RHELのMCPで障害調査をAIに任せる?|読み取りで止める線

「夜中にサーバーが重くなるたびに担当者が起こされる。ログを読むところまではAIに任せられないか」「AIにサーバーをつなぐと聞くと、勝手にコマンドを打たれそうで怖い」——情シスや、自社サイトと配信の基盤を預かる担当者から、2026年の秋に入って増えてきた声です。2026年11月11日、Red Hat は Red Hat Enterprise Linux(RHEL)向けの MCP サーバーを一般提供にしました。AIが社内のサーバーのログやディスク、プロセス、過去の性能の記録を読み、障害の原因を調べるための窓口です。AIに障害調査を任せるかどうかは、AIの賢さで決まる話ではありません。決めるべきは、読ませたものがどこへ渡るか、誰にどのサーバーを許すか、そして見立てを誰が確かめるかです。この記事では、一般提供で確定した範囲と先行提供のまま残る範囲、社外のAIに渡るもの、共有サーバーの許可の考え方、夜間・休日の一次調査に組み込むときの運用を整理します。設定の手順や画面の説明は扱いません。
カメ先生AIにサーバーをつなぐと、AIが勝手に直してしまうと思われがちなんだ。でも今回一般提供になったのは、既定で「読むだけ」の道具なんだよ。命令を作って実行する機能は、まだ先行提供のまま切り離されている。
カメ子読むだけなら、安全だと考えてよいということですか。
カメ先生そこが落とし穴でね。読んだログはAIのモデルに渡る。モデルが社外にあれば、ログの中身も社外に出る。読み取り専用は「サーバーを壊さない」約束であって、「情報を外に出さない」約束ではないんだ。
カメ子壊さないことと、漏らさないことは別の話なんですね。
- RHEL 向け MCP サーバーは2026年11月11日に一般提供となり、既定は読み取り専用の道具。命令を作って実行する機能は Developer Preview のまま残っている
- 読み取り専用でも、ログやプロセスの情報はAIのモデルに渡る。伏せ字の機能は資格情報向けで、個人情報や社内の機密は判定しないと公式が明記している
- 共有サーバーでは利用者ごとにホストと道具を許可でき、一致しなければ拒否される。AIの見立ては根拠付きで受け取り、対処の判断は人が持つ
あなたのWebサイトは、AIによる攻撃に耐えられますか?
AIを活用してWebサイト・Webサービスの脆弱性を診断し、発見した問題と推奨する修正方法をご報告します。
RHEL 向け MCP サーバーとは:AIがサーバーの状態を読むための窓口
MCP は、AIのアシスタントが外部の道具やデータに手を伸ばすための共通の接続方式です。RHEL 向け MCP サーバーは、その方式で RHEL のサーバーの状態をAIに読ませるための部品で、Red Hat が GitHub で公開しています。公開先の掲載では、ライセンスは Apache 2.0 とされています。公式の説明では、読み取り専用のシステム管理・診断・障害調査のための MCP サーバーという位置づけです。
公式ドキュメントが並べている道具の分類は、システムの情報、サービス、プロセス、ログ、ネットワーク、ストレージ、性能の記録(Performance Co-Pilot)、そしてスクリプトの実行です。AIのアシスタントは、利用者の質問を受けてこれらの道具を呼び出し、返ってきた結果を読んで原因の見当をつけます。サーバーへの入り方は SSH の鍵による認証で、1回の会話の中で複数のホストを調べることもできます。
11月11日の公式ブログでは、デモとして、社内で動かすモデルを使って RHEL 10 のサーバーで繰り返し起きる遅延を調べた例が紹介されています。AIはシステムの記録と性能の履歴を突き合わせ、5分おきに動くデータベースのバックアップの定期実行に行き着いた、と説明されています。人が何十分もかけて行き来する突き合わせを、会話の中で済ませるのが狙いです。
11月11日の一般提供で確定したことと、まだ先行提供のもの
この部品は2026年に入ってから Developer Preview(開発者向けの先行提供)として登場し、11月11日に一般提供になりました。10月8日に Red Hat の開発者向けサイトに載った運用の記事の時点では、まだ先行提供と書かれています。つまり一般提供になってから、まだ2週間足らずです。社内で評価するときは、10月以前の記事や紹介をそのまま信じず、公式ブログと現行のドキュメントで範囲を確かめる必要があります。
公式ブログで一般提供とされたのは、既定で読み取り専用の道具の一式です。新たに性能の記録の仕組み(Performance Co-Pilot)と統合し、以前はその時点の値しか見られなかった性能を、過去にさかのぼって引けるようになりました。配布の形は、Red Hat のレジストリにあるコンテナイメージと、RHEL の拡張リポジトリにあるパッケージの二通りです。拡張リポジトリのパッケージは、そのリポジトリ向けのサポート方針の対象と説明されています。
| 範囲 | 状態(2026年11月時点) | 社内での扱い |
|---|---|---|
| 読み取り専用の道具(ログ・ディスク・プロセス・性能の履歴など) | 一般提供 | 評価の対象。どのサーバーに許すかを決めて使う |
| 共有サーバーの形(認可サーバーでのログイン・YAML の許可規則・中央のログ) | 公式ブログで企業向けの構成として紹介 | 複数人で使うなら原則こちら |
| ガード付きコマンド実行(AIが命令を作り実行する) | Developer Preview のまま。ドキュメントでは実験的機能 | 本番のサーバーでは有効にしない |
| 読めるログのパスの限定・伏せ字の機能 | ドキュメントに記載。伏せ字は既定で有効 | 限定の範囲を決め、伏せ字の限界を前提にする |
表のとおり、命令を作って実行する機能は一般提供の範囲に入っていません。公式ブログも、この機能は任意で有効にするもので、先行提供のサポート範囲のままだと明記しています。社内の稟議で「一般提供になったので使ってよい」と書くときは、どの範囲が一般提供なのかを一緒に書いておかないと、実行機能まで承認されたように読まれてしまいます。
誤解:読み取り専用なら、社外に出るものは無い
「読み取り専用」という言葉は、安心材料として強く働きます。サーバーの設定を書き換えない、ファイルを消さない、サービスを止めない。たしかに、読み取り専用はサーバーの状態を変えないという約束です。ここは一般提供の道具の大きな利点で、障害の最中に調査が別の障害を起こす心配を小さくできます。
ただし、AIのアシスタントが道具を呼び出すと、返ってきたログやプロセスの一覧は、そのままAIのモデルに渡されます。モデルが社外のクラウドで動いていれば、読み取ったサーバーの中身は、その時点で社外に出ています。10月8日の運用の記事では、実習のモデルは LiteLLM を経由して Google Vertex AI 上のものを使っていました。どのモデルにつなぐかは利用者側の設定で決まり、MCP サーバー自身は送り先を選びません。
- 「読み取り専用だから情報漏えいの心配はない」と稟議に書き、モデルの送り先を確かめないまま承認する
- 障害の最中に、普段は使わない社外のAIサービスに切り替えてログを読ませる
- 社外のAIの利用規約で入力の扱い(保存期間・学習への利用)を確かめず、サーバーのログを流す
つまり評価は二つに分けて行う必要があります。一つはサーバーを壊さないかという操作の安全、もう一つはサーバーの中身をどこへ渡すかという情報の安全です。読み取り専用が答えているのは前者だけです。
何がAIに渡るか:ログ・プロセス・性能の記録に含まれるもの
障害調査でAIが読むものを、情報の中身で分けてみると、思った以上に社内の事情が詰まっています。システムやアプリのログには、ログインした利用者名、接続元の住所(IPアドレス)、処理した注文や問い合わせの識別子が残ります。プロセスの一覧には、起動時の引数として接続先の住所や設定ファイルの場所、ときにはパスワードが書かれていることがあります。
自社サイトやメール配信の基盤を例にすると分かりやすくなります。問い合わせフォームの処理が遅くなったときのアプリのログには、送信した人のメールアドレスや会社名が出ていることがあります。配信基盤のログには、配信リストの名前や件数、配信先の住所が並びます。マーケ部門の個人情報が、サーバーのログという形で情シスの調査に流れ込むのです。
| AIが読むもの | 含まれやすい情報 | 先に決めること |
|---|---|---|
| システムとアプリのログ | 利用者名・接続元の住所・フォームの入力・注文の識別子 | 読めるログのパスを限定する。アプリのログは対象外から始める |
| プロセスとサービスの一覧 | 起動時の引数(接続先・設定の場所・ときにパスワード) | 引数に秘密を書かない運用を先に整える |
| ディスクとストレージ | ファイル名・ディレクトリ名(顧客名や案件名が入ることがある) | 命名の規則と、読ませてよいサーバーを分ける |
| 性能の記録(過去の履歴) | 負荷の推移・処理の時間帯 | 比較的出してよい。ただし業務の時間割が分かる |
公式の構成には、読めるログのパスを環境変数で限定する設定があります。10月の運用の記事の例では、システムの主要なログと最終ログインの記録の2か所だけに絞っていました。最初はこの程度の狭さで始め、足りないと分かったところだけ広げるのが、情報の安全から見た順番です。
伏せ字の機能が隠すもの、隠さないもの
公式ドキュメントには、道具の結果からパスワードなどを伏せ字にする機能が載っています。既定で有効になっていて、組み込みの規則が対象にするのは、設定に書かれたパスワードやトークン、コマンドの引数に書かれたパスワード、認証のヘッダー、秘密鍵、クラウドの鍵、署名付きのトークン(JWT)などの資格情報です。
一方で、ドキュメントは隠さないものもはっきり書いています。個人情報には組み込みの規則が無く、理由として誤検知が多いことと、通常の管理作業の出力にはあまり出てこないことを挙げています。社内の機密かどうかは、その会社ごとの知識が要るので判定しない、とも書かれています。さらに、組み込みの規則は資格情報についても完全からは程遠く、LLM を使う際のデータ保護は管理者の責任だ、という趣旨の注意書きがあります。
- 伏せ字は正規表現による照合で、見慣れない形の秘密や、意図的に崩した書き方は見逃すとされている
- 道具に渡す引数と、モデルが送ってくる内容は伏せ字の対象外と明記されている
- 想定外の例外は、利用者には伏せた内容が返る一方で、サーバー側のログには伏せずに残ると説明されている
- 独自の規則を YAML で足せるので、自社の顧客番号や社員番号の形は追加を検討できる
ここから言えるのは、伏せ字は「うっかり鍵を流す」事故を減らす安全網であって、個人情報や機密をAIに渡さない仕組みではないということです。前の章で見たフォームの入力や顧客名は、伏せ字では止まりません。止めるのは、読めるログの限定と、モデルの送り先の選び方です。
AIのモデルをどこで動かすか:社外のクラウドか、社内か
情報の安全を決める最大の分かれ目は、AIのモデルをどこで動かすかです。公式ブログのデモは社内で動かすモデルを使い、10月の実習はクラウド上のモデルを使っていました。MCP サーバーはどちらにもつながるので、選ぶのは導入する側です。
社外のクラウドのモデルを使う場合は、契約で入力の扱いを確かめます。入力を学習に使わないこと、保存期間、保存される地域、障害時に提供元の担当者が中身を見る可能性があるか。すでに社内で契約している法人向けのAIサービスがあれば、その契約の範囲に入るかを情シスと法務で確認します。障害対応だけのために新しいAIサービスを契約するのは、審査が後回しになりやすいので避けたほうが安全です。
社内でモデルを動かす場合、情報は外に出ませんが、別の負担が生まれます。調査に耐える大きさのモデルを動かす計算資源と、その保守の持ち主です。小さすぎるモデルは、ログの突き合わせで見当違いの結論を出しやすくなります。公式ドキュメントも、実行機能の門番役のモデルについて、検証済みのものより小さいモデルは推奨しないと書いています。読み取りだけの調査でも、モデルの選び方が調査の質と情報の安全の両方を決めると考えておくべきです。
手元で動かすか、共有サーバーにするか
公式ブログは、AIのクライアントと同じ機械で MCP サーバーを動かすのが最も簡単な構成だとしています。担当者が自分のパソコンに入れ、自分の SSH 鍵で調べたいサーバーに入る形です。1人の管理者が検証に使うには十分です。
ただし、この形を複数の担当者に広げると、誰がどのサーバーを AI に読ませているかが見えなくなります。担当者ごとに鍵とモデルの設定が散らばり、記録も各自のパソコンに残るだけです。公式ブログが企業向けとして紹介しているのは、MCP サーバーを中央で動かし、複数の利用者で共有する形です。ドキュメントは利点として、利用者側の設定が最小限で済むこと、方針と設定を中央で管理できること、アクセスが中央で記録されることを挙げています。
判断の目安は単純です。検証は手元、2人目からは共有サーバー。夜間・休日の当番に組み込むなら、当番が交代しても同じ許可と同じ記録になる共有サーバーが前提になります。なお、社員のパソコンに散らばる MCP サーバー全般の台帳づくりは別の論点で、この記事では RHEL の障害調査に絞って扱います。
共有サーバーの許可規則:誰に、どのホストの、どの道具を
共有サーバーでは、利用者は外部の認可サーバーを通して対話的にログインします。ドキュメントは本番向けとして、署名付きトークンを手元で検証する方式と、認可サーバーに問い合わせて検証する方式を挙げ、グーグルや GitHub の身元を借りる方式は試験向きとしています。ログインした利用者の属性、たとえば所属グループをもとに、YAML で書いた許可規則を当てはめます。
規則は上から順に見て、最初に一致したものが使われます。どの規則にも一致しなければ、道具の実行は拒否されます。書いていないものは使えない、という拒否が既定の作りなので、許可の漏れは「使えない」という形で表に出ます。逆に言えば、広すぎる規則を上に置くと、下に書いた細かい規則は読まれません。
認可サーバー側で、読み取りの調査をする人のグループと、検証環境で実行機能を試す人のグループを分けます。当番表の全員を一つのグループに入れるのは避けます。
規則のホスト欄は名前の型で書けます。本番、検証、サイトと配信の基盤など、ホスト名の付け方で範囲が分かれるように命名の規則を先に整えます。
読み取りの道具の一式から、特定の道具だけを外す書き方もできます。ファイルを直接読む道具など、範囲の広いものは最初は外しておく選択肢があります。
最初に一致した規則で決まるため、細かい規則を上、広い規則を下に置きます。変更のたびに、誰が何に届くかを一覧にして承認を取ります。
規則の YAML は、設定ファイルとして中央に置かれます。この1枚が「AIに誰がどのサーバーを読ませてよいか」の正本になるので、変更は情シスの承認を通し、変更の履歴を残します。
サーバーの鍵は、利用者ではなく MCP サーバーのもの
共有サーバーの形で見落としやすいのが、対象のサーバーに入る資格情報の持ち主です。ドキュメントは、対象のシステムには利用者ではなく MCP サーバーの資格情報で入ると注意しています。規則ごとに SSH の鍵と接続の利用者名を指定し、ログインした人がどのグループかによって、使う鍵が切り替わる仕組みです。
つまり、サーバー側の記録には、実際に質問した担当者ではなく、MCP サーバー用の接続の利用者名が残ります。誰がその調査をしたのかは、共有サーバー側の中央のログと突き合わせないと分からないのです。ドキュメントは、鍵をサービスアカウントのものにし、ディレクトリサービスや構成管理の道具で配ることを勧めています。
鍵の権限の大きさも、道具の範囲で変わります。読み取りの道具だけなら、サービスアカウントに管理者の権限は要らず、システムの記録を読めるグループに入れる程度でよいとされています。一方、実行機能のほうは、パスワードなしで管理者に昇格できる権限が必要と書かれています。読み取りと実行で、鍵を別のサービスアカウントに分けるのは最低限の線です。
実行機能を本番で開けない線
ガード付きコマンド実行は、AIのモデルにスクリプトを書かせ、対象のサーバーで実行させる機能です。公式ブログでは Developer Preview のまま、ドキュメントでは実験的機能と書かれています。安全の仕組みとして、門番役の別のモデルがスクリプトを検査し、システムを変更する命令には人の承認を求め、可能な場合はサンドボックスの中で動かす、と説明されています。
ただし、ドキュメント自身がその限界を書いています。サンドボックスは「現時点では初歩的」、門番の検査の方針は固定で、既定のリポジトリ以外からのインストールやネットからの取得を禁じる程度です。共有サーバーの説明では、ガードはプロンプトの注入を防ぐ助けにはなるが完全ではなく、許可された利用者ができることを縛るためのものではないとされています。広く実行を許す構成は、本番より開発用のシステムに向く、とも書かれています。
- 読み取りの調査で原因が分かったので、その場で実行機能を有効にして対処まで AI に任せる
- 承認の確認を煩わしく感じ、実行の確認を「常に許可」に設定する(ドキュメントは危険で非推奨と明記)
- 門番役に小さなモデルを使い、検査が通ったことを安全の根拠にする
社内の線は次のように引くのが現実的です。本番のサーバーには実行の規則を書かない。実行機能を試すなら、検証環境のホストだけに、限られたグループで許可する。一般提供になったのは読み取りの道具であり、実行機能は先行提供だという区別を、社内の承認文書にも残しておきます。
AIの見立てを誰が確かめ、対処を誰が決めるか
読み取りの調査でAIが返すのは、原因の見立てです。公式のデモのように、ログと性能の履歴を突き合わせて「この定期処理が怪しい」と示すところまでが仕事で、それが正しいかどうかは保証されません。ログの一部だけを読んで、相関を因果と取り違えることもあります。
だからAIには結論だけでなく根拠を書かせます。どのホストの、どのログの、どの時刻の記録を見てそう判断したのか。人はその根拠を自分で開き、同じものが見えるかを確かめます。根拠が示せない見立ては、仮説として扱います。
- 見たホスト・ログ・時刻の範囲が書かれているか(読めるログの限定で見落としがないか)
- 原因と書かれたものが、時間の順序として症状より先に起きているか
- 別の原因の候補を挙げさせ、それを否定した理由があるか
- 対処の案が、読み取りの範囲を超える操作(再起動・設定変更・削除)を含んでいないか
- 影響を受ける業務(サイト・フォーム・配信)の持ち主に、確認が必要な内容か
対処を決めるのは人です。再起動、設定の変更、定期処理の時間の移動といった判断は、当番の技術者と、その業務の持ち主が行います。AIに判断させず、AIには調べさせて根拠を書かせる。この分担を当番の手順書に一文で書いておくと、夜中の判断で迷いません。
運用定着1:夜間・休日の一次調査に組み込む
導入の効果が出やすいのは、夜間・休日の一次調査です。警報を受けた当番が、最初の数十分で行うログの確認と性能の推移の突き合わせを、AIとの会話で先に済ませます。ここで目指すのは当番が起きてから状況を把握するまでの時間を縮めることで、当番を不要にすることではありません。
自社サイトや配信基盤の例でいえば、夜間の配信の最中にサイトが重くなったとき、AIにまず「どのサーバーで、いつから、何が増えたか」を調べさせます。性能の履歴が引けるようになったので、前週の同じ時間帯と比べるといった調べ方も会話で頼めます。当番はその結果を見て、配信を止めるか、続けながら様子を見るかを判断し、朝にマーケ部門の担当者へ伝えます。
- 警報を受けたら、当番が共有サーバーにログインし、読み取りの道具だけで調査を頼む
- AIに、見立てと根拠(ホスト・ログ・時刻)と、別の候補を書かせる
- 当番が根拠を開いて確かめ、対処を決める。実行は従来どおり人の手で行う
- 影響を受けた業務の持ち主に、翌営業日の朝に経緯を伝える
定着の初期は、当番が従来の手順で調べた結果とAIの見立てを並べて記録します。数週間分を並べると、AIが得意な障害と見当違いをしやすい障害が見えてきます。得意な型が分かってから、手順書の中でAIに頼む範囲を広げます。
運用定着2:記録の残し方と、振り返りに使う
共有サーバーでは、アクセスが中央で記録されます。ドキュメントによると、コンテナで動かす場合はログを JSON の形で標準出力に出し、コンテナの基盤で集められるようにする構成が示されています。この記録と、AIとの会話の記録、サーバー側の接続の記録の三つがそろって、初めて「誰が、いつ、どのサーバーを、何のために読ませたか」が再現できます。
注意したいのは、記録そのものに機密が残ることです。伏せ字の機能の説明では、道具の引数は伏せずに記録に残り、想定外の例外はサーバー側のログに伏せずに残るとされています。調査の記録は、調査したログと同じ重さで保管する必要があります。保存先と閲覧できる人、保存期間を、既存のログの規程に合わせて決めます。
振り返りでは、障害の報告書に「AIの見立て」と「人の確認の結果」を分けて書きます。見立てが当たったか、外れたか、外れたなら何が足りなかったか。読めるログの限定が狭すぎて見落としたのか、モデルの読み違いなのかを分けて記録すると、次に広げるべきものと、広げてはいけないものが見えます。
費用の増え方と、止め方・やめ方
MCP サーバー自体は GitHub で公開されたオープンソースで、配布はコンテナイメージと RHEL の拡張リポジトリのパッケージです。費用として増えるのは、主にAIのモデルの利用料と、共有サーバーや認可サーバーを動かす基盤、そして規則や鍵を保守する人の手間です。社外のモデルを使う場合、障害が長引くほど、AIに読ませるログの量と会話の回数が増え、利用料も増えます。夜間の調査の会話に上限の目安を決めておくと、請求が読めます。
止め方は、構成上は単純です。共有サーバーなら、許可規則から該当のグループを外すか、サーバーそのものを止めれば、AIからは対象のサーバーに届かなくなります。規則に一致しなければ拒否される作りなので、規則を空にすれば全員が使えなくなるという止め方も成り立ちます。加えて、MCP サーバー用のサービスアカウントの鍵を対象のサーバーから外せば、確実に遮断できます。
やめるときに残るのは、規則の YAML、鍵、調査の記録です。鍵は対象のサーバーから外し、記録は保存期間に従って扱います。オープンソースなので部品そのものに解約はありませんが、サポートを受けている場合は、拡張リポジトリ向けのサポート方針の範囲を確かめておきます。当番の手順書からAIの手順を外し、従来の手順に戻せることを、導入の時点で確かめておくのがやめ方の要です。
よくある質問
一般提供になったのだから、実行機能も使ってよいのでは?
一般提供の範囲は、既定で読み取り専用の道具です。命令を作って実行する機能は、公式ブログで Developer Preview のままとされています。本番のサーバーでは有効にせず、試すなら検証環境のホストだけに限ります。
AIのモデルを社内で動かせば、何も気にしなくてよいですか?
情報が社外に出る心配は小さくなりますが、誰にどのサーバーを読ませるか、見立てを誰が確かめるかは同じように決める必要があります。小さすぎるモデルは読み違いが増えるので、調査の質も評価の対象にします。
マーケ部門にも関係がありますか?
自社サイト、問い合わせフォーム、メール配信の基盤が RHEL のサーバーで動いているなら関係します。そのログには顧客の情報が含まれることがあり、読ませてよいログの範囲を決める場に、業務の持ち主として加わるのが役割です。障害の経緯を受け取る窓口も決めておきます。
伏せ字の機能があれば、個人情報は大丈夫ですか?
公式ドキュメントは、組み込みの規則は資格情報向けで、個人情報の規則は無いと書いています。独自の規則を足すことはできますが、正規表現の照合なので漏れは残ります。読めるログの限定とモデルの選び方で止めるのが基本です。
まとめ
Red Hat Enterprise Linux 向け MCP サーバーは、2026年11月11日に一般提供となった、AIにサーバーのログや性能の履歴を読ませて障害を調べるための部品です。既定は読み取り専用で、命令を作って実行する機能は先行提供のまま残っています。読み取り専用はサーバーを壊さない約束であり、情報を外に出さない約束ではありません。読めるログを狭く始め、モデルの送り先を契約で確かめ、共有サーバーの許可規則で誰にどのサーバーを許すかを決める。AIには調べさせて根拠を書かせ、対処の判断は人が持つ。夜間・休日の一次調査から小さく始め、見立てと人の確認を並べて記録していけば、任せてよい範囲が自社のデータで見えてきます。
※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。
あなたのWebサイトは、AIによる攻撃に耐えられますか?
AIを活用してWebサイト・Webサービスの脆弱性を診断し、発見した問題と推奨する修正方法をご報告します。
