APIContextでAIの不調に気づける?|外から確かめる監視の線

「社内のAIエージェントが急に遅くなったが、こちらの設定のせいなのか、相手のサービスのせいなのか分からない」「提供元の稼働状況のページは正常と出ているのに、現場からは答えがおかしいと言われる」——AIを業務に組み込み始めた会社の情シスやAI導入担当から、こうした声が届くようになりました。APIの監視を手がける APIContext は、2026年10月の公式ブログで、社内の計器も、配信網も、決済の提供元も、それぞれ自分の範囲は正常と報告しているのに客は失敗している、という障害の形を取り上げています。AIの仕事も同じで、失敗はたいてい、自社の計器と相手の計器のあいだで起きます。足りないのは計器の数ではありません。本当は、利用者と同じ外側から、頼っている先を定期的に呼んで確かめる手段と、その結果を見て誰が動くかの取り決めです。この記事では、APIContext の外形監視を社内に入れるかどうかを、起きている課題、その原因、対策の順に整理します。
カメ先生AIの監視というと、AIが賢く異変を見つけてくれる仕組みを想像しがちなんだ。でも APIContext がやっているのは、社外のサーバーを利用者のふりをして決まった間隔で呼んで、返事の速さと形を記録することなんだよ。
カメ子監視の道具そのものがAIなのではなく、AIが頼っている先を外から試す道具、ということですか。
カメ先生そのとおり。だから決めることも監視の設定より手前にある。試しに呼ぶときに誰の資格情報を使うか、何を送るか、何が起きたら人の手に戻すか。ここを決めずに入れると、通知が鳴っても誰も動かない。
カメ子道具を入れる前に、鳴ったあとの段取りを書いておくんですね。
- APIContext は、MCPサーバーの初期化・道具の一覧・道具の呼び出しと、OpenAI・Anthropic・Azure OpenAI・Google Gemini などの推論APIを、世界各地から模擬で呼び、遅延・可用性・応答の形を確かめる
- 模擬呼び出しには監視専用の資格情報を渡し、書き込みをする道具は対象から外す。費用は呼び出しの回数で増えるので、間隔と地点を決めてから見積もる
- 答えの中身の良し悪しはAIにも監視にも判断させない。どの数字が出たら人手に戻すかを先に決め、持ち主と止め方を書き出す
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。
APIContextとは:APIの「外から見た動き」を測ってきた会社
APIContext は、APIの監視を長く手がけてきた APImetrics と、APIの個人情報保護や安全を扱ってきた Contxt が合併して生まれた会社です。2023年9月に合併の計画が報じられ、2024年1月の発表で合併の完了と新しい社名が示されました。本社は米国で、英国にも拠点があります。
事業の中心は、自社の外にある監視地点から本物の利用者と同じ道筋でAPIを呼び、速さと正しさを記録する「外形監視」です。公式の料金ページは全プランで100以上の地域から試せると書き、契約水準の管理のページやブログでは125か所以上の監視地点、五つのクラウドにまたがると説明しています。社内のシステムが出す記録とは別に、外から見た独立の記録を残せることを売りにしてきました。
日本向けのページもあり、国内の会社を通じて支払いと請求ができると案内しています。銀行・金融、企業の情報システム、行政などの業種を想定しており、もともとは決済や銀行APIのように、相手先が止まると客がすぐ困る領域で使われてきた道具です。そこに、AIが頼る先を監視する機能が足されました。
2025年11月に足したもの:MCPサーバーと推論APIの模擬呼び出し
APIContext は2025年11月20日の公式ブログで、MCPサーバーの性能監視を発表しました。MCPは、AIエージェントが社内外の道具を呼び出すための接続の決まりごとです。発表では、MCPの層で起きる遅延を測り、その先にある依存先と突き合わせること、遅延や失敗がエージェント側・MCPサーバー側・認証側・その先のAPI側のどこで起きたかを切り分けること、本番で道具の形が変わったことを捉えることの三つを挙げています。
公式のAI監視のページによると、APIContext は外部のMCP利用者としてふるまい、初期化、道具の一覧の取得、実際の道具の呼び出しまでを一続きで模擬実行します。サーバー側の改修は要らず、接続先と認証情報を渡すだけで始められると説明しています。道具の宣言どおりの形で応答が返るか、値が想定の範囲か、遅延が許容内かを確かめ、形が変わったときは変更前と変更後の差分を示します。想定していない道具が増えた、仕様の外の資源が見えている、といった変化も検知の対象です。
もう一つが推論APIの監視です。OpenAI・Anthropic・Azure OpenAI・Google Gemini などを利用者と同じ地点から模擬で呼び、平均や95パーセンタイルの遅延、可用性、応答の形を提供元ごとに並べて見せます。提供元とモデルごとに目標値を置き、劣化したら通知し、主系から副系への切り替えが効くかを試す使い方も挙げています。
課題1:社内の記録が全部正常なのに、AIの仕事が失敗している
社員が使うAIアシスタントや業務エージェントは、社外のサービスに何重にも頼っています。推論APIの提供元、そのあいだに入る中継の仕組み、エージェントが呼ぶ外部のMCPサーバー、さらにその先の業務システムのAPIです。このうち自社で記録が取れるのは、たいてい自社の側の入口と出口だけです。
社内側でAIの呼び出しを丸ごと記録する仕組みを入れても、記録できるのは自社から出ていった呼び出しと、戻ってきた返事までです。相手の中で何が起きたかは見えず、相手が出す稼働状況のページは相手の自己申告です。APIContext の2026年10月のブログは、決済のような一つの取引でも5〜50回の受け渡しが自社と社外のあいだで起き、失敗は正常な二つのシステムのあいだに落ちると書いています。AIの仕事も構造は同じです。
結果として、現場から「AIが遅い」「答えがおかしい」と言われたとき、最初の1時間が、各担当が自分の範囲は正常だと示すことに使われがちです。相手が悪いのか自社が悪いのかを示す、第三者の記録が手元にないことが、対応の遅れの大きな理由になっています。
課題2:答えは返るのに、道具の形が変わっている
AIが頼る先の不調は、止まるよりも「変わる」形で起きることが多くあります。MCPサーバーの提供元が道具を足した、道具の説明文を書き換えた、応答に項目を増やした、といった変更です。APIは動いているので死活監視には何も出ません。それでもエージェントが選ぶ道具が変わり、読み込む情報が増え、動きが遅く高くなることがあります。
APIContext の CEO は2026年10月22日のブログで、北欧のAPIの会議での発表を紹介しながら、この点を取り上げています。ある発表では、複数のMCPサーバーから読み込む道具の定義が、20万トークンの文脈のおよそ半分を占めた例が示されたそうです。プロンプトを変えていなくても、相手側の変更だけでAIのふるまいは変わる、というのが記事の主張です。
こうした変化は、利用者からの苦情で初めて分かることが少なくありません。しかも苦情の時点では、いつ変わったのかが分からない。外から定期的に同じ呼び出しを続けていれば、道具の一覧や応答の形が変わった日時を記録として持てるので、原因の切り分けと提供元への問い合わせが速くなります。
課題3:止まったと気づいても、誰が動くか決まっていない
AIを各部門で使い始めると、推論APIの契約は情シス、MCPサーバーの導入は業務部門、エージェントの設定は外部の開発会社、と持ち主が分かれます。通知の仕組みを入れても、鳴った先が誰の担当なのかが決まっていなければ、通知は既読のまま放置されます。
さらに厄介なのは、遅くなった、少し失敗が増えた、という中途半端な劣化です。完全に止まれば誰かが気づきますが、1割だけ失敗する、返事が倍遅い、という状態は、人手に戻すかどうかの判断が付かないまま続きます。その間、エージェントが途中で失敗した仕事を誰も拾わない、ということが起きます。
AIが止まったときの業務側の備えは別の記事で扱っていますが、ここで問題にしたいのはその手前、劣化に気づいてから人が動くまでの区間です。監視の道具を選ぶ前に、通知の受け手と、受け手が持つ判断の範囲を決めておく必要があります。
原因:AIが頼る先の大半が、自社の計器の外にある
三つの課題の根は同じです。AIの仕事を支える部品の多くが社外にあり、自社の計器ではその中を測れないことです。従来の監視は、自社のサーバーや自社のアプリに計器を埋め込み、内側から状態を報告させる作りでした。社外の推論APIやMCPサーバーには、計器を埋め込めません。
加えて、MCPサーバーはAIが呼ぶもので、人が画面から触るものではありません。APIContext の公式ページは、MCPサーバーは人ではなくAIに呼ばれるため、普段の運用の経路では失敗に気づきにくいと説明しています。形の崩れた応答が返っても、エージェントは黙って別の手を試したり、誤った操作をしたりするだけで、警報は鳴りません。
だから外から呼ぶしかありません。利用者と同じ地点から、同じ認証で、同じ呼び出しを、決まった間隔で続ける。一か所で失敗すればその地域の経路や配信網、全地点で失敗すれば相手の本体か共通の依存先、毎回同じ段で失敗すればその段の持ち主、と切り分けられる、と APIContext は説明しています。外形監視は、相手の自己申告とも自社の記録とも別の、三つ目の記録を作る手段です。
監視するのはAIではない:模擬呼び出しが確かめる範囲と確かめない範囲
誤解されやすいので先に書いておくと、APIContext のMCP監視は、AIが答えの良し悪しを判定する仕組みではありません。決まった呼び出しを送り、返ってきた応答が宣言どおりの形か、値が想定の範囲か、速さが目標内かを機械的に照らし合わせる道具です。
| 確かめられること | 確かめられないこと |
|---|---|
| 道具の一覧が前回と同じか、想定外の道具が増えていないか | エージェントがその道具を正しい場面で選んでいるか |
| 応答が宣言どおりの形で、値が想定の範囲に収まっているか | 応答の中身が業務として正しいか、最新か |
| 地点ごとの遅延と可用性、提供元ごとの比較 | 社員の実際の利用で何が起きたか(社内側の記録の役割) |
| 形が変わった日時と、変更前後の差分 | 変更が自社の業務にとって良いか悪いか |
APIContext の CEO は先のブログで、ある研究を紹介しています。成功と分類された取引のうち、27〜78パーセントが少なくとも一つの手順上の決まりに違反していたというもので、航空券の振り替えで、新しい便は取れたのに誤った料金を伝え、元の予約を同意なく取り消した例が挙げられています。応答が返ったこと、形が正しいことと、仕事が正しく終わったことは別物だということです。
つまり外形監視が教えてくれるのは「相手が約束どおり動いているか」までです。エージェントの判断が正しいかは、人が抜き取りで確かめる範囲として別に決めておく必要があります。監視の数字をそのまま「AIの品質」と呼んで報告しないこと、これが社内の説明でいちばん大事な線になります。
対策1:模擬呼び出しに使う資格情報を、監視専用に切り出す
外から呼ぶには、相手に認証を通す必要があります。APIContext の公式ページは、OAuth 2.1、個人用のアクセストークン、相互の証明書による認証、署名付きの要求に対応すると書いています。ブログでは、試験用のアカウントと既存の資格情報でサインインして呼ぶと説明しています。ここで、社員の誰かのトークンや、本番のエージェントが使う鍵をそのまま渡してしまうのが、最も起きやすい失敗です。
監視用には、監視専用のアカウントと、読み取りだけに絞った権限の資格情報を新しく発行します。推論APIなら、監視専用の鍵を別に作り、利用上限を低く設定しておく。MCPサーバーなら、公式ページの例のように読み取りの範囲だけを許す権限で接続させる。こうしておけば、監視の設定が漏れても被害は読み取りの範囲にとどまり、鍵を止めれば監視だけを止められます。
資格情報は APIContext の側に預けることになるので、預け先としての確認も要ります。単一の署名認証や監査記録が使えるのは上位のプランに限られる点は料金ページで確かめられます。誰が監視の設定を変えられるか、変えた記録が残るかを、契約の段階を選ぶ前に確認しておきます。料金ページでは、単一署名認証は最上位のプランの追加で、設定に3,000ドル、利用に月500ドルかかると案内されています。監査記録は3段目で90日、最上位で無期限です。社員の入退社と監視の設定画面の権限を連動させたい会社は、この費用まで含めて段階を選ぶことになります。
- 社員個人のアクセストークンで監視を組み、その社員の異動で監視が止まる
- 本番のエージェントと同じ推論APIの鍵を使い、監視の呼び出しと業務の呼び出しが費用の上で区別できない
- 書き込みもできる管理者権限でMCPサーバーにつなぎ、監視の設定画面に強い権限が置きっぱなしになる
対策2:書き込みをする道具を、模擬呼び出しの対象から外す
MCPの道具の中には、読むだけでなく、チケットを作る、メールを送る、記録を書き換えるといった書き込みをするものがあります。模擬呼び出しは本物の呼び出しなので、書き込みをする道具を監視の対象にすれば、間隔ごとに本当にチケットが作られ、メールが送られます。APIContext の公式ページは、宣言された形の範囲で引数を揺らして試す機能や、実際のエージェントの利用を記録して再生する機能を挙げていますが、どちらも書き込みの道具に向ければ実害が出ます。
対象は、検索・一覧・照会など読むだけの道具から選びます。書き込みの道具をどうしても確かめたいなら、提供元に試験用の環境や、実際には反映されない確認用の呼び出しがあるかを尋ね、なければ監視の対象から外します。道具の一覧が変わったことだけを検知し、個々の書き込みの道具は呼ばないという使い方でも、課題2の「形の変化」にはかなり気づけます。
記録の再生には別の注意があります。実際の利用を記録したものには、社員が入力した中身や顧客の名前が含まれえます。再生用に取り込む前に中身を確認し、作り物の値に置き換えた試験用の流れを作ってから使うのが安全です。
対策3:送る中身と、記録に残る中身を決める
推論APIの模擬呼び出しでは、決まった問いかけをモデルに送り、返事の速さと形を記録します。送る問いかけは監視のために作った定型文にし、社内の文書や顧客の情報は入れません。これは当たり前に見えますが、「実際の業務に近い問いで測りたい」という理由で、本物の問い合わせを流用する例が出やすい部分です。
記録の残り方も確かめます。料金ページによると、記録の保存期間はプランによって3か月から36か月で、延長は12か月ごとに月99ドルの追加です。応答の本文が記録として残るなら、その本文が何を含むかで、保存期間と見られる人の範囲を決める必要があります。また APIContext は、すべての呼び出しを業界標準の記録形式で書き出し、自社の監視基盤や Datadog・Dynatrace・Splunk などに送れると説明しています。送り先が増えるほど、同じ記録が複数の場所に残ることも意識しておきます。
社内のMCPサーバーや、検証環境のAPIを監視したい場合は、自社のネットワークの中に収集点を置く方式があります。公式の料金ページでは、上から2番目のプランの追加として1台あたり月199ドル、最上位のプランには含まれると書かれています。社内に置く方式を選ぶと、外から見える範囲ではなく社内の経路を測ることになるので、目的が「利用者と同じ外側からの確認」なのか「社内の部品の確認」なのかを先に決めます。
- 推論APIを模擬で呼べば、その分の利用料は通常、鍵の持ち主である自社の契約に請求される。監視の費用と別に、提供元側の利用料も見積もる
- 監視専用の鍵には利用上限を付け、設定の誤りで呼び出しが急増しても上限で止まるようにしておく
対策4:費用は「回数」で増える。間隔と地点を決めてから見積もる
APIContext の公開料金は、有料の4段階が年払いで月29ドル、99ドル、499ドル、1,249ドルからです。どの段階にも模擬呼び出しの月間の回数があり、最も安い段階で月3万回、最上位で月100万回、超えた分は1回0.0008ドルで自動的に請求されます。MCPサーバーの監視は2段目で1台、3段目で5台、最上位で無制限で、記録の再生や形の変化の検知は3段目からです。無料枠は API・MCP・HTTP の試験に限って月1万回と案内されています。
費用の増え方を左右するのは、間隔と地点の掛け算です。1回の監視を1回と数えた場合の概算ですが、5分ごとに3地点から呼べば1か月でおよそ2万6千回、1分ごとに10地点から呼べば43万回を超えます。MCPの監視は初期化・一覧・呼び出しと段を踏むので、1回の監視が何回分として数えられるかは、見積もりの段階で必ず確かめます。
現実的には、すべてを細かく見る必要はありません。業務が止まると困る一つか二つの依存先だけを短い間隔で、それ以外は長い間隔で、地点は社員と顧客がいる地域に絞ります。監視の対象を足すたびに、誰がその通知を受けるのかも一緒に決めると、費用と手間が釣り合います。
対策5:契約上の稼働率と突き合わせる
推論APIやMCPサーバーの提供元と、稼働率の約束を含む契約を結んでいる場合、外形監視の記録はその突き合わせに使えます。APIContext は契約水準の管理の機能として、30日の移動窓で目標の達成状況を測り、供給元との契約の証拠として使える報告を作れると説明しています。
ただし、外から測った数字と、提供元が契約で約束している数字は、測り方が同じとは限りません。提供元は自社の入口での可用性を約束していることが多く、外形監視の数字には途中の経路や地域の配信網の影響も入ります。返金などの交渉に使うなら、契約書の稼働率の定義(何を失敗と数えるか、計測の地点、除外される保守時間)を先に読み、近い条件で測れるように設定します。
外形監視の記録が最も役に立つのは、交渉そのものより、契約の見直しの場面です。半年分の記録があれば、どの提供元がどの地域でどれくらい遅いかを根拠つきで比べられるので、副系を持つべきか、提供元を替えるべきかの判断材料になります。ここでも決めるのは人で、数字は材料にとどめます。
見落としやすいのが、監視の道具そのものも止まりうるという点です。APIContext は自社の稼働率の約束を、料金ページで2段目が99.9パーセント、3段目が99.95パーセント、最上位が99.99パーセントと示しており、最も安い段階には約束がありません。監視が黙っていることと、相手が正常であることは同じではないので、監視からの定期的な報告が途切れたら気づける仕組み(たとえば毎朝の要約の送信)を一つ置いておくと安心です。
合図を決める:何が起きたら人手に戻すか
監視を入れても、通知のあとに何をするかが決まっていなければ意味がありません。APIContext は Slack・PagerDuty・ServiceNow などへの通知に対応し、目標の消化の速さに応じて早い警告と遅い警告を出せると説明しています。問題は、その通知を受けた人が何をしてよいかです。
推論APIは情シス、業務部門が入れたMCPサーバーはその部門、と依存先ごとに通知の受け手を決めます。受け手が不在のときの代理も書きます。
たとえば「3地点以上で連続して失敗」「遅延が平常時の2倍を15分超える」「道具の一覧が変わった」のように、エージェントの利用を止めて人の作業に戻す合図を数字で決めます。値は自社の業務で決めるもので、監視の道具が決めるものではありません。
劣化のあいだにエージェントが途中で失敗した仕事を、誰がどの記録から拾い直すかを決めます。外形監視の記録で劣化の始まりと終わりの時刻が分かるので、その時間帯の仕事を見直します。
監視の数字が平常に戻っても、すぐにエージェントへ戻さず、持ち主が数件を手で試してから戻します。形が変わっていた場合は、エージェントの設定を見直してから戻します。
通知の受け手と合図の数字は、半年に一度は見直します。鳴りすぎる通知は無視されるようになり、鳴らない設定は気づくのを遅らせます。監視の道具を評価するときは、検知の精度より、この段取りを回せるかで見るのが現実的です。
止め方とやめ方
外形監視は自社のシステムに何も埋め込まないので、止めるのは比較的簡単です。監視の設定を止めるか削除すれば、呼び出しは止まります。急いで止めたいときは、監視専用に発行した資格情報や鍵を無効にすれば、APIContext の側の設定に関係なく、相手先への呼び出しは認証で弾かれます。対策1で監視専用の資格情報を切り出しておく意味はここにもあります。
やめるときは、記録の持ち出しを先に済ませます。外形監視の価値の半分は、過去の記録との比較にあります。契約を終える前に、契約の見直しや監査に使う期間の記録を書き出し、自社の保管先に移しておくことです。業界標準の形式で自社の監視基盤に送っていたなら、そちらに残っている範囲も確かめます。
最後に、預けていた資格情報をすべて無効にし、監視専用のアカウントを閉じ、相手先の側でも監視からの接続が止まったことを確かめます。預けた鍵の棚卸しを解約の手順に入れておくと、使われない鍵が残り続けることを防げます。
導入前の確認表:情シス・AIの持ち主・契約担当で分けて見る
最後に、導入を判断する前に確かめておきたい点を、担当ごとに並べます。社外のサービスに頼る部分が小さい会社や、AIの利用がまだ試行段階の会社では、ここまでの仕組みは要らないかもしれません。その場合も、どこに頼っているかの棚卸しと、止まったときの持ち主だけは先に決めておく価値があります。
| 担当 | 確かめること |
|---|---|
| 情シス | 監視専用のアカウントと読み取りだけの資格情報を発行できるか。預けた資格情報の変更履歴と監査記録が、選ぶプランで残るか |
| 情シス | 社内のサーバーを測るのか、外から見える範囲を測るのか。社内に収集点を置く場合の費用と置き場所 |
| AIの持ち主(業務部門) | どのMCPサーバーと推論APIに頼っているか。そのうち書き込みをする道具はどれか、監視の対象から外せるか |
| AIの持ち主(業務部門) | 人手に戻す合図の数字、受け手、拾い直しの手順。監視の数字を「AIの品質」と呼ばないこと |
| 契約・購買 | 間隔と地点から見積もった月間の呼び出し回数と超過の費用。推論APIの提供元側に発生する利用料 |
| 契約・購買 | 相手先との契約の稼働率の定義と、外から測る数字の違い。国内の会社を通じた請求にするか、記録の持ち出しと解約の手順 |
このほか、APIContext が2026年10月に中国からの監視を始めたと発表しているように、地点の選択肢は増え続けています。自社の社員と顧客がいる地域から測れるかを、提供元に地点の一覧で確かめておくとよいでしょう。
まとめ
APIContext のMCP監視と推論APIの監視は、社員や業務エージェントが頼る社外の部品を、利用者と同じ外側から決まった間隔で呼び、速さと形と可用性を記録する道具です。社内の記録とも相手の自己申告とも別の記録を持てるので、「相手が悪いのか自社が悪いのか」を根拠つきで切り分けられるようになります。一方で、監視そのものはAIではなく、答えの中身の正しさは確かめません。入れる前に決めるのは、監視専用の資格情報、対象から外す書き込みの道具、送る中身と記録の残り方、間隔と地点から見積もる費用、契約の稼働率との突き合わせ方、そして人手に戻す合図と持ち主です。道具の性能より、鳴ったあとに人が動ける段取りを先に作ることが、社外のAIに頼る業務を止めないいちばんの近道です。
※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。
