2026/05/24
Claude Code の利用状況を Cloudflare D1 にためてみる
自律的なSkill起動を可視化するOpenTelemetry収集基盤の構築
カスタマイズ環境で生じる課題
SkillやPluginを追加したものの実際の利用状況が見えにくくなっていませんか
稼働状況が不透明
本当に使われているか
自分が設定したSkillが実際に動いているか見えにくい
自律的起動の有無
AIの文脈判断
指示した時しか動かないのか自動で起動しているのか不明
感覚的な評価
データが欠如
数字の裏付けがなく感覚で使えている気になっている
評価アプローチの転換
感覚的な把握
使えている気がするだけで実際の起動頻度や自律性が不明確な状態
データ駆動の把握
ログやメトリクスから自律起動回数や利用コストを正確に評価する状態
Claude Codeの効果を最大限に引き出すにはデータによる検証が不可欠です
利用状況の収集アーキテクチャ
Claude
OTEL有効化
Worker
ログとメトリクス受信
D1
SQLで集計・保存
D1に保存するデータの分類
Workerでエンドポイントを分岐させイベントとメトリクスを管理します
イベントデータ
SkillやPluginの起動などアクションごとの履歴
skill_events
plugin_events
api_requests
メトリクスデータ
コストやトークン数などの定量的な利用実績
cost_usage
token_usage
session_counts
invocation_trigger = 'claude-proactive'
ユーザーが指示しなくてもAIが文脈から判断して自律的にSkillを起動したケースを抽出する条件です
自律的に起動したSkillの集計結果
実際のD1のデータから文脈に合わせて自動起動した回数を集計しました
Git workflow
コミット等の定型作業
wrangler
notebooklm
利用状況を可視化しよう
感覚での評価をやめ実際のデータに基づいてSkill環境を最適化しましょう
次のステップ
OTEL設定の有効化
settings.jsonにエンドポイント等を追記する
集計環境の構築
WorkerをデプロイしD1のテーブルを用意する
Skillの棚卸し
集計結果を見て使われていないSkillを改善する
ポイント: OTEL_LOG_TOOL_DETAILSを有効にすることでSkill名が匿名化されるのを防ぐことができます
データ駆動でAIアシスタントを使いこなそう
sui Tech Blog