MCPサーバーダッシュボード ​

MCPサーバーダッシュボードは、すべてのMCPサーバーの可視化されたメトリクスとサーバーステータスを表示します。単一のMCPサーバーのメトリクスを表示する場合は、MCPサーバーレベルのダッシュボードを参照してください。

Enterprise MCPで構築された各MCPサーバーは、分析可能なインタラクションデータを生成します。これらのメトリクスにより、MCPサーバーがどの程度効果的に動作しているか、ツールが想定どおりに使用されているか、ユーザーがツールとどのように関わっているかを把握できます。

ダッシュボードにより、MCPサーバーを詳細レベルで監視できるため、サーバーヘルスの低下やエラーを見逃さずに検出できます。概要メトリクス、ツール呼び出しメトリクス、推定トークン使用量メトリクスなどの主要なパフォーマンス情報を確認できます。

ツール呼び出しメトリクスを表示したMCPサーバーダッシュボード

ダッシュボード上のメトリクスをフィルタリングし、チャートを更新するための期間を選択できます。サポートされている時間範囲は次のとおりです。

• 直近30分
• 過去1時間
• 直近1日
• 過去7日間
• 過去30日間
• カスタム範囲

MCPサーバーダッシュボードへのアクセス ​

次の手順を実行してMCPサーバーダッシュボードにアクセスします。

概要メトリクス ​

ダッシュボードでは、次の概要メトリクスを提供します。

オンラインMCPサーバー数 ​

オンラインMCPサーバー数メトリクスは、現在ツール呼び出しを受信可能なMCPサーバー数を追跡します。これにより、MCPサーバーの稼働状況を確認できます。

ツール呼び出し ​

ツール呼び出しメトリクスは、選択した期間内に、すべてのMCPサーバーでツールが呼び出された回数を示します。これにより、全体の利用状況のボリュームを把握し、MCPサーバーへの依存度の変化を特定できます。

推定トークン使用量 ​

推定トークン使用量メトリクスは、選択した期間にMCPサーバー全体でのLLMインタラクションにより消費された推定トークン数を示します。これにより、MCPサーバー全体の利用状況におけるスパイクや低下を監視できます。

成功率 ​

成功率メトリクスは、選択した期間内に行われたすべてのツール呼び出しのうち、正常に完了したツール呼び出しの割合を示します。これにより、MCPサーバーの全体的な信頼性を評価できます。

ツール呼び出しメトリクス ​

メトリクストグルをツール呼び出しに切り替えると、ダッシュボードには次のメトリクスが表示されます。

ツール呼び出しの経時推移

P95応答時間 ​

P95応答時間メトリクスは、ツール呼び出しの95%が完了するまでの時間を示します。応答時間は、選択した期間内のすべてのサーバーを対象に集計されます。応答時間はミリ秒単位で追跡され、必要に応じて秒単位で表示されます。

成功したツール呼び出し ​

成功したツール呼び出しメトリクスは、選択した期間内にエラーなく完了したツール呼び出し数を示します。これにより、健全な利用状況を経時的に追跡できます。

失敗したツール呼び出し ​

失敗したツール呼び出しメトリクスは、選択した期間内にエラーとなったツール呼び出し数を示します。このメトリクスの増加傾向は、連携上の問題、認証の不具合、またはツールの誤った設定を示している可能性があります。

エラータイプ別 ​

エラータイプ別メトリクスは、内部エラー、ツール検証、ツール未検出、認証拒否、ツール実行などのカテゴリごとに、合計エラー数を内訳表示します。これにより、成功率を算出し、繰り返し発生する失敗パターンを分析できます。

ツール呼び出し数別上位サーバー ​

ツール呼び出し数別上位サーバーメトリクスは、選択した期間に最も多くツール呼び出しを受けているMCPサーバーを示します。これにより、どのMCPサーバーがチームにとって最も有用かを把握できます。

ツール別上位ツール呼び出し ​

ツール別上位ツール呼び出しメトリクスは、選択した期間に最も多くツール呼び出しを受けているツールを示します。これにより、どのツールがチームにとって最も有用かを把握できます。

ツール呼び出し数別上位ユーザー ​

ツール呼び出し数別上位ユーザーメトリクスは、最も多くツール呼び出しを行っているユーザーを示します。これにより、どのチームがどのツールを利用しているかを把握できます。

推定トークン使用量メトリクス ​

メトリクストグルを推定トークン使用量に切り替えると、ダッシュボードには次のメトリクスが表示されます。

推定トークン使用量の経時推移

推定総トークン使用量 ​

推定総トークン使用量メトリクスは、選択した期間にMCPサーバー全体でのLLMインタラクションにより消費された概算トークン数を示します。これにより、コストやキャパシティの想定と照らして利用状況を監視できます。

入力トークン ​

入力トークンメトリクスは、選択した期間にLLMインタラクションで消費された入力トークン数を示します。これにより、プロンプト、ツール定義、ツール結果など、モデルに送信されるコンテキストからのトークン消費量を把握できます。

出力トークン ​

出力トークンメトリクスは、選択した期間にLLMインタラクションで消費された出力トークン数を示します。これにより、モデルからの応答に起因するトークン消費量を把握できます。出力トークンと入力トークンを比較することで、どこにコストが集中しているかを把握できます。

推定トークン使用量別上位サーバー ​

推定トークン使用量別上位サーバーメトリクスは、選択した期間に最も多くトークンを使用しているMCPサーバーを示します。これにより、どのサーバーが最もコストを生み出しているか、またどこでスキーマやレスポンスの最適化が必要かを特定できます。

推定トークン使用量別上位クライアント ​

推定トークン使用量別上位クライアントメトリクスは、選択した期間に最も多くトークンを使用しているMCPクライアントを示します。これにより、類似のワークロードに対するクライアント間のトークン消費を比較できます。

推定トークン使用量別上位ユーザー ​

推定トークン使用量別上位ユーザーメトリクスは、選択した期間に最も多くトークンを使用しているユーザーを示します。これにより、多用パターンを特定し、チーム間でコストやキャパシティを配分できます。

MCPサーバーダッシュボードのユースケース例 ​

MCPサーバーダッシュボード上のメトリクス分析を通じて、MCPサーバーのパフォーマンスに関するインサイトを得ることができます。

Databricks Data Explorer MCPサーバー ​

MCPサーバーダッシュボード上のメトリクスを使用して、LLMがデータをどれだけ安定して探索し、読み取り専用クエリを実行しているかを監視できます。例:

• P95応答時間: 設定済みSQLウェアハウスに対するexecute_query呼び出しが、特に大規模または非同期クエリの場合でも、許容範囲内のレイテンシで返ってきているかを評価します。

• エラータイプ別: tool_validationやtool_executionエラーを監視し、アナリストに影響が及ぶ前に、不正なSQL、権限不足、スキーマの不整合を検知します。

• アクティブユーザー数: Databricksインターフェースを直接使用する代わりに、Databricks Data Explorer MCPサーバーがデータチームやアナリティクスチーム全体でどの程度採用されているかを追跡します。

• 推定総トークン使用量: さまざまなチームがUnity Catalogテーブルを探索するにつれて、get_table_sampleやget_table_schemaなどの呼び出しによるトークン消費を監視し、コストを管理します。

• 入力トークン: get_table_schemaやdescribe_tableが各リクエストにどれだけのコンテキストを追加しているかを追跡します。 Unity Catalogテーブルは、クエリ実行前に大きなスキーマペイロードを送信する場合があります。

• 出力トークン: execute_queryやget_table_sampleがどれだけのデータを返しているかを追跡し、スパイクを列選択の調整や絞り込みが必要なサインとして活用します。

Namely Workforce Intelligence MCPサーバー ​

MCPサーバーダッシュボード上のメトリクスを使用して、HRおよびピープルチームがワークフォースデータにどの程度依存しているかを監視し、管理上の変更を保護できます。例:

• ツール呼び出し総数: ヘッドカウントの確認、組織計画、経営層ブリーフィングの際に、search_employeesやget_employee_detailがどれくらいの頻度で呼び出されているかを監視します。

• エラータイプ別: update_employeeやupdate_reporting_relationshipで発生するauthentication_deniedエラーを追跡し、ワークフォースレコードの変更が暗黙的に失敗する前に権限の問題を検知します。

• P95応答時間: get_all_job_titlesなどの組織図やレポーティングチェーンのクエリが、経営層とのライブディスカッションを支えられる十分な速さで返っていることを確認します。

• 推定総トークン使用量: このメトリクスを、サーバー設定に見直しが必要な箇所を示すシグナルとして使用します。高い使用量は、フルの従業員レコードを返す詳細なツール定義やレスポンスなど、本来は一部の情報だけで十分な箇所で冗長なデータが返されていることを示している場合がよくあります。