事例4:過去Issueから運用手順書を作る¶
課題:手順は過去Issueに散らばり、手順書を作る時間がない¶
「前回のOpenSearchアップデート、どうやったんだっけ?」──答えは数年分のGitHub Issueのどこかにある。検索して、読んで、試行錯誤のノイズを取り除いて手順書にまとめる。この2時間30分が惜しくて、手順書は今日も存在しない。
GitHub MCPとTRACERY MCPを組み合わせると、過去Issueの横断調査から手順書の作成・保存、実施後の更新までをAIに任せられます。
結果:2時間30分の調査・手順書作成が50分に¶
従来(手作業) |
MCP活用 |
|
|---|---|---|
作業時間 |
約2時間30分 |
約50分(67%削減) |
内訳 |
GitHub検索30分、Issue確認60分、手順書作成45分、ページ登録15分 |
AIが検索・分析・作成・登録40分、人間の指示・確認10分 |
AIが過去Issueから作成した運用手順書が、TRACERYの「運用」カテゴリーにページとして保存されます。
やっていること¶
AIエージェントがGitHub MCPで過去Issueを横断検索して成功・失敗事例を分析し、手順書としてまとめてTRACERY MCP経由でページ登録します。作業実施後は、実施結果のIssueコメントを取り込んで手順書を更新します。
%%{init: {"theme": "neutral"}}%%
flowchart LR
GH[GitHub MCP<br>過去Issue] -->|検索・参照| Agent[AIエージェント]
Agent -->|手順書を保存・更新| TMCP[TRACERY MCP] --> Doc[運用手順書]
User((利用者)) -->|指示・確認| Agent
実際の手順¶
1. 過去Issueを調査させる¶
プロンプト例
OpenSearchのソフトウェア更新の実施に向けて、OpenSearchまたはElasticsearchのアップデートの実績を過去Issueから調査してください。
- #search_issues を使ってGitHubリポジトリーのIssueを検索してください。
- 成功事例と失敗事例をそれぞれ特定してください。
- 各Issueの実施時間、手順、注意点を取得してください。
AI応答例(イメージ)
過去3年分から8件の関連Issueを見つけました(以下は代表例)。
成功事例: #4211(2.11→2.13、所要90分)、#5872(2.13→2.15、所要75分)
失敗事例: #4506(インデックス互換性エラーでロールバック。事前のスナップショット取得で復旧)
各Issueから手順と注意点を抽出します。
2. 手順書を作成・保存させる¶
プロンプト例
調査結果を元に、OpenSearchアップデートの運用手順書を作成してください。
- 具体的な手順を成功事例のIssueから読み取って記載してください。
- 障害事例からの注意点も含めてください。
- 適切なカテゴリーを確認して、手順書を保存してください。
失敗事例から得られた注意点が手順書に含まれるのがポイントです。試行錯誤のノイズはAIが取り除きます。
3. 実施後、結果を手順書に反映させる¶
作業を実施してIssueに結果を記録したら、それを手順書に取り込みます。
プロンプト例
Issue #6023 に実施結果を追記しました。
この情報をTRACERY上の手順書に反映してください。
- #get_issue_comments でIssueのコメントを取得してください。
- 実施時間、発生した問題、解消方法を手順書に追記してください。
- ページを更新してください。
この更新サイクルを回すことで、実態を反映した手順書を保ち続けられます。
コツと注意点¶
Issue番号への直接リンクを残させると、手順の根拠をいつでも遡れます。
調査範囲のキーワードを具体的に。対象技術の旧名称・関連製品名(OpenSearch / Elasticsearch)も指示に含めると漏れが減ります。
手順書は「作って終わり」ではなく、実施のたびに手順3で更新するのが前提です。
開発サイクルでの位置づけ¶
%%{init: {"theme": "neutral"}}%%
flowchart LR
A[事例1:用語集の整備] --> C[事例3:API設計・実装]
B[事例2:DB定義書の最新化] --> C
C --> D[事例4:運用手順書の整備]:::current
D -.->|知見の還流| A
D -.-> B
classDef current fill:#4a6fa5,color:#fff,stroke:#4a6fa5
項目 |
内容 |
|---|---|
受け取るもの |
GitHub Issueに蓄積された作業実績(成功・失敗事例)。事例3までで蓄積されたTRACERY上の設計資産も、障害調査時の参照先になる |
この事例で作る資産 |
根拠Issueにリンクした運用手順書。実施のたびに所要時間・トラブルと対処が追記され、実態を反映し続ける |
次の事例への効き方 |
運用で見つかった新しい用語・仕様の実態・設計変更の必要性が、事例1の用語集や事例2のDB定義に還流する。開発サイクルが一周して知識ベース全体が更新され続ける |
GitHub MCPとの2本立てになる事例です。GitHub MCPが参照(Read)、TRACERY MCPが保存(Write)と、主な役割が分かれます。
開発サイクルの先頭へ → 事例1:ソースコードと議事録から用語集を整備する
詳細情報¶
使用MCPツール・処理フロー・実測環境
使用したMCPツール
GitHub MCP
#search_issues: キーワードでIssueを横断検索。対象リポジトリーと検索キーワードを指定#get_issue: Issue番号を指定して詳細情報を取得#get_issue_comments: Issueのコメントを取得。実施後の結果を取り込む際に使用
TRACERY MCP(ドキュメント管理)
#get_page_categories: ページカテゴリー一覧を取得。登録先カテゴリーの確認に使用#create_page: 新しいページを作成#update_page: 既存のページを更新。実施結果の反映に使用
処理フロー
%%{init: {"theme": "neutral"}}%%
sequenceDiagram
Actor User as 利用者
participant Agent as AIエージェント
participant GH as GitHub MCP
participant TMCP as TRACERY MCP
User->>Agent: 調査・手順書作成の指示(プロンプト)
Agent->>GH: Issue検索(参照)
GH-->>Agent: Issue一覧
loop 実績収集
Agent->>GH: Issue詳細・コメント取得(参照)
GH-->>Agent: Issue内容・実施結果
end
Agent->>Agent: 成功/失敗事例の整理・手順書作成
Agent->>TMCP: 手順書ページ作成(保存)
TMCP-->>Agent: 作成完了
Agent-->>User: 手順書の提示
Note over User,TMCP: 実施後
User->>Agent: 実施結果の取り込み指示
Agent->>GH: 実施Issueのコメント取得(参照)
GH-->>Agent: 実施結果
Agent->>TMCP: 手順書ページ更新(保存)
TMCP-->>Agent: 更新完了
Agent-->>User: 更新完了の報告
実測環境
対象データ: リポジトリーの過去Issue(数年分)。対象技術の例: OpenSearch、Elasticsearch、AWS関連サービス
VSCode 1.109 / GitHub Copilot Agent / Claude Sonnet 4.6
GitHub MCP / TRACERY MCP