【要約】「通知来てから動く」では間に合わない — AWS EOL を AI エージェントで先回り監視する [Qiita_Trend] | Summary by TechDistill
> Source: Qiita_Trend
Execute Primary Source
// Problem
インフラ運用担当者が、AWSサービスのサポート終了に伴う対応遅延という課題に直面している。従来の手法では、以下の問題が発生していた。
- ・サービスごとに情報の形式が異なり、横断的な比較が困難。
- ・自環境のリソースとEOL情報の突合が手作業。
- ・情報の更新が追いつかず、管理表の鮮度が劣化する。
- ・通知が来てからでは、検証や変更管理のリードタイムが不足する。
// Approach
AIエージェント（Kiro）に調査手順を「スキル」として定義し、MCPを活用して解決を図る。具体的な手法は以下の通りである。
- ・調査手順をMarkdown形式のスキルとして構造化。
- ・AWS Knowledge MCPを用いて、公式ドキュメントから正確な情報を取得。
- ・AWS MCPを用いて、実環境のリソース（RDS, EKS, Lambda等）を自動検出。
- ・残り日数に基づく4段階のステータス判定と、固定テンプレートによる出力。
// Result
AIエージェントの活用により、手作業による調査時間を大幅に短縮し、精度の高い棚卸しを実現した。
- ・20〜30分要した調査が、チャット1回で完了する。
- ・自環境のリソース名とEOL期限が紐づいた、具体的なレポートが得られる。
- ・調査手順がMarkdownで管理され、チーム内での共有や他エージェントへの移植が可能。
Senior Engineer Insight
> 「調査手順の構造化」というアプローチは極めて実戦的だ。単なるプロンプトではなく、MCPを用いたツール実行と、公式ドキュメントへの制約を組み合わせることで、LLMの弱点である不正確さを運用可能なレベルまで抑え込んでいる。EOLに限らず、セキュリティやコストの定期監査など、定型的な調査業務の自動化において、この「スキル化」のパターンは高いスケーラビリティを持つ。ただし、最終的な判断には人的レビューを組み込む設計が不可欠である。