人工知能（AI）を取り巻く状況は、単純な会話型インターフェイスの域を超えて進化しています。ルールベースのチャットボットとして始まったものが、高度な推論システムを経て、現在の非常に有能な AI エージェントへと進化し、人間の介入を最小限に抑えながら複雑なマルチステップタスクを実行できるようになりました。こうした最新のエージェントは、クエリに応答するだけでなく、積極的に計画を立て、ワークフローを実行し、意思決定を行い、進化するコンテキストに基づいてアプローチを調整します。この進化は、企業が AI を活用する方法が根本的に変わったことを表しています。事後対応型の支援から、組織全体に測定可能なビジネス価値を提供する、プロセスの最適化や戦略的意思決定といったナレッジワークのプロアクティブな自動化へと移行しました。AI の導入を計画している組織にとって、こうした変化を可能にする技術的基盤を理解することはきわめて重要です。
AI エージェントの実際の仕組み
効果的な AI エージェントを実現するには、協調して機能する 2 つの重要なコンポーネントが必要です。1 つ目は、OpenAI、Anthropic、 Google などの Model-as-a-Service プロバイダーの基盤モデルを駆使した高度な自然言語理解です。これにより、エージェントが複雑な指示を理解し、情報を合成して、インテリジェントな応答を生成することを可能にする、認知的推論機能が提供されます。2 つ目のコンポーネントは、「AI のための API」として機能する、モデル コンテキスト プロトコル（MCP）です。MCP は、エージェントが企業固有のコンテキスト、データソース、分野に関する専門知識を意思決定プロセスに統合することを可能にする、標準化されたフレームワークです。これらのコンポーネントが強力な相乗効果を生み出します。エージェント開発者は、基盤モデルの膨大な一般的知識と推論機能を活用しながら、コンテキスト情報と専用ツールを挿入して、エージェントを特定のビジネスユースケースやエンタープライズ ワークフローに有用なものにします。
AI エージェントが失敗する場合：隠れたリスク
ミッションクリティカルな業務に AI エージェントを導入する場合、インフラストラクチャの信頼性とパフォーマンスが最優先事項になります。これらのエージェントは、確実に動作する必要がある 2 つの重要なコンポーネントに依存しています。認知機能を提供する推論プロバイダーと、企業コンテキストと専用ツールを提供する MCP サーバーです。いずれかのコンポーネントで可用性、パフォーマンス、精度が低下すると、その影響は連鎖的に広がり、重大なビジネスの中断、妥協した意思決定、自動化ワークフローの失敗につながります。エージェントは、最小限の監視の下で複雑なワークフローを実行し、状況に応じた意思決定を行い、事業運営に直接影響を与えるアクションを実行するため、失敗の影響が特に高いと言えます。こうしたリスクを考えると、組織には、推論プロバイダーと MCP サーバーの両方の正常性、パフォーマンス、動作をリアルタイムで可視化する包括的なモニタリングソリューションが必要になります。そのようなソリューションを使用することで、インテリジェントな自動化レイヤを、堅牢で予測可能かつ信頼できるものに維持できます。
AI アシュアランスに対する新しいアプローチ
ThousandEyes は、AI インフラストラクチャ固有の課題に対処するために、この環境向けに設計された 2 つの専用モニタリングソリューションを使用しています。それが、AI 推論プロバイダー向けのテストテンプレートと、MCP サーバーの継続的なモニタリングソリューションです。これらは、AI インフラストラクチャのオブザーバビリティの次の進化を表すものです。従来のモニタリングとは異なり、これらのソリューションは、モニタリング AI システムの個別の要件に対応します。稼働時間と応答時間の標準的なメトリックでは不十分で、サービスが応答しているだけでなく、適切で一貫性のある出力を生成していることを検証する必要があるような場合にも対応できます。これらのソリューションは、この包括的なアプローチを提供することで、エンタープライズ AI の展開に必要となる詳細な可視性とアシュアランスを提供します。それにより、組織は信頼性とパフォーマンスの厳格な基準を維持しながら、エージェントの実装を自信を持って拡張できるようになります。
AI テストテンプレート：AI 推論プロバイダーを詳細に検証
図 1. 一般的なモデル推論 API を管理するのに役立つ、新たに提供されたテストテンプレート
テストテンプレートは、お客様のエージェントデプロイメント内で設定された特定のデベロッパー API と生成 AI モデルを対象とすることで、AI 推論プロバイダーのパフォーマンスに対する高度な可視性を提供します。これらのテンプレートを使用すると、遅延、応答時間、トークン効率、サービスの可用性を、多くのグローバルな場所から多次元的にテストし、エージェントの展開場所に関係なく一貫したパフォーマンスを確保できます。最も重要な点として、テンプレートにはカスタマイズ可能なプロンプトが組み込まれています。これは、現実的な分野固有のクエリを使用してモデルを実行し、高度なアサーションロジックを使用して、回答が正確性、一貫性、適切性を長期的に維持することを検証します。このアプローチにより、モデルのパフォーマンスの微妙な低下を検出し、地域ごとのサービスの変化を特定できます。さらに、基盤となるモデルが更新されたり、インフラストラクチャの変更が発生したりしても、エージェントが信頼性の高い結果を提供し続けることができ、本番環境対応 AI の展開に必要な自信が得られます。
図 2. ThousandEyes が、プロバイダーの過負荷によるモデル推論の失敗を検出
MCP サーバーのモニタリング：エンタープライズ コンテキストの完全性の実現
MCP サーバーの継続的なモニタリングのためのテストテンプレートにより、エンタープライズ コンテキスト レイヤを包括的に監視して、 AI エージェントをビジネスアプリケーションにとって有益なものにすることができます。システムは、ストリーミング可能な HTTP を介して標準ベースの MCP クライアント接続を確立し、MCP プロトコルを大規模に使用して、各サーバーで公開されている利用可能なすべてのリソース、ツール、機能を検出します。このソリューションは、可用性とパフォーマンスの基本的なモニタリングだけでなく、MCP リソースも検査し、利用可能なツールとその設定の状態を検証します。この能力は、セキュリティとガバナンスの重要な機能となり、組織は MCP 環境で現在どのツールが公開されているかを把握できるようになります。現代のエージェントは、ユーザーのクエリを解決するツールを自律的に選択して実行するため、セキュリティ、コンプライアンス、運用の完全性を確保するには、ツールエコシステムを厳密に可視化し、制御することが不可欠です。この包括的なモニタリングアプローチにより、エンタープライズ コンテキスト レイヤを強力かつ制御可能な状態に維持できます。
AI の約束を現実に
高度な基盤モデル、MCP を介した標準化されたエンタープライズコンテキスト統合、包括的なモニタリング機能が一つに集まったことは、エンタープライズ AI の導入における転機を表しています。組織は今、ミッションクリティカルな運用に必要な可視性と制御を維持しながら、高度な AI モデルの推論機能と詳細なエンタープライズ コンテキストを組み合わせた自律型エージェントを展開するための構成要素を手に入れたのです。推論プロバイダー向けのテストテンプレートと MCP サーバーの継続的なモニタリングという、シスコのモニタリングイノベーションは、企業が AI エージェントの展開を自信を持って拡張するために必要な運用基盤を提供します。これらのソリューションは、企業環境が必要とするセキュリティ、ガバナンス、信頼性の基準を維持しながら、高度な AI 機能へのアクセスの幅を拡大します。これらのテクノロジーをうまく活用する組織は、インテリジェントな自動化、意思決定の強化、組織全体に人間の専門知識を広げて運用を大幅に向上させる能力を通じて、大きな競争優位性を得ることができます。