モデルの使用状況を追跡する

system.ai_gateway.usage システムテーブルを使用して Unity Gateway サービスの利用状況を監視します。これには、 AI クエリー、コーディングエージェント、 Databricks Apps、 AI Playground、その他のアプリケーションを含むさまざまなソースからのモデルサービス、モデルプロバイダーサービス、 MCP サービスへのリクエストがキャプチャされます。

使用状況レコードには、リクエスターとサービスの詳細、レスポンスステータス、モデルトークンの使用量とレイテンシー、MCP 呼び出しメタデータ、およびコーディングエージェントセッションメタデータが含まれます。カスタム分析のためにテーブルにクエリーを実行するか、組み込みの使用状況ダッシュボードを使用して、使用状況、支出、導入、パフォーマンスを監視します。

アカウント管理者とワークスペース管理者は、ガバナンス ハブのAIページでAIの使用状況の統合された概要を表示することもできます。

要件

• Unity Gatewayがサポートされているリージョン内のDatabricksワークスペース。
• ワークスペースでUnity Catalog有効化されていること。 Unity Catalog のワークスペースを有効にする方法をご覧ください。
• system.ai_gateway.usage テーブルをdefaultで表示またはクエリーするには、アカウント管理者ロールとメタストア管理者ロールの両方が必要です。管理者は システムテーブルへのアクセスを管理して、ユーザー、グループ、および Service Principal の権限を制御できます。

使用状況テーブルを照会する

Unity Gatewayは、使用状況データをsystem.ai_gateway.usageシステムテーブルにlogsします。UIでテーブルを表示したり、Databricks SQLやノートブックからテーブルにクエリーを実行したりできます。

注記

レコードは通常1時間以内に利用可能になります。新しいワークスペースのデータ配信には、これより時間がかかる場合があります。

UIでテーブルを表示するには、モデルサービスページの使用状況トラッキングテーブルリンクをクリックして、Catalog Explorerでテーブルを開きます。

Databricks SQLまたはノートブックからテーブルをクエリするには：

SQL

SELECT * FROM system.ai_gateway.usage;

プロンプト

Genie Codeがサポートします。このプロンプト例を試してください：

Query the system.ai_gateway.usage table to analyze AI Gateway usage showing request count and total tokens, grouped by endpoint name for the last 7 days.

価格

使用状況の追跡は、Unity AIゲートウェイの有料機能です。Databricks は、system.ai_gateway.usage テーブルにログが記録された使用状況に対して課金します。Unity AIゲートウェイの価格を参照してください。

組み込み使用状況ダッシュボード

組み込みのUnity Gateway使用状況ダッシュボードでは、モデル、MCPサービス、コーディングエージェント、スキル全体の使用状況、支出、導入状況、パフォーマンスをまとめて確認できます。

ダッシュボードを作成する

アカウント管理者は、Unity Gatewayページからダッシュボードを作成できます：

1. [ガバナンス] > [使用状況ダッシュボードの作成] をクリックします。

2. ワークスペース全体の使用状況を分析するには「 アカウントの使用状況 」を、現在のワークスペースに分析を制限するには「 ワークスペースの使用状況 」を選択します。

3. データ権限 の構成：

   • データ権限を共有 : ビューアーは、あなたのデータ権限を使用してダッシュボードクエリーを実行します。
   • 個別のデータ権限 : 各ビューアーは、自身のデータ権限を使用してダッシュボードクエリーをランします。

4. 自動更新 と スケジュールのデータ更新 を有効にするかどうかを選択します。

5. 「 セットアップして公開 」をクリックします。

defaultのSQLウェアハウスが自動的に選択されます。ダッシュボードクエリーを実行するIDには、基となるシステムテーブルへのアクセス権が必要です。システムテーブルへのアクセス権限の付与とダッシュボードのデータ権限を参照してください。

注記

Govern ドロップダウンがないワークスペースでは、Unity Gatewayページで独立した Create Dashboard 、 View Dashboard 、 Update ボタンを使用します。

ダッシュボードを探索する

ガバナンス > 利用状況ダッシュボード をクリックして、新しいtabでダッシュボードを開きます。

Tab	分析
概要	使用状況、トークン、アクティブなユーザー、コーディングエージェントのセッションを確認します。モデルとユーザーを、支出、支出の傾向、およびトークンまたはリクエストごとの支出で比較します。
支出	モデル別およびユーザー別に支出を分析し、トークン消費量とキャッシュを比較して、サービスおよびリクエストのタグを使って支出を配分します。
コーディングエージェント	エージェントの導入、ハーネスの使用状況、セッション、トークンの消費量、サブエージェントを比較します。推定コストでランク付けされた個々のセッションを調査します。
MCP	ツールの呼び出しとアクティブユーザーを追跡し、頻繁に使用されるサービスとツールを特定し、使用状況ソースを比較します。
スキル	スキルのdownloadと読み込みを追跡し、スキルの導入状況を比較して、ユーザー別のアクティビティを確認します。
パフォーマンス	モデルとMCPのレイテンシー、ストリーミングの初回バイトまでの時間、出力トークン/秒、キャッシュヒット率、エラー、レート制限された呼び出しを比較します。
README	ダッシュボードの機能、最近の変更、基になるデータソースへのLinkを確認します。

Tab	分析
概要	使用状況、トークン、アクティブなユーザー、コーディングエージェントのセッションを確認します。モデルとユーザーを、支出、支出の傾向、およびトークンまたはリクエストごとの支出で比較します。
支出	モデル別およびユーザー別に支出を分析し、トークン消費量とキャッシュを比較して、サービスおよびリクエストのタグを使って支出を配分します。
コーディングエージェント	エージェントの導入、ハーネスの使用状況、セッション、トークンの消費量、サブエージェントを比較します。推定コストでランク付けされた個々のセッションを調査します。
MCP	ツールの呼び出しとアクティブユーザーを追跡し、頻繁に使用されるサービスとツールを特定し、使用状況ソースを比較します。
スキル	スキルのdownloadと読み込みを追跡し、スキルの導入状況を比較して、ユーザー別のアクティビティを確認します。
パフォーマンス	モデルとMCPのレイテンシー、ストリーミングの初回バイトまでの時間、出力トークン/秒、キャッシュヒット率、エラー、レート制限された呼び出しを比較します。
README	ダッシュボードの機能、最近の変更、基になるデータソースへのLinkを確認します。

日付の範囲を選択して分析対象を絞り込むか、 サービス タグ キー と 1 つ以上の サービス タグ 値 エントリを選択して、特定チームまたはプロジェクトの利用量と支出を絞り込みます。アカウントスコープのダッシュボードには、 ワークスペース ID フィルターも含まれています。サービス タグ フィルターは、スキル tab には適用されません。

ダッシュボードの更新

新しいダッシュボードバージョンが利用可能になると、アカウント管理者は ガバナンス ドロップダウンのダッシュボードバージョン行で 更新 をクリックできます。 自動更新 を有効にすると、アカウント管理者が Unity Gateway ページにアクセスしたときに新しいTemplateが適用されます。

更新すると、ダッシュボードのコンテンツが最新のTemplateで置き換えられ、カスタマイズが上書きされる可能性があります。変更を保持したい場合は、更新前にコピーを保存してください。

ダッシュボードデータの更新

スケジュールされたデータ更新 は、クエリー結果を6時間ごとに更新します。

ダッシュボードで更新スケジュールを管理します。スケジュールの作成を参照してください。

使用状況テーブルスキーマ

system.ai_gateway.usageテーブルは次のスキーマを持っています:

列名	Type	説明	例
account_id	STRING	アカウントID。	11d77e21-5e05-4196-af72-423257f74974
workspace_id	STRING	ワークスペースID。	1653573648247579
request_id	STRING	リクエストの一意の識別子。	b4a47a30-0e18-4ae3-9a7f-29bcb07e0f00
invocation_id	STRING	個々の推論呼び出しのための一意の識別子。ガードレールチェックやマルチターンのエージェント呼び出しのように、複数の呼び出しで同じrequest_idを共有できます。それらを区別するためにinvocation_idを使用します。	c0a8012e-9f3b-4d21-8a7e-1b2c3d4e5f60
schema_version	Integer	使用状況レコードのスキーマバージョンです。	1
service_type	STRING	使用状況レコードを生成したサービスのタイプ。値は MODEL_SERVICE、MCP_SERVICE、および MODEL_PROVIDER_SERVICE です。	MODEL_SERVICE
service_id	STRING	モデルサービス、MCP サービス、またはモデルプロバイダーサービスの ID。	43addf89-d802-3ca2-bd54-fe4d2a60d58a
service_name	STRING	サービスのUnity Catalog完全修飾名。	main.default.github_tools
service_tags	マップ	作成時または更新時に Unity Catalog セキュリティ保護可能なオブジェクトに適用されるリソースタグ。サービスに対するすべてのリクエストに適用され、チーム、コストセンター、またはプロジェクトごとに使用量を分類するのに役立ちます。	{"team": "engineering"}
endpoint_id	STRING	Unity AIゲートウェイモデルサービスの一意のID。	43addf89-d802-3ca2-bd54-fe4d2a60d58a
endpoint_name	STRING	Unity Gatewayモデルサービスの名前。	system.ai.gpt-5-2
endpoint_tags	マップ	作成または更新時にモデルサービスで設定されたタグ。これらはモデルサービスへのすべてのリクエストに適用され、チーム、コストセンター、またはプロジェクトごとにサービスを分類するのに役立ちます。	{"team": "engineering"}
endpoint_metadata	構造体	モデルサービスのメタデータには、creator、creation_time、last_updated_time、destinations、inference_table、およびfallbacksが含まれます。	{"creator": "user.name@email.com", "creation_time": "2026-01-06T12:00:00.000Z", ...}
event_time	TIMESTAMP	リクエストが受信されたタイムスタンプ。	2026-01-20T19:48:08.000+00:00
latency_ms	LONG	合計レイテンシー（ミリ秒単位）。	300
time_to_first_byte_ms	LONG	最初のバイトまでの時間 (ミリ秒単位)。	300
destination_type	STRING	宛先の種類（例えば、外部モデルまたは基盤モデル）。	PAY_PER_TOKEN_FOUNDATION_MODEL
destination_name	STRING	宛先モデルまたはプロバイダーの名前。	system.ai.gpt-5-2
destination_id	STRING	送信先の一意のIDです。	507e7456151b3cc89e05ff48161efb87
destination_model	STRING	要求に使用された特定のモデル。	GPT-5.2
requester	STRING	リクエストを行ったユーザーまたはサービスプリンシパルのID。	user.name@email.com
requester_type	STRING	リクエスターの種類（ユーザー、サービスプリンシパル、またはユーザーグループ）。	USER
ip_address	STRING	要求元のIPアドレスです。	1.2.3.4
url	STRING	リクエストのURLです。	https://<workspace-url>/ai-gateway/mlflow/v1/chat/completions
user_agent	STRING	要求元のユーザーエージェント。	OpenAI/Python 2.13.0
api_type	STRING	The type of API call (for example, chat, completions, or embeddings).	mlflow/v1/chat/completions
request_tags	マップ	Databricks-Ai-Gateway-Request-Tags HTTP ヘッダーを使用して個々のリクエストと共に送信される、ユーザー提供のタグ。リクエストタグを使用して、使用状況を特定のプロジェクト、チーム、環境、またはエンドユーザーに帰属させます。使用状況追跡用のリクエストのタグ付けおよびリクエストのタグ付けを参照してください。	{"project": "chatbot", "team": "ml-platform"}
invocation_metadata	構造体	リクエストの送信元、モデルプロバイダーによって報告されたサービス層、およびリクエストで Claude サブスクリプションが使用されたかどうかに関する情報。	{"source": "EXTERNAL_CLIENT", "service_tier": "priority", "relayed": false}
input_tokens	LONG	入力トークンの数。	100
output_tokens	LONG	出力トークン数。	100
total_tokens	LONG	合計トークン数（入力 + 出力）。	200
token_details	構造体	cache_read_input_tokens、cache_creation_input_tokens、output_reasoning_tokens、cache_creation_5m_input_tokens、cache_creation_1h_input_tokens、file_search_count、num_web_search_queries を含む、詳細なトークンおよびツールの使用状況の内訳。	{"cache_read_input_tokens": 100, ...}
response_content_type	STRING	応答のコンテンツタイプ。	application/json
status_code	INT	応答のHTTPステータスコードです。	200
routing_information	構造体	フォールバックの試行に関するルーティングの詳細。リクエスト中に試行された各モデルに対して、priority、action、destination、destination_id、status_code、error_code、latency_ms、start_time、およびend_timeを含むattempts配列が含まれています。	{"attempts": [{"priority": "1", ...}]}
mcp_metadata	構造体	呼び出されたツール、サーバーの種類、JSON-RPC操作など、MCPサービスへのリクエストの詳細。MCP_SERVICE行分が入力されました。	{"tool_name": "echo", "server_type": "EXTERNAL", "json_rpc_method": "tools/call"}
session_metadata	構造体	セッションおよびクライアントのコンテキスト（セッションおよびサブエージェントID、コーディングエージェントの名前とバージョン、クライアントインターフェイス、推論の努力量、スマートルーティングのレシピなど）。これらのフィールドを使用して、関連するリクエストをグループ化し、エージェントまたはセッションごとに使用状況を分析します。	{"coding_agent": "claude-code", "agent_version": "2.1.282", "reasoning_effort": "high", ...}
auth_mode	STRING	リクエストの認証に使用されるDatabricksの認証情報の種類：個人アクセストークン（PAT）またはOAuthトークン（OAUTH）。	OAUTH

列名	Type	説明	例
account_id	STRING	アカウントID。	11d77e21-5e05-4196-af72-423257f74974
workspace_id	STRING	ワークスペースID。	1653573648247579
request_id	STRING	リクエストの一意の識別子。	b4a47a30-0e18-4ae3-9a7f-29bcb07e0f00
invocation_id	STRING	個々の推論呼び出しのための一意の識別子。ガードレールチェックやマルチターンのエージェント呼び出しのように、複数の呼び出しで同じrequest_idを共有できます。それらを区別するためにinvocation_idを使用します。	c0a8012e-9f3b-4d21-8a7e-1b2c3d4e5f60
schema_version	Integer	使用状況レコードのスキーマバージョンです。	1
service_type	STRING	使用状況レコードを生成したサービスのタイプ。値は MODEL_SERVICE、MCP_SERVICE、および MODEL_PROVIDER_SERVICE です。	MODEL_SERVICE
service_id	STRING	モデルサービス、MCP サービス、またはモデルプロバイダーサービスの ID。	43addf89-d802-3ca2-bd54-fe4d2a60d58a
service_name	STRING	サービスのUnity Catalog完全修飾名。	main.default.github_tools
service_tags	マップ	作成時または更新時に Unity Catalog セキュリティ保護可能なオブジェクトに適用されるリソースタグ。サービスに対するすべてのリクエストに適用され、チーム、コストセンター、またはプロジェクトごとに使用量を分類するのに役立ちます。	{"team": "engineering"}
endpoint_id	STRING	Unity AIゲートウェイモデルサービスの一意のID。	43addf89-d802-3ca2-bd54-fe4d2a60d58a
endpoint_name	STRING	Unity Gatewayモデルサービスの名前。	system.ai.gpt-5-2
endpoint_tags	マップ	作成または更新時にモデルサービスで設定されたタグ。これらはモデルサービスへのすべてのリクエストに適用され、チーム、コストセンター、またはプロジェクトごとにサービスを分類するのに役立ちます。	{"team": "engineering"}
endpoint_metadata	構造体	モデルサービスのメタデータには、creator、creation_time、last_updated_time、destinations、inference_table、およびfallbacksが含まれます。	{"creator": "user.name@email.com", "creation_time": "2026-01-06T12:00:00.000Z", ...}
event_time	TIMESTAMP	リクエストが受信されたタイムスタンプ。	2026-01-20T19:48:08.000+00:00
latency_ms	LONG	合計レイテンシー（ミリ秒単位）。	300
time_to_first_byte_ms	LONG	最初のバイトまでの時間 (ミリ秒単位)。	300
destination_type	STRING	宛先の種類（例えば、外部モデルまたは基盤モデル）。	PAY_PER_TOKEN_FOUNDATION_MODEL
destination_name	STRING	宛先モデルまたはプロバイダーの名前。	system.ai.gpt-5-2
destination_id	STRING	送信先の一意のIDです。	507e7456151b3cc89e05ff48161efb87
destination_model	STRING	要求に使用された特定のモデル。	GPT-5.2
requester	STRING	リクエストを行ったユーザーまたはサービスプリンシパルのID。	user.name@email.com
requester_type	STRING	リクエスターの種類（ユーザー、サービスプリンシパル、またはユーザーグループ）。	USER
ip_address	STRING	要求元のIPアドレスです。	1.2.3.4
url	STRING	リクエストのURLです。	https://<workspace-url>/ai-gateway/mlflow/v1/chat/completions
user_agent	STRING	要求元のユーザーエージェント。	OpenAI/Python 2.13.0
api_type	STRING	The type of API call (for example, chat, completions, or embeddings).	mlflow/v1/chat/completions
request_tags	マップ	Databricks-Ai-Gateway-Request-Tags HTTP ヘッダーを使用して個々のリクエストと共に送信される、ユーザー提供のタグ。リクエストタグを使用して、使用状況を特定のプロジェクト、チーム、環境、またはエンドユーザーに帰属させます。使用状況追跡用のリクエストのタグ付けおよびリクエストのタグ付けを参照してください。	{"project": "chatbot", "team": "ml-platform"}
invocation_metadata	構造体	リクエストの送信元、モデルプロバイダーによって報告されたサービス層、およびリクエストで Claude サブスクリプションが使用されたかどうかに関する情報。	{"source": "EXTERNAL_CLIENT", "service_tier": "priority", "relayed": false}
input_tokens	LONG	入力トークンの数。	100
output_tokens	LONG	出力トークン数。	100
total_tokens	LONG	合計トークン数（入力 + 出力）。	200
token_details	構造体	cache_read_input_tokens、cache_creation_input_tokens、output_reasoning_tokens、cache_creation_5m_input_tokens、cache_creation_1h_input_tokens、file_search_count、num_web_search_queries を含む、詳細なトークンおよびツールの使用状況の内訳。	{"cache_read_input_tokens": 100, ...}
response_content_type	STRING	応答のコンテンツタイプ。	application/json
status_code	INT	応答のHTTPステータスコードです。	200
routing_information	構造体	フォールバックの試行に関するルーティングの詳細。リクエスト中に試行された各モデルに対して、priority、action、destination、destination_id、status_code、error_code、latency_ms、start_time、およびend_timeを含むattempts配列が含まれています。	{"attempts": [{"priority": "1", ...}]}
mcp_metadata	構造体	呼び出されたツール、サーバーの種類、JSON-RPC操作など、MCPサービスへのリクエストの詳細。MCP_SERVICE行分が入力されました。	{"tool_name": "echo", "server_type": "EXTERNAL", "json_rpc_method": "tools/call"}
session_metadata	構造体	セッションおよびクライアントのコンテキスト（セッションおよびサブエージェントID、コーディングエージェントの名前とバージョン、クライアントインターフェイス、推論の努力量、スマートルーティングのレシピなど）。これらのフィールドを使用して、関連するリクエストをグループ化し、エージェントまたはセッションごとに使用状況を分析します。	{"coding_agent": "claude-code", "agent_version": "2.1.282", "reasoning_effort": "high", ...}
auth_mode	STRING	リクエストの認証に使用されるDatabricksの認証情報の種類：個人アクセストークン（PAT）またはOAuthトークン（OAUTH）。	OAUTH

ネストされた列のスキーマ

次の表は、ネストされた STRUCT 列内のフィールドについて説明しています。フィールドの可用性は、リクエストに使用されるサービス、モデル、およびクライアントによって異なります。

呼び出しとトークンのメタデータ

フィールドのパス	Type	説明
invocation_metadata.source	STRING	要求を開始したアプリケーション、サービス、またはAPI。このフィールドを使用して、使用量をそのソースに紐付けます。値には AI_PLAYGROUND、 EXTERNAL_CLIENT、 AI_QUERY、 GUARDRAIL、 MANAGED_AGENT、 ROUTER、 WEB_SEARCH、および SAFEGUARD_CLASSIFIERが含まれます。
invocation_metadata.service_tier	STRING	default や priority など、推論レスポンスでモデルプロバイダーによって報告されるサービス層。このフィールドを使用して、プロバイダーの価格プラン全体の使用量を比較します。
invocation_metadata.relayed	BOOLEAN	呼び出し元のClaudeサブスクリプションを使用してリクエストがAnthropicに中継されたかどうか。
token_details.cache_read_input_tokens	LONG	プロンプトキャッシュから読み取られたトークンの数。
token_details.cache_creation_input_tokens	LONG	プロンプトキャッシュに書き込まれたトークンの数。
token_details.output_reasoning_tokens	LONG	出力に含まれる推論トークンの数。
token_details.cache_creation_5m_input_tokens	LONG	5 分間のライフタイムを持つプロンプトキャッシュに書き込まれた入力トークンの数。
token_details.cache_creation_1h_input_tokens	LONG	有効期間が 1 時間のプロンプトキャッシュに書き込まれた入力トークンの数。
token_details.file_search_count	LONG	リクエストの一部として行われたファイル検索ツールの呼び出しの数。
token_details.num_web_search_queries	LONG	リクエストの一部として行われた課金対象のウェブ検索クエリーの数。

フィールドのパス	Type	説明
invocation_metadata.source	STRING	要求を開始したアプリケーション、サービス、またはAPI。このフィールドを使用して、使用量をそのソースに紐付けます。値には AI_PLAYGROUND、 EXTERNAL_CLIENT、 AI_QUERY、 GUARDRAIL、 MANAGED_AGENT、 ROUTER、 WEB_SEARCH、および SAFEGUARD_CLASSIFIERが含まれます。
invocation_metadata.service_tier	STRING	default や priority など、推論レスポンスでモデルプロバイダーによって報告されるサービス層。このフィールドを使用して、プロバイダーの価格プラン全体の使用量を比較します。
invocation_metadata.relayed	BOOLEAN	呼び出し元のClaudeサブスクリプションを使用してリクエストがAnthropicに中継されたかどうか。
token_details.cache_read_input_tokens	LONG	プロンプトキャッシュから読み取られたトークンの数。
token_details.cache_creation_input_tokens	LONG	プロンプトキャッシュに書き込まれたトークンの数。
token_details.output_reasoning_tokens	LONG	出力に含まれる推論トークンの数。
token_details.cache_creation_5m_input_tokens	LONG	5 分間のライフタイムを持つプロンプトキャッシュに書き込まれた入力トークンの数。
token_details.cache_creation_1h_input_tokens	LONG	有効期間が 1 時間のプロンプトキャッシュに書き込まれた入力トークンの数。
token_details.file_search_count	LONG	リクエストの一部として行われたファイル検索ツールの呼び出しの数。
token_details.num_web_search_queries	LONG	リクエストの一部として行われた課金対象のウェブ検索クエリーの数。

MCP サービスメタデータ

これらのフィールドは、MCP_SERVICE 行の mcp_metadata に入力されます。

フィールドのパス	Type	説明
mcp_metadata.tool_name	STRING	MCP tools/call リクエストによって呼び出されたツールの名前。サーバー上の個々のツールの使用状況を分析するには、このフィールドを使用します。
mcp_metadata.server_type	STRING	リクエストを処理する MCP サーバーのカテゴリ (EXTERNAL や SYSTEM など)。
mcp_metadata.json_rpc_method	STRING	クライアントが要求した JSON-RPC 操作 (ツールの呼び出しには tools/call、ツールの検出には tools/list、セッションの起動には initialize など)。

フィールドのパス	Type	説明
mcp_metadata.tool_name	STRING	MCP tools/call リクエストによって呼び出されたツールの名前。サーバー上の個々のツールの使用状況を分析するには、このフィールドを使用します。
mcp_metadata.server_type	STRING	リクエストを処理する MCP サーバーのカテゴリ (EXTERNAL や SYSTEM など)。
mcp_metadata.json_rpc_method	STRING	クライアントが要求した JSON-RPC 操作 (ツールの呼び出しには tools/call、ツールの検出には tools/list、セッションの起動には initialize など)。

セッションメタデータ

session_metadata フィールドは、セッション内のリクエストを関連付け、コーディングエージェント、クライアントインターフェイス、およびリクエスト設定を区別するのに役立ちます。対応する情報がクライアントまたはリクエストから得られる場合、各フィールドに入力されます。

フィールドのパス	Type	説明
session_metadata.client_session_id	STRING	クライアントによって提供されたセッションID。同じ会話またはコーディングエージェントセッション中に行われたリクエストをグループ化するために使用します。
session_metadata.client_subagent_id	STRING	クライアントから提供されたサブエージェントID。client_session_id と共に使用して、親セッション内のサブエージェントからのリクエストを区別します。
session_metadata.coding_agent	STRING	リクエストを送信したコーディングエージェントの正規化された名前 (claude-code や codex など)。
session_metadata.agent_version	STRING	コーディングエージェントによって報告されたバージョン。coding_agentと併用して、エージェントの各リリース間で使用状況を比較します。
session_metadata.surface	STRING	コーディングエージェントがリクエストを送信したクライアントインターフェイス（コマンドラインインターフェイス、IDE、デスクトップアプリケーションなど）。
session_metadata.reasoning_effort	STRING	リクエストで指定された推論努力（low、medium、high など）。利用可能な値は、モデルと API によって異なります。
session_metadata.smart_router_name	STRING	クライアントによって選択されたスマートルーティングレシピの名前。ルーティングレシピごとに使用量をグループ化するために使用します。

フィールドのパス	Type	説明
session_metadata.client_session_id	STRING	クライアントによって提供されたセッションID。同じ会話またはコーディングエージェントセッション中に行われたリクエストをグループ化するために使用します。
session_metadata.client_subagent_id	STRING	クライアントから提供されたサブエージェントID。client_session_id と共に使用して、親セッション内のサブエージェントからのリクエストを区別します。
session_metadata.coding_agent	STRING	リクエストを送信したコーディングエージェントの正規化された名前 (claude-code や codex など)。
session_metadata.agent_version	STRING	コーディングエージェントによって報告されたバージョン。coding_agentと併用して、エージェントの各リリース間で使用状況を比較します。
session_metadata.surface	STRING	コーディングエージェントがリクエストを送信したクライアントインターフェイス（コマンドラインインターフェイス、IDE、デスクトップアプリケーションなど）。
session_metadata.reasoning_effort	STRING	リクエストで指定された推論努力（low、medium、high など）。利用可能な値は、モデルと API によって異なります。
session_metadata.smart_router_name	STRING	クライアントによって選択されたスマートルーティングレシピの名前。ルーティングレシピごとに使用量をグループ化するために使用します。

使用状況の追跡に関するタグリクエスト

リクエストタグは、呼び出し元が個々のリクエストにアタッチするカスタムのキーと値のペアです。リクエストタグを使用して、プロジェクト、チーム、環境、エンドユーザー、または組織に関連するその他のあらゆる側面ごとに使用状況をアトリビュートします。リクエストタグはsystem.ai_gateway.usageテーブルにログ記録され、使用状況データをフィルタリング、集計、分析するために使用できます。

個々のリクエストにタグを付けるには、Databricks-Ai-Gateway-Request-Tags HTTPヘッダーに、文字列キーを文字列値にマッピングするJSONオブジェクトを含めます。リクエストタグは使用状況テーブルのrequest_tags列にログ記録され、および推論テーブルにログ記録されます。

REST API、OpenAI SDK、Anthropic SDK を使用してリクエストタグを設定する方法の例については、リクエストのタグ付けを参照してください。

たとえば、リクエストタグを使用してプロジェクト別に利用状況を集計できます：

SQL

SELECT
  request_tags['project'] AS project,
  COUNT(*) AS request_count,
  SUM(total_tokens) AS total_tokens
FROM system.ai_gateway.usage
WHERE request_tags['project'] IS NOT NULL
GROUP BY request_tags['project']
ORDER BY total_tokens DESC;

制限事項

• Unity Gateway は、1 MiB を超える非ストリーミング、非埋め込みのレスポンスに対するトークン使用量を追跡しません。
• ai_parse_documentやai_extractなどのタスク固有のAI関数の利用はUnity Gatewayの予算にカウントされますが、system.ai_gateway.usageテーブルには記録されません。課金された使用量を表示するには、AI関数ワークロードのコストを表示するを参照してください。

その他のリソース

• Unity GatewayによるAIガバナンス
• カスタムモデルサービスを作成する
• 基盤モデルとエンべディングモデルのクエリー
• コーディングエージェントの統合
• リクエストと応答を推論テーブルにLogsする
• モデルサービスおよびMCPサービスにレート制限を適用する