OctoPerfでAIに負荷試験を任せる方法|本番と取引先を守る線

「AIに任せれば、キャンペーン前の負荷試験を外注せずに自分たちで回せるのではないか」「でも、AIが勝手に本番のサイトへ大量のアクセスを流したら、誰が止めて、誰が責任を取るのか」——サイト公開や社内AIの展開を控えた情シスとマーケの間で、最近よく交わされるやり取りです。フランスの OctoPerf は2026年6月、Claude や ChatGPT などのAIから負荷試験の取り込み・修正・実行・結果の読み取りまでを行えるMCPサーバーを正式に公開しました。よくある誤解は「AIが試験を組んでくれるので、手間とリスクが減る」というものです。実際にAIへ渡るのは作業の手間ではなく、つないだ人のアカウントが持つ「負荷を流す権限」そのものです。この記事では、負荷を向けてよい先の決め方、誰の権限で動くか、実行ボタンを人が押す範囲、結果の読み違いを誰が確かめるか、クラウド版か自社設置かを、導入の手順に沿って整理します。
カメ先生AIに負荷試験を任せる話は、試験の台本づくりが楽になる話だと思われがちなんだ。でも本当は、何千人分のアクセスを流す引き金を、AIの手の届くところに置くかどうかという話なんだよ。
カメ子台本を作るだけなら失敗しても困らないけれど、実行まで任せると相手のサーバーに本当に負荷がかかる、ということですか。
カメ先生そう。しかも負荷の向け先は自社のサーバーだけとは限らない。ページに埋め込んだ広告タグや決済、外部のフォームにも同じアクセスが届く。だから向け先と押す人を先に決めておくのが要になる。
カメ子AIが賢いかどうかより、どこまでの範囲で動かしてよいかを人が先に決めておく話なんですね。
- OctoPerf のMCPサーバーは、つないだ人の権限のまま約190の操作をAIに開く。権限を細かく絞る仕組みは、公式も「現時点では強制しない」と明記している
- 「頼まれたときだけ実行する」はAIへの手引きに書かれた約束で、サーバー側の錠ではない。負荷を向けてよい先と実行を押す人は、社内で先に決める
- 結果の読み違い(負荷を出す側の過負荷、キャッシュ、失敗の速さ)は公式も注意を促している。合格の線と最終判断は人が持つ
うちの業務、AIで何が自動化できる?
「AIで何ができるかは分かったが、自社の業務のどこに使えるのかが分からない」という段階の方へ。30業務の判定と5つの実務例から、最初に自動化する1業務を選ぶための無料ガイドです。
OctoPerfとは:フランス発、JMeter を土台にした負荷試験の基盤
OctoPerf は、Webサイトや業務アプリ、APIに多数の利用者が同時にアクセスした状態を作り出し、応答の遅れや詰まる箇所を調べるための基盤です。公式の会社紹介によると、フランスで10年以上前に創業し、外部資本に頼らない独立系の会社として運営されており、32か国・1,000社超の顧客がいると公表しています。提供形態は、同社のクラウドで動かす版と、自社のサーバーに設置する Enterprise 版の二つです。試験の中身は、広く使われているオープンソースの負荷試験ツール JMeter の形式を土台にしており、ブラウザを実際に動かす Playwright の形式も扱えます。
2026年10月25日には OctoPerf 18 を公開し、負荷を出す仕組みとして新たに K6 にも対応しました。同じ時期の公式ブログでは、他社の負荷試験製品や Gatling で書かれた試験を、AIエージェントを使って移し替える手順も紹介しています。なお、検索すると Abstracta という試験会社の名前が並んで出てきますが、公式の発表で確かめられるのは提携関係で、買収や統合ではありません。日本語の公式資料や国内の販売代理店は、今回の調査では確認できませんでした。契約・サポートとも英語が前提になると考えておくのが無難です。
2026年6月のMCPサーバー:AIから試験の作成・実行・結果の読み取りまで
2026年6月5日、OctoPerf の最高経営責任者は公式ブログで、MCPサーバーを「正式にサポートする製品機能」として公開したと発表しました。公開時点で約100の操作を備え、録画した通信や JMeter の試験ファイルの取り込み、試験の修正、動作確認、シナリオの実行と停止、結果の読み取りまでをAIから行えると説明しています。その後も機能は増え、現在の公式ドキュメントでは約190の操作と記載されています。ワークスペースの作成やメンバーの追加、役割の変更、通知先の設定、サーバー監視の作成、定期実行の登録まで含まれます。
つなげるAIも幅広く、公式ドキュメントは Claude(Web版・デスクトップ版・開発者向けの道具)、ChatGPT、Codex、Gemini の開発者向けの道具、GitHub Copilot、Cursor、Mistral の対話画面などの接続方法を載せています。つまり、社内で配っている汎用のAIから、負荷試験の基盤を直接動かせる状態になったということです。使い方の手軽さが上がった分だけ、「誰がどこまで動かしてよいか」の線を会社の側で引く必要が出てきました。以下では、その線を引く順番に沿って話を進めます。
誤解:「AIは頼まれたときしか試験を流さない」は製品の錠ではない
公式がAI向けに公開している手引き(エージェントに読ませる説明書)には、シナリオの実行は「破壊的(クレジットを消費する)」操作であり、探索の途中で呼び出さず、利用者が明示的に実行を頼んだときだけ使うように、と書かれています。試験の停止についても、公式は「止めるかどうかはあなたの判断で、AIは止め方を伝えるだけ」と説明しています。これだけ読むと、AIが勝手に負荷を流す心配はないように見えます。しかし、これはAIに読ませる約束事であって、サーバーが実行を拒む錠ではありません。手引きを読み込ませていないAIや、指示を取り違えたAIには効きません。
一方で、サーバーの側で確実に効く仕組みもあります。事前点検で重大な誤りが見つかったシナリオは、実行も定期実行も拒否されます。プロジェクトの削除には正確な名前の入力が求められます。そして何より、AIはつないだ人の権限を超えた操作はできません。逆に言えば、その人ができることは、AIもすべてできるということです。公式の接続済みアプリの説明でも、許可の範囲(スコープ)は記録されるだけで、現時点では操作ごとに絞り込む仕組みにはなっていないと明記されています。
- AIへの手引きに「頼まれたときだけ実行」と書いてあるから、実行権限のあるアカウントでつないでよいと判断する
- 許可の範囲を画面で確認したから、読み取りだけに絞れていると思い込む
- 停止はAIが判断してくれると考え、試験中に画面を見ている人を置かない
手順1:負荷を向けてよい先を、紙の上で先に決める
最初に決めるのは、AIの設定ではなく負荷を向けてよい先の一覧です。OctoPerf の利用規約は、試験する権限を持たないWebサイトやアプリへの試験を禁じています。自社のサイトであっても、ページの中には他社のサーバーへのアクセスが多く含まれています。キャンペーンのLPを例にとると、広告の計測タグ、アクセス解析、MAのフォーム、チャット窓口、地図や動画の埋め込み、決済の画面などです。ブラウザの通信を録画して試験を作ると、これらへのアクセスもそのまま試験の台本に入ります。
AIに「このLPに千人分のアクセスを流して」と頼むと、AIは録画された通信をそのまま使うかもしれません。その結果、取引先や外部サービスに大量のアクセスが届き、相手の利用規約に触れたり、広告の計測数字を汚したりするおそれがあります。向けてよいのは自社が管理し、試験の許可を取ったサーバーだけ。外部の通信は台本から外すか、模擬の応答に置き換えるという線を、AIに渡す前に文書にしておきます。外部の通信を模擬に置き換える考え方は別の記事で扱っているため、ここでは「台本から外す対象を人が一覧で決める」ことだけ押さえておけば十分です。
| 向け先 | AIに負荷を向けさせてよいか | 決めておくこと |
|---|---|---|
| 自社の検証環境 | 可(最初はここだけ) | 本番と同じ構成か、データは架空か |
| 自社の本番環境 | 人が日時を決めて実行する場合のみ | 告知先、停止の担当、時間帯 |
| 外部の配信網・ホスティング | 事前に相手の了解を得た場合のみ | 連絡窓口、相手の規約の確認 |
| 広告タグ・解析・決済・外部フォーム | 向けない | 台本から外す、または模擬に置き換える |
| 取引先や委託先のAPI | 向けない | 相手との契約で試験が認められているか |
手順2:誰のアカウントでつなぐか:人の権限がそのままAIに渡る
OctoPerf のMCPサーバーは、OAuth 2.1 という仕組みで、使う人がブラウザで普段どおりにログインして接続を許可する方式です。公式は「サービス用の身元もAPIキーもない」「すべての操作はあなたとして認証される」と説明しています。これは、誰が操作したかが人に紐づくという点では良い設計です。ただし裏返すと、強い権限を持つ人がつなげば、AIも強い権限で動くということでもあります。
そこで、AIにつなぐ専用の作業用ワークスペースを分けることを考えます。公式の手引きによると、ワークスペースはメンバーとその役割、負荷を出す仕組み、通知先をまとめる単位で、プロジェクトはその中に試験や結果を収める単位です。本番向けの試験を管理するワークスペースと、AIと一緒に試験を組み立てる検証用のワークスペースを分け、AIをつなぐ人には検証用で必要な役割だけを持たせる。こうすると、AIの手が本番向けの設定に届く道を、製品の権限の仕組みで塞げます。なお、一度作ったワークスペースはクラウド版では自分で削除できず、サポートへの依頼が必要だと公式は説明しています。作る数は最小限にとどめ、目的と持ち主を記録しておきます。
手順3:役割を4段で切る:管理者・試験者・実行者・閲覧者
公式の手引きは、ワークスペースの役割として、すべてを行える管理者、プロジェクトを作り既存の資源すべてに触れられる試験者、仮想ユーザー(試験の台本)の編集以外を行える実行者、台本と結果を読むだけの閲覧者、それに細かな許可を組み合わせた個別設定の5つを挙げています。社内の担当に当てはめると、次のような割り振りが考えられます。
- 管理者(メンバーと設定を含めすべて)……情シスの責任者1〜2名。この役割のアカウントではAIをつながない
- 試験者(プロジェクトの作成と既存資源への操作)……試験を組む担当や委託先。検証用ワークスペースに限って付与する
- 実行者(台本の編集以外のプロジェクト操作)……実行日に立ち会う担当
- 閲覧者(台本と結果の閲覧のみ)……マーケ・企画・経営層。結果の要約をAIに頼む人
注意したいのは、閲覧者以外の役割ではAIからも実行ができてしまう点です。実行を伴わない作業、たとえば結果をAIに要約させるだけなら、閲覧者の権限でつなぐのが最も安全です。また、メンバーの追加は招待ではなく、すでに OctoPerf のアカウントを持つ人をメールアドレスで加える操作で、役割を指定しなければ閲覧者として加わると公式は説明しています。AIに「この人を追加して」と頼めてしまうため、メンバーの追加と役割の変更は、AIに頼まず管理者が画面で行うと決めておくと、権限が気づかないうちに広がるのを防げます。
手順4:実行ボタンを人が押す範囲を決める
権限を絞っても、試験者や実行者としてつなげばAIは試験を実行できます。そこで、操作を三つに分け、どれを人が押すかを決めます。公式の手引きは、台本の静的な点検やシナリオの事前点検はクレジットを消費しないとし、シナリオの実行と定期実行の登録は「破壊的」と区分しています。
結果の読み取りと要約、過去の結果どうしの比較、台本の静的な点検、シナリオの事前点検など、相手のサーバーにアクセスを流さず、費用もかからない操作です。
台本の修正や取り込み、1人分の動作確認です。動作確認は費用がかからないものの、1人分とはいえ実際に相手のサーバーへアクセスが届きます。向け先が手順1の一覧に入っているかを人が確かめてから進めます。
シナリオの実行、定期実行の登録、試験の停止、専用の発信元アドレスの解放、プロジェクトの削除です。AIには「実行してよい状態か」の確認までを頼み、実行そのものは担当者が画面で押す運用にします。
特に気をつけたいのが定期実行です。公式の手引きは、定期実行は発火のたびに通常の実行と同じだけクレジットを消費し、毎日の設定は止めるまで毎日費用を減らし続けると注意しています。さらに時刻は協定世界時で解釈されるため、「毎晩0時」と頼んだつもりが日本時間の朝9時に本番へ負荷を流していたという取り違えが起こり得ます。定期実行の登録はAIに任せず、登録内容を日本時間に直して人が読み合わせてから確定するのが安全です。
手順5:試験の前日までに、関係先へ知らせる
負荷試験のアクセスは、受ける側から見ると攻撃と区別がつきにくいものです。OctoPerf のクラウド版では、負荷を出す仕組みが Amazon のクラウド上で動き、公式ドキュメントは送信元になり得るアドレスの範囲を公開しています。自社のサイトが外部の配信網や攻撃対策の仕組み、ホスティング会社のサーバーの上にある場合、試験のアクセスが遮断されたり、相手の監視に引っかかって問い合わせが来たりすることがあります。
そのため、本番や本番に近い環境に負荷を向けるときは、前日までに次の相手へ日時と規模を知らせておきます。AIはこうした連絡を代わりにしてはくれません。料金表によると、専用の発信元アドレスは1つあたり30ドルの追加料金で使えると掲載されており、受ける側で特定のアドレスだけを通す設定にしたい場合の選択肢になります。自社の機器から負荷を出す仕組みもあり、社外のクラウドを経由させたくない場合はそちらを検討します。
- 自社サイトの保守を委託している制作会社・ホスティング会社
- 配信網や攻撃対策サービスの管理者(社内・社外)
- 同じサーバーを使う他部署・他サービスの担当
- 試験の時間帯にキャンペーンや広告配信を動かしているマーケ担当
- 社内AIの基盤であれば、その利用者への告知(遅くなる時間帯の案内)
手順6:結果の読み違いを、誰が確かめるか
AIに試験結果を要約させると、「同時350人で応答が急に遅くなりました」といったわかりやすい答えが返ってきます。しかし公式の手引き自体が、結果をそのまま信じてはいけない場面をいくつも挙げています。代表的なのは三つです。第一に、負荷を出す側の機械が過負荷になっていると、記録される応答時間は実際より短く出ます。第二に、同じページへの再訪問でキャッシュの応答(変更なしの返事)が約4割を超えると、数字は楽観的になります。第三に、サーバーが失敗を速く返している時間帯は、処理量が一見増えたように見えます。
加えて、公式は百分位の値が区間ごとの平均から計算されるため、最も遅い一部のリクエストを過小に見せると注意しています。AIはこうした但し書きを要約の中で落とすことがあります。AIの要約には「負荷を出す側に警告は出ていないか」「どのデータを根拠にしたか」を必ず書かせるようにし、最終的な読み取りは、受ける側のサーバーの監視データと突き合わせられる人が行います。社内に読める人がいなければ、そこは外部の専門家に頼む範囲として切り出しておきます。
- AIに頼むのは「どのグラフのどの数字から、何が言えるか」の下書きまで
- 「合格・不合格」の判断と、その根拠の確認は人が行う
- 負荷を出す側の警告の有無は、要約の冒頭に書かせる
合格の線は、AIではなく事業の側が決める
結果を読む前に、何をもって合格とするかを決めておく必要があります。OctoPerf には応答時間やエラー率の許容範囲を定める仕組みがあり、公式の手引きによると、新しく作ると基盤の既定値が入った状態で用意され、台本に結び付けて初めて効くと説明されています。AIに「合格の線を作って」と頼むと、この既定値のまま、あるいはAIが一般論から選んだ数字で線が引かれかねません。
合格の線は、本来は事業の数字から逆算するものです。キャンペーンで想定する最大の同時訪問数、フォーム送信が何秒以内なら離脱が増えないか、社内AIであれば朝の始業時に何人が同時に使うか。どれも、マーケや業務部門が持っている数字です。AIに配る前の同時利用の見積もりそのものは別の記事で詳しく扱っていますが、OctoPerf をAIで動かす場合も、線を決めるのは人、AIはその線と結果を照らし合わせる係という分担を崩さないことが大切です。合格の線を変えるときは、誰がいつ何の理由で変えたかを残しておきます。
何が社外に出るか:録画した通信、試験データ、結果がAIの提供元へ
OctoPerf をAIにつなぐと、データは二つの方向に流れます。一つは OctoPerf のサーバーへ、もう一つはつないだAIの提供元へです。AIが台本を直したり結果を要約したりするとき、台本の中身や結果の数字はAIとの会話に入ります。特に注意したいのは、ブラウザの通信を録画したファイルです。ここには、ログイン後のセッション情報、フォームに入力した氏名やメールアドレス、社内向け画面のURLなどが含まれることがあります。
公式は、台本を書き出すときに秘密の値は書き出さないと説明し、セキュリティのページでは、可能な限り匿名化した一時的なデータを使うよう勧めています。そのうえで社内では、録画は架空の試験用アカウントで行い、本物の顧客情報や社員の情報を通信に乗せないことを最初の決まりにします。また、Claude の Web版や ChatGPT から使う場合、ファイルの受け渡しを伴う操作は、AI側の組織管理者が OctoPerf のドメインを通信の許可先に加えないと動かないと公式は説明しています。これは裏を返せば、許可した時点で試験のファイルがAIの作業環境に取り込まれるということです。許可を出す管理者が、何が流れるかを理解したうえで判断する必要があります。
クラウド版か自社設置か:自社設置でもAIの会社にはデータが渡る
公式ブログは、Enterprise 版では MCPサーバーを自社の基盤の中に置け、「何もインフラの外に出さずにAIで負荷試験ができる」と説明しています。公式ドキュメントによると、16.2.0 以降の Enterprise 版には MCPサーバーが同梱され、Docker や Kubernetes で動かせます。接続の認可も同梱の仕組みで完結するため、試験の台本や結果を OctoPerf のクラウドに預けずに済みます。
ただし、ここで言う「外に出さない」は OctoPerf の基盤についての話です。つなぐAIがクラウドの Claude や ChatGPT であれば、会話に入った台本や結果はAIの提供元に渡ります。さらに公式の設置手順には、Claude の Web版などから使うには、MCPサーバーの公開の入口が外部から届く状態である必要があると書かれています。完全に社内で閉じたいなら、AIも社内で動くものに限るか、ファイルの受け渡しを伴わない使い方に絞る必要があります。クラウド版か自社設置かは、試験データの機密度と、社内で基盤を保守できる人がいるかで決めるのが現実的です。
| 観点 | クラウド版 | 自社設置(Enterprise) |
|---|---|---|
| 試験の台本・結果の置き場所 | OctoPerf のクラウド | 自社の基盤 |
| AIの提供元へのデータの流れ | 会話に入った範囲で渡る | 同じく会話に入った範囲で渡る |
| 負荷を出す場所 | 同社のクラウド(自社の機器も可) | 自社の機器・自社のクラウド |
| 保守の手間 | 小さい | 更新・認可の鍵の管理が必要 |
| 接続の監査 | 利用者ごとの接続済みアプリ画面 | 加えて管理者向けの接続元一覧 |
記録と点検:利用ログと接続済みアプリを月に一度見る
AIに任せた操作を後から確かめるには、記録の見方を知っておく必要があります。公式ドキュメントによると、ワークスペースの利用ログには、試験の起動と、台本・シナリオ・変数・結果・プロジェクト・メンバーの作成・変更・削除が残り、画面・API・MCPのどこから行ったかを問わず記録されます。変更の記録は 18.1.0 以降が対象で、変更は6か月、試験の起動は2年保存されると説明されています。
ただし、記録に残らないものもあります。失敗した操作や役割で拒否された操作は記録されず、プロジェクトのファイルの変更も対象外です。同じ人が同じ台本を何度保存しても1行にまとまります。また、記録の名前はつないだ人の名前になるため、AI経由の操作か人の操作かは、記録の上では区別しにくいと考えておくべきです。AIに作業させた日は、作業の依頼内容をチャットの記録として残し、利用ログと日時で突き合わせられるようにしておきます。接続の側は、各自の「接続済みアプリ」画面で、どのAIがいつ最後に使ったかを確認でき、取り消すと次の操作から即座に失敗すると公式は説明しています。
- 利用ログで、予定にない試験の起動がないか
- AI経由で変更された台本やシナリオに、依頼の記録が対応しているか
- 接続済みアプリに、使っていない端末やAIが残っていないか
- 定期実行の一覧に、持ち主の分からない登録がないか
- メンバーと役割が、手順3の割り振りから外れていないか
費用の増え方と、止め方・やめ方
公式の料金ページによると、無料枠は同時50ユーザー・1回20分までで、全機能を試せます。継続して使う場合は、同時ユーザー数1,000人からの定額プランが月額999ドルから、1回ごとの支払いが同時1,000人・1時間の試験で99ドルからと掲載されています(いずれも見積もりの依頼が前提)。MCPサーバーの利用自体に別料金があるとの記載は見当たりませんが、AIの側の利用料は別にかかります。
費用が膨らむのは、AIが実行を繰り返したときと、定期実行が止まらないときです。手順4のとおり実行を人が押す運用にしておけば前者は防げます。後者は、月次の点検で定期実行の一覧を見るしかありません。止めるときは、①定期実行を一時停止または削除し、②試験中のものがあれば停止し、③接続済みアプリでAIの接続を取り消す、の順に行います。契約をやめる場合、公式の説明では、1回ごとの支払いのプランは途中解約できず、残った回数の返金もありません。利用規約では、契約終了から30日後に過去のデータが見られなくなるとされているため、報告書として残したい結果は、解約の前に書き出しておく必要があります。
よくある質問
開発の知識がなくても、AIに頼めば負荷試験はできますか?
台本の取り込みや修正、結果の要約といった作業はAIがかなり肩代わりしてくれます。ただし、負荷を向けてよい先の判断、合格の線の決定、結果の読み違いの確認は、AIに任せられない部分として残ります。社内に読める人がいない場合は、AIで準備を進めつつ、最後の確認だけ専門家に頼む分担が現実的です。
無料枠で、本番前の確認には足りますか?
無料枠は同時50ユーザー・20分までのため、仕組みの確認やAIとの接続の試験には使えますが、キャンペーンの想定訪問数を再現するには通常は足りません。まず無料枠で手順1〜4の運用が回るかを確かめ、そのうえで1回ごとの支払いで本番相当の試験を行う、という順番が無駄の少ない進め方です。
AIの接続を、読み取りだけに制限できますか?
公式の説明では、接続時に記録される許可の範囲は現時点では強制されず、つないだ人のアカウントでできることはAIにもできます。読み取りだけにしたい場合は、閲覧者の役割しか持たないアカウントでつなぐのが確実な方法です。
委託先の制作会社にAIで試験してもらう場合は、何を取り決めますか?
向け先の一覧、使うワークスペースと役割、実行の日時と立ち会う人、どのAIを使うか、録画データに本物の個人情報を入れないこと、結果の書き出しと削除の時期を、発注の段階で書面にしておきます。OctoPerf の利用規約は、利用者が自分のアカウントでの活動すべてに責任を負うとしているため、誰のアカウントで動かすかは特に明確にしておきます。
まとめ
OctoPerf のMCPサーバーは、社員が使う Claude や ChatGPT から、負荷試験の組み立て・実行・結果の読み取りまでを行える仕組みです。公式は、本人の権限で動くこと、事前点検で誤りのあるシナリオは実行されないこと、実行は頼まれたときだけにするようAIに指示していることを明らかにしています。それでも残るのは、どこに負荷を向けてよいか、誰の権限でつなぐか、実行を誰が押すか、結果を誰が確かめるかという、会社の側の判断です。向け先の一覧を先に作り、AIには検証用の狭い権限だけを渡し、実行と定期実行の登録は人が押し、結果は監視データと突き合わせて人が読むこと。そうして初めて、AIの手軽さを、本番と取引先に迷惑をかけない形で取り込めます。
※本記事にはAIが活用されています。編集者が確認・編集し、可能な限り正確で最新の情報を提供するよう努めておりますが、情報の完全性、正確性、最新性、有用性等について保証するものではありません。本記事の内容に基づいて行動を取る場合は、読者ご自身の責任で行っていただくようお願いいたします。
うちの業務、AIで何が自動化できる?
「AIで何ができるかは分かったが、自社の業務のどこに使えるのかが分からない」という段階の方へ。30業務の判定と5つの実務例から、最初に自動化する1業務を選ぶための無料ガイドです。
