inflearn logo
知識共有
inflearn logo

深夜のアラート対応をAIに — Claudeで作るコマース運用・障害対応エージェント

【最終目標】障害注入 → アラート → AIによる一次分析 → ランブック・対応案 → 人の承認を得た対応 → ポストモーテムのドラフトまで一貫して実行する運用エージェントを自分で完成させます。仮想のコマースサービス「Loop Market」をDockerで立ち上げ、Prometheus・Grafana・Loki・Claudeを使って実習します。'

1名 が受講中です。

難易度 中級以上

受講期間 無制限

Prometheus
Prometheus
grafana
grafana
claude
claude
sre
sre
Model Context Protocol
Model Context Protocol
Prometheus
Prometheus
grafana
grafana
claude
claude
sre
sre
Model Context Protocol
Model Context Protocol

この講座で身につくこと

  • アラートのannotationにrunbook_urlを設定し、ボットがランブック・オンコール・ダッシュボードを障害対応チャンネルに自動で案内するようにします。

  • SLI・SLOとバーンレートの複数ウィンドウアラートにより、「ユーザーへの影響」がある場合にのみ人を起こし、誤検知アラートをルールチェッカーで除外します。

  • 決定論的な収集器(メトリクス・ログ・DBセッション)とAI判定器を分離し、根拠IDと許可された措置の一覧でAIの回答を検証します。

  • 秘密情報のマスキング・キルスイッチ(フィーチャーフラグ)・人による承認ゲート・読み取り専用アカウントを備え、社内に導入できる安全対策を整えます。

  • Prometheus・Loki・Alertmanagerを読み取るオブザーバビリティMCPサーバーを作成し、時間窓・参照範囲の制限と監査ログをサーバー側で強制します。

  • 毎日、異常・前兆レポートとポストモーテムの草案を、「記録はコードが、記述はAIが」という原則に基づいて自動化します。

最終目標 — 受講後、何を作って動かすのでしょうか?

障害を注入すると → アラートが鳴り → エージェントがメトリクス・ログ・DBを調べて一次分析を行い → ランブックのリンクと対応案を障害対応チャンネルに投稿し(対応の実行は人の承認後のみ)→ 解消後にはポストモーテムの草案まで作成するシステムを、皆さんのノートパソコンで実際に完成させて動かします。

第0講(無料プレビュー)で、完成版が実際に動く3分間をまずお見せします。実際の記録そのままです。

  • 23:34:02 — 障害注入:注文テーブルをロックしたセッション(hog)を200秒間維持する

  • 23:34:34 — 🚨 DBコネクションプール枯渇アラート+ボットがランブック・オンコール・ダッシュボードへのリンクを添付

  • 23:34:45 — ↳ 注文エラー予算の急速な消費(人を起こすアラート)が同じインシデントとしてまとめられる

  • 23:35:07 — 🤖 AIによる一次分析: 「hogセッションがordersを排他ロック・shop-apiのセッション8個が待機中」(根拠ID D1・D2・M7・L1)

  • 23:35:21 — ✋ オンコールが「ロックセッションの終了」を承認 → 許可リスト内のコマンドを1つだけ実行

  • 23:37:35 — ✅ インシデント解決(アラートから解決まで150秒)→ 📝 ポストモーテムの下書き

最後のキャップストーンでは、空の状態からこのフローを皆さんの手で再構築します。

この講座の特徴

  • AIは判定だけ、収集はコードが担います。アラートごとに定められたクエリでメトリクス・ログ・DBセッションを収集し、AIの回答は根拠ID・許可された対応リストの検証を通過して初めてチャネルに投稿されます。

  • AIが間違えた場面もそのままお見せします。DBの根拠がないときに原因を特定できなかった記録や、同時に発生したアラートによって分析が二重に投稿されたバグ(ポストモーテムの草案が自ら指摘)まで、講義の題材として取り上げます。

  • 社内に導入できる安全策を最初から。秘密情報のマスキング、キルスイッチ(フィーチャーフラグ)、人による承認ゲート、読み取り専用アカウント、監視MCPの時間枠・照会範囲の制限と監査ログ。

  • APIキーなしでも最後まで進められます。判定器をofflineルールに切り替えれば、同じ流れをそのまま実行できます。Claude CodeやAPIキーがあれば、その場でAI判定に切り替わります。

この講義を終えると

  • アラートのannotationにrunbook_urlを入れ、ボットがランブック・オンコール・ダッシュボードを障害対応チャンネルに自動で案内するようにします。

  • SLI・SLOとburn rateのマルチウィンドウアラートで、「ユーザーへの影響」がある場合にのみ担当者を起こし、誤検知アラートをルールチェッカーで除外します。

  • 決定論的な収集器(メトリクス・ログ・DBセッション)とAI判定器を分離し、根拠ID・許可されたアクション一覧でAIの回答を検証します。

  • 秘密情報のマスキング・キルスイッチ(フィーチャーフラグ)・人による承認ゲート・読み取り専用アカウントを整備し、社内に導入できる安全対策を整えます。

  • Prometheus・Loki・Alertmanagerを読み取る可観測性MCPサーバーを構築し、時間範囲・クエリ範囲の制限と監査ログをサーバー側で強制します。

  • 毎日の異常・予兆レポートとポストモーテムの草案を、「記録はコードが、記述はAIが」という原則で自動化します。

このような方におすすめです

  • コマース・プラットフォームサービスのオンコール対応を担うバックエンド開発者

  • アラート疲れと深夜の呼び出しを減らしたいSRE・DevOpsエンジニア

  • AIを運用自動化に導入したいが、セキュリティや信頼性が心配なチームリード

カリキュラム(9セクション・26講・約173分)

  • セクション0. 最終目標を先に見る — 第0講 完成版を先に見る — 深夜の障害をエージェントが引き受ける3分間

  • セクション1. 実習環境 — ループマーケット — 1講 ループマーケットを起動する · 2講 メトリクス・ログを読む · 3講 4種類の障害を注入してみる

  • セクション2. アラートとランブック — 第4講 アラートルールから障害チャンネルまで · 第5講 ランブックへのリンクとオンコール案内ボット · 第6講 誤検知アラートを整理する

  • セクション3. SLOとburn rate — 第7講 SLIとSLOを数値で定める · 第8講 burn rateの複数ウィンドウアラート · 第9講 ユーザーへの影響がある場合にだけ人を起こす

  • セクション4. AI一次分析 — 第10講 役割分担 — 収集はコード、判定はAI · 第11講 決定論的な収集器を作る · 第12講 判定プロンプトと出力検証 · 第13講 Claude連携とフォールバック · 第14講 アラートの嵐とインシデントのグルーピング

  • セクション5. セーフガード — 第15講 機密情報のマスキング · 第16講 AI機能のキルスイッチ · 第17講 人による承認ゲートと読み取り専用

  • セクション6. 観測MCP — 第18講 観測MCPサーバーを作る · 第19講 MCPの安全ルール · 第20講 Claude Codeで障害を調査する

  • セクション7. 毎日の異常・予兆レポート — 第21講 毎日の異常・予兆レポート · 第22講 一般的なSREの質問と自社指標の比較 · 第23講 Wiki文書がそのまま実行プロンプトになる

  • セクション8. ポストモーテムとキャップストーン — 第24講 ポストモーテムの草案を書く · 第25講 キャップストーン — 最初から完成させ、運用に乗せる

実習環境

仮想スポーツ・アウトドア用品総合モールループマーケット(LoopMarket)をDocker Composeひとつで起動します。ショッピングモールAPI(注文・商品)・PostgreSQL・Redis・Prometheus・Alertmanager・Grafana・Loki・障害通知チャンネルの受信機・障害注入スクリプト(遅延・5xx・コネクション枯渇・キャッシュ帯域の急増・徐々に遅くなる現象)。エージェントはmacOS標準のpython3の標準ライブラリのみを使用します。実習資料(ZIP)には、各講義の課題と解答、単体テスト、ルールチェッカー、ランブックの見本、日次点検ドキュメントが含まれています。

前提知識

  • Docker・Docker Composeの使用経験

  • 基本的なモニタリングの概念(メトリクス・ログ・アラート)

  • macOS(またはDockerが動作するLinux)搭載のノートPC、空きメモリ4GB以上、

この講義で扱わないこと

  • Prometheus・Grafanaのインストール・運用入門 全編

  • Kubernetes運用

  • 特定の商用モニタリングSaaSの使い方

  • LLMモデルの学習・ファインチューニング

価格

定価99,000ウォン → リリース割引20% → 販売価格79,200ウォン

案内

スライドのナレーションは合成音声です。講義画面に表示されるAIの回答は実際の実行記録であり、実行ごとに文章が異なる場合があります。すべてのデータは教育用の仮想データ(架空の企業「ループマーケット」)であり、時間や件数は実行環境によって異なる場合があります。

次のような方に
おすすめです

受講対象

  • コマース・プラットフォームサービスのオンコールを担当するバックエンドエンジニア

  • アラート疲れと深夜の呼び出しを減らしたいSRE・DevOpsエンジニア

  • AIを運用自動化に導入したいが、セキュリティと信頼性が気になるチームリーダー

前提知識

  • Docker・Docker Composeの使用経験

  • 基本的なモニタリングの概念(メトリクス・ログ・アラート)

  • macOS(またはDockerが動作するLinux)ノートPC、空きメモリ4GB以上

こんにちは
dorian05202988です。

経歴認証済み

20年以上にわたりデータベースとIT分野でキャリアを積んできたデータ職人です。DBAおよびDB Platformチームのマネージャーとしてデータベースプラットフォームに携わり、MySQL・PostgreSQL・Oracle・MongoDB、SQLチューニング、AWS・Terraform・Pythonを専門分野としています。ゲーム・金融・ITサービス分野での経験をもとに、データベースとクラウドアーキテクチャについて解説しています。『オラ​​クル実務チューニング SQLパターン学習』と『Oracle Pro*C実務プロジェクト活用書』を出版し、AWS Summit 2018・2019と「データよ、遊ぼう」2020では、サーバーレス・データベースの選択・マルチデータベース戦略について発表しました。最近は、Bedrock LLMを利用したスロークエリの分析・チューニング提案、DBスペック算定の自動化、DBメタMCPサーバーとSlackボットを通じた照会フローを扱っています。開発者向けのデータベース自動化と、非開発者向けのAI業務活用について、各コースの対象者と目的に合わせた実習を通じて解説しています。AIの提案をそのまま適用するのではなく、結果の同一性・実行計画・観測条件を確認し、根拠が不足している場合は保留する判断基準を伝えています。会社の運用データや認証情報は講義資料に含めません。

もっと見る

カリキュラム

全体

26件 ∙ (2時間 52分)

講座資料:

授業資料
講座掲載日: 
最終更新日: 

受講レビュー

まだ十分な評価が集まっていない講座です。
ぜひ最初のレビューをお寄せください。

dorian05202988の他の講座

知識共有者の他の講座はこちら

似ている講座

同じ分野の他の講座を見てみましょう!

期間限定セール

¥10,057

19%

¥12,571