このページでは、Mainframe Assessment Tool の一般的な設定を構成し、新しい評価のデフォルトの AI 機能を変更する方法について説明します。
変更された設定は、既存の評価には適用されません。変更した設定を使用するには、新しい評価を作成します。
全般設定の構成
評価の全般設定を構成する手順は次のとおりです。
設定設定アイコンをクリックします。
Cloud Logging と Google アナリティクスの設定を編集するには、[全般設定] セクションで次の操作を行います。
ロギングを無効にするには、[Cloud Logging を有効にする] をクリックします。
Cloud Logging はデフォルトで有効になっています。Logging の詳細については、Logging のドキュメントをご覧ください。
Google アナリティクスを無効にするには、[Google アナリティクスを有効にする] 切り替えボタンをクリックします。
Google アナリティクスはデフォルトで有効になっています。この設定の変更は、ページを再読み込みした後にのみ有効になります。
[Google Cloud プロジェクト] に、評価に使用するGoogle Cloud プロジェクト ID の名前を入力します。
Mainframe Assessment Tool インスタンスを作成した Google Cloud プロジェクトを使用する場合は、このフィールドを空白のままにします。
（省略可）[モデル] で、Gemini AI モデルを選択します。
デフォルトでは、Mainframe Assessment Tool は Gemini 2.5 Flash-Lite と 2.5 Flash を適応的に使用します。Mainframe Assessment Tool は、次のオプションから別のモデルを使用するように構成できます。
思考レベルの構成をサポートするモデルでは、[思考レベル] プルダウンで思考レベルを選択できます。
大規模な評価を実行してデフォルト モデルを変更する場合は、そのモデルの割り当てを増やして、評価をより迅速に完了できるようにすることをおすすめします。割り当てを調整するには、 Google Cloud コンソールを使用します。詳細については、割り当ての調整をリクエストするをご覧ください。
Mainframe Assessment Tool は、すべての Vertex AI リージョンのすべてのゾーンをサポートしています。
グローバル Vertex AI エンドポイントで可用性を向上させるには、[グローバル Vertex AI エンドポイントを使用する] を選択します。
詳細については、グローバル エンドポイントをご覧ください。
デフォルトでは、Mainframe Assessment Tool はデプロイされているリージョンの Vertex AI を使用します。
モデルの出力の創造性を制御するには、[カスタム温度] を選択し、
0.0～1.0の値を設定します。デフォルトでは、Mainframe Assessment Tool は
0.1の値を使用します。詳細については、モデル パラメータをご覧ください。[Save Settings] をクリックします。
新しい評価のデフォルトの AI 機能を構成する
Mainframe Assessment Tool では、評価の AI 分析情報のデフォルト パラメータをカスタマイズできます。デフォルトでは、AI 分析情報は有効になっています。
新しい評価で AI 機能を構成する手順は次のとおりです。
設定設定アイコンをクリックします。
COBOL コードの段落レベルの要約を生成するには、[詳細な要約] を選択します。
デフォルトでは、AI 分析が有効になっている場合、このオプションが選択されています。
Gemini によって生成された評価仕様のテストケースを生成するには、[テストケース] を選択します。
デフォルトでは、AI 分析が有効になっている場合、このオプションは選択されていません。
メインフレーム言語から Python、Java、C#、SQL への変換を提案する出力コードサンプルを生成するには、[コードの提案] を選択します。
[技術スタックのヒント] に、Gemini が特定の技術スタックのコードを生成するのに役立つテキストを入力します。たとえば、「
Spring Boot and MySQL」と入力します。[Save Settings] をクリックします。
省略可: アクションを実行する
このセクションでは、Gemini キャッシュのクリアや Gemini への接続の確認などのアクションを実行する方法について説明します。
アクションを実行する手順は次のとおりです。
設定設定アイコンをクリックします。
Mainframe Assessment Tool から Google Cloudサービスへの接続をテストするには、[接続を確認] をクリックします。
接続が成功すると、次のようなメッセージが表示されます。
Connectivity successGemini のキャッシュをクリアするには、[モデルのキャッシュをクリア] をクリックします。
Mainframe Assessment Tool のログをダウンロードするには、[サポート バンドルをダウンロード] をクリックします。
サポート バンドルには、Mainframe Assessment Tool のログが zip ファイルとして含まれています。このファイルは、問題をトラブルシューティングするために Google Cloud サポートと共有できます。
評価の AI 分析情報を無効にする
AI 分析を無効にすると、[評価] ページに AI 分析情報が表示されなくなります。
評価の AI 分析を無効にする手順は次のとおりです。
[新しい評価のデフォルトの AI 機能] セクションで、[AI 分析情報を有効にする] をオフにします。
[Save Settings] をクリックします。
カスタム メタデータ ラベルを使用して Vertex AI の費用を追跡する
Mainframe Assessment Tool は、費用を追跡して分析できるように、すべての Vertex AI リクエストにカスタム メタデータ ラベルを自動的に追加します。請求レポートでこれらのラベルを使用して費用をフィルタし、Vertex AI の使用状況をよりよく把握して最適化できます。費用は使用後 24 時間以内に請求レポートで更新されますが、場合によっては時間がかかることがあります。
請求レポートの費用をフィルタするには、次のラベルを使用します。
mat-version: Mainframe Assessment Tool のバージョン。mat-host: Mainframe Assessment Tool インスタンスのホスト環境。たとえば、Compute Engine VM や Google Kubernetes Engine などがあります。mat-action-type: Mainframe Assessment Tool によって実行されたアクションのタイプ。mat-schema: 処理されたアセットのタイプ。たとえば、COBOLやJCLです。mat-target: Mainframe Assessment Tool インスタンスのデプロイ ターゲット。mat-run-id: 評価の一意の ID。
課金レポートでこれらのフィルタを 1 つ以上使用して使用状況を追跡するには、フィルタを使用してデータを絞り込むをご覧ください。
Vertex AI のラベルの詳細については、カスタム メタデータ ラベルをご覧ください。
次のステップ
- 評価を作成する方法を学習する。