# MCP サーバー統合
<a name="mcp-server-integration"></a>

ソリューションのデプロイ中にオプションの MCP サーバーコンポーネントをデプロイした場合、分散負荷テストソリューションをモデルコンテキストプロトコルをサポートする AI 開発ツールと統合できます。MCP サーバーは、AI アシスタントを介して負荷テストを取得、管理、分析するためのプログラムによるアクセスを提供します。

お客様は、選択したクライアント (Amazon Q、Claude など) を使用して DLT MCP サーバーに接続できます。それぞれの設定手順は若干異なります。このセクションでは、MCP Inspector、Amazon Q CLI、Cline、Amazon Q Suite の設定手順について説明します。

## ステップ 1: MCP エンドポイントとアクセストークンを取得する
<a name="get-mcp-credentials"></a>

MCP クライアントを設定する前に、DLT ウェブコンソールから MCP サーバーエンドポイントとアクセストークンを取得する必要があります。

1. 分散負荷テストウェブコンソールの **[MCP サーバー]** ページに移動します。

1. **[MCP サーバーエンドポイント]** セクションを見つけます。

1. **[エンドポイント URL のコピー]** ボタンを使用してエンドポイント URL をコピーします。エンドポイント URL の形式は、`https://{gateway-id}.gateway.bedrock-agentcore.{region}.amazonaws.com/mcp` です。

1. **[アクセストークン]** セクションを見つけます。

1. **[アクセストークンをコピー]** ボタンを使用して、アクセストークンをコピーします。

**重要**  
アクセストークンは安全に保管し、公開しないでください。トークンは、MCP インターフェイスを介して分散負荷テストソリューションへの読み取り専用アクセスを提供します。

![\[エンドポイントとアクセストークンを示す MCP サーバー認証情報ページ\]](http://docs.aws.amazon.com/ja_jp/solutions/latest/distributed-load-testing-on-aws/images/mcp-credentials.png)


## ステップ 2: MCP Inspector を使用してテストする
<a name="mcp-inspector-setup"></a>

モデルコンテキストプロトコルは、MCP サーバーに直接接続してツールを呼び出すためのツールである [MCP Inspector](https://modelcontextprotocol.io/docs/tools/inspector) を提供します。これにより、AI クライアントを設定する前に MCP サーバー接続をテストするのに便利な UI とサンプルネットワークリクエストが提供されます。

**注記**  
MCP Inspector にはバージョン 0.17 以降が必要です。すべてのリクエストを JSON RPC で直接行うこともできますが、MCP Inspector はより使いやすいインターフェイスを提供します。

 **MCP Inspector をインストールして起動する** 

1. 必要に応じて、npm をインストールします。

1. 次のコマンドを実行して、MCP Inspector を起動します。

   ```
   npx @modelcontextprotocol/inspector
   ```

 **接続を設定する** 

1. MCP Inspector インターフェイスで、MCP サーバーエンドポイント URL を入力します。

1. アクセストークンで認可ヘッダーを追加します。

1. **[接続]** をクイックして接続を確立します。

![\[MCP Inspector 設定画面\]](http://docs.aws.amazon.com/ja_jp/solutions/latest/distributed-load-testing-on-aws/images/mcp-inspector-config.png)


 **ツールを呼び出す** 

接続したら、利用可能な MCP ツールをテストできます。

1. 左側のパネルで利用可能なツールのリストを参照します。

1. ツール (`list_scenarios` など) を選択します。

1. 必要なパラメータを指定します。

1. **[呼び出す]** をクリックしてツールを実行し、レスポンスを表示します。

![\[使用可能なツールと呼び出しを示す MCP Inspector\]](http://docs.aws.amazon.com/ja_jp/solutions/latest/distributed-load-testing-on-aws/images/mcp-inspector-tools.png)


## ステップ 3: AI 開発クライアントを設定する
<a name="configuring-ai-clients"></a>

MCP Inspector との MCP サーバー接続を確認したら、希望する AI 開発クライアントを設定できます。

### Amazon Q CLI
<a name="q-cli-configuration"></a>

Amazon Q CLI は、MCP サーバー統合による AI 支援型開発へのコマンドラインアクセスを提供します。

 **設定手順** 

1. `mcp.json` 設定ファイルを編集します。設定ファイルの場所の詳細については、「*Amazon Q Developer ユーザーガイド*」の「[リモート MCP サーバーの設定](https://docs.aws.amazon.com/amazonq/latest/qdeveloper-ug/command-line-mcp-config-CLI.html#command-line-mcp-remote-servers)」を参照してください。

1. DLT MCP サーバーの設定を追加します。

   ```
   {
     "mcpServers": {
       "dlt-mcp": {
         "type": "http",
         "url": "https://[api-id].execute-api.[region].amazonaws.com/[stage]/gateway/backend-agent/sse/mcp",
         "headers": {
           "Authorization": "your_access_token_here"
         }
       }
     }
   }
   ```

 **設定の検証**: 

1. ターミナルで、`q` と入力して Amazon Q CLI を起動します。

1. `/mcp` と入力すると、利用可能なすべての MCP サーバーが表示されます。

1. `/tools` と入力すると、`dlt-mcp` およびその他の設定済み MCP サーバーが提供し、使用可能なツールが表示されます。

1. `dlt-mcp` が正常に初期化されたことを確認します。

### Cline
<a name="cline-configuration"></a>

Cline は、MCP サーバー統合をサポートする AI コーディングアシスタントです。

 **設定手順** 

1. Cline で、**[MCP サーバーの管理]** > **[設定]** > **[MCP サーバーを設定]** に移動します。

1. `cline_mcp_settings.json` ファイルを更新します。

   ```
   {
     "mcpServers": {
       "dlt-mcp": {
         "type": "streamableHttp",
         "url": "https://[api-id].execute-api.[region].amazonaws.com/[stage]/gateway/backend-agent/sse/mcp",
         "headers": {
           "Authorization": "your_access_token_here"
         }
       }
     }
   }
   ```

1. 設定ファイルを保存します。

1. Cline を再起動して変更を適用します。

### Amazon Q Suite
<a name="amazon-q-suite-configuration"></a>

Amazon Q Suite は、MCP サーバーアクションをサポートする包括的な AI アシスタントプラットフォームを提供します。

 **前提条件** 

Amazon Q Suite で MCP サーバーを設定する前に、DLT デプロイの Cognito ユーザープールから OAuth 認証情報を取得する必要があります。

1. [AWS CloudFormation コンソール](https://console.aws.amazon.com/cloudformation/)に移動します。

1. 分散負荷テストスタックを選択します。

1. **[出力]** タブで、DLT デプロイに関連付けられた **[Cognito ユーザープール ID]** を見つけてコピーします。  
![\[DLT CloudFormation Cognito ユーザープール\]](http://docs.aws.amazon.com/ja_jp/solutions/latest/distributed-load-testing-on-aws/images/cognito-user-pool.png)

1. [Amazon Cognitoコンソール](https://console.aws.amazon.com/cognito/) に移動します。

1. CloudFormation 出力からユーザープール ID を使用してユーザープールを選択します。

1. 左側のナビゲーションで、**[アプリケーションの統合]** > **[アプリケーションクライアント]** を選択します。  
![\[Cognito クライアント ID とシークレット\]](http://docs.aws.amazon.com/ja_jp/solutions/latest/distributed-load-testing-on-aws/images/client-id-and-secret.png)

1. `m2m` (machine-to-machine) で終わる名前のアプリケーションクライアントを見つけます。

1. **クライアント ID** と**クライアントシークレット**をコピーします。

1. **[ドメイン]** タブからユーザープールドメインを取得します。  
![\[Cognito クライアント ID とシークレット\]](http://docs.aws.amazon.com/ja_jp/solutions/latest/distributed-load-testing-on-aws/images/token-endpoint.png)

1. ドメインの末尾に `/oauth2/token` を追加して、トークンエンドポイント URL を作成します。

 **設定手順** 

1. Amazon Q Suite で、新しいエージェントを作成するか、既存のエージェントを選択します。

1. DLT MCP サーバーを操作する方法を説明するエージェントプロンプトを追加します。

1. 新しいアクションを追加し、**[MCP サーバーアクション]** を選択します。  
![\[QuickSuite エージェントアクション\]](http://docs.aws.amazon.com/ja_jp/solutions/latest/distributed-load-testing-on-aws/images/q-suite-agent-actions.png)  
![\[QuickSuite MCP サーバーツール\]](http://docs.aws.amazon.com/ja_jp/solutions/latest/distributed-load-testing-on-aws/images/q-suite-mcp-action.png)

1. MCP サーバーの詳細を設定します。
   +  **MCP サーバー URL**: DLT MCP エンドポイント  
![\[QuickSuite MCP ツールドメインの設定\]](http://docs.aws.amazon.com/ja_jp/solutions/latest/distributed-load-testing-on-aws/images/q-suite-mcp-setup.png)
   +  **認証タイプ**: サービスベースの認証
   +  **トークンエンドポイント**: Cognito トークンエンドポイント URL
   +  **クライアント ID**: m2m アプリケーションクライアントからのクライアント ID
   +  **クライアントシークレット**: m2m アプリケーションクライアントからのクライアントシークレット  
![\[QuickSuite MCP ツールエージェントの認証\]](http://docs.aws.amazon.com/ja_jp/solutions/latest/distributed-load-testing-on-aws/images/configure-agent-action-mcp.png)

1. MCP サーバーアクション設定を保存します。

1. 新しい MCP サーバーアクションをエージェントに追加します。

 **エージェントを起動してテストする** 

1. Amazon Q Suite でエージェントを起動します。

1. 自然言語プロンプトを使用してエージェントとの会話を開始します。

1. エージェントは MCP ツールを使用し、負荷テストデータを取得して分析します。

## プロンプトの例
<a name="example-prompts"></a>

次の例は、AI アシスタントとやり取りし、MCP インターフェイスを介して負荷テストデータを分析する方法を示しています。特定のテストニーズに一致するように、テスト ID、日付範囲、基準をカスタマイズします。

使用可能な MCP ツールとそのパラメータの詳細については、「デベロッパーガイド」の「[MCP ツールの仕様](mcp-tools-specification.md)」を参照してください。

### シンプルなテスト結果のクエリ
<a name="simple-test-results-query"></a>

MCP サーバーとの自然言語でのやり取りは、`Show me the load tests that have completed in the last 24 hours with their associated completion status` と同じくらいシンプルにすることも、次のような分かりやすいものにすることもできます。

```
Use list_scenarios to find my load tests. Then use get_latest_test_run to show me the basic execution data and performance metrics for the most recent test. If the results look concerning, also get the detailed performance metrics using get_test_run.
```

### プログレッシブな開示によるインタラクティブなパフォーマンス分析
<a name="interactive-performance-analysis"></a>

```
I need to analyze my load test performance, but I'm not sure which specific tests to focus on. Please help me by:

1. First, use list_scenarios to show me available test scenarios
2. Ask me which tests I want to analyze based on the list you show me
3. For my selected tests, use list_test_runs to get the test run history
4. Then use get_test_run with the test_run_id to get detailed response times, throughput, and error rates
5. If I want to compare tests, use get_baseline_test_run to compare against the baseline
6. If there are any issues, use get_test_run_artifacts to help me understand what went wrong

Please guide me through this step by step, asking for clarification whenever you need more specific information.
```

### 本番稼働の準備状況の検証
<a name="production-readiness-validation"></a>

```
Help me validate if my API is ready for production deployment:

1. Use list_scenarios to find recent test scenarios
2. For the most recent test scenario, use get_latest_test_run to get basic execution data
3. Use get_test_run with that test_run_id to get detailed response times, error rates, and throughput
4. Use get_scenario_details with the test_id to show me what load patterns and endpoints were tested
5. If I have a baseline, use get_baseline_test_run to compare current results with the baseline
6. Provide a clear go/no-go recommendation based on the performance data
7. If there are any concerns, use get_test_run_artifacts to help identify potential issues

My SLA requirements are: response time under [X]ms, error rate under [Y]%.
```

### パフォーマンスの傾向分析
<a name="performance-trend-analysis"></a>

```
Analyze the performance trend for my load tests over the past [TIME_PERIOD]:

1. Use list_scenarios to get all test scenarios
2. For each scenario, use list_test_runs with start_date and end_date to get tests from that period
3. Use get_test_run for the key test runs to get detailed metrics
4. Use get_baseline_test_run to compare against the baseline
5. Identify any significant changes in response times, error rates, or throughput
6. If you detect performance degradation, use get_test_run_artifacts on the problematic tests to help identify causes
7. Present the trend analysis in a clear format showing whether performance is improving, stable, or degrading

Focus on completed tests and limit results to [N] tests if there are too many.
```

### 失敗したテストのトラブルシューティング
<a name="troubleshooting-failed-tests"></a>

```
Help me troubleshoot my failed load tests:

1. Use list_scenarios to find test scenarios
2. For each scenario, use list_test_runs to find recent test runs
3. Use get_test_run with the test_run_id to get the basic execution data and failure information
4. Use get_test_run_artifacts to get detailed error messages and logs
5. Use get_scenario_details to understand what was being tested when it failed
6. If I have a similar test that passed, use get_baseline_test_run to identify differences
7. Summarize the causes of failure and suggest next steps for resolution

Show me the most recent [N] failed tests from the past [TIME_PERIOD].
```