーか」という既視感、毎回同じ環境設定でつまずく、チームが同じ情報をエージェントに何度も教える、といった現象が見られます。 📋 シナリオ ・エージェントが「このプロジェクトではDockerが必要」と3回のセッションで3回学び直す。毎回5分のビルドエラーとデバッグが発生し、合計15分を浪費。 ・レガシーコードの「このモジュールは廃止予定、代わりにYを使え」という知識を、5人の開発者がそれぞれのセッションでエージェントに教え直す。 ・インシデント対応で「このサービスのログはCloudWatchではなくDatadogにある」をエージェントが毎回発見し直し、初動の5分を無駄にする。 🛡 回避方法 ・エージェントが試行錯誤で学んだ知識を永続指示ファイル（AGENTS.md等）に即座に書き出すフックを実装します ・「一時的な情報」と「不変の知識」を区別し、後者だけを永続化するガイドラインを定めます ・指示ファイルの定期的な棚卸しサイクルを設け、古くなった知識を削除します ・知識が複利で積み上がるべき資産であることを認識し、「発見した瞬間の固定」を習慣化してください #HarnessEngineering# #KnowledgeManagement#