近年, DXやデジタル化の進展により, 従来のアナログな業務システムがWebサービスとして提供される事例が増えている. 一方で, Webサービスには高速な応答が求められ, レスポンス遅延はユーザー体験を損ない離脱の大きな要因となる. Webアプリケーションのパフォーマンスチューニングには, ログや実行時メトリクスを解析してボトルネックを特定する専門知識が必要である. 本研究では, これらの知識を大規模言語モデル（LLM）に統合し, 自動的なボトルネック抽出と具体的な改善案の提示を行うことで, パフォーマンスチューニングの効率化を目指す.