Datenhund

Datadog Model Context Protocol (MCP) 🔍

Ein Python-basiertes Tool zur Interaktion mit der Datadog-API und zum Abrufen von Überwachungsdaten aus Ihrer Infrastruktur. Dieses MCP bietet einfachen Zugriff auf Monitorzustände und Kubernetes-Protokolle über eine einfache Schnittstelle.

Datadog-Funktionen 🌟

Überwachungsstatusverfolgung : Abrufen und Analysieren bestimmter Monitorzustände
Kubernetes-Protokollanalyse : Extrahieren und formatieren Sie Fehlerprotokolle aus Kubernetes-Clustern

Voraussetzungen 📋

Python 3.11+
Datadog-API- und Anwendungsschlüssel (mit den richtigen Berechtigungen)
Zugriff auf die Datadog-Site

Installation 🔧

Installation über Smithery

So installieren Sie Datadog für Claude Desktop automatisch über Smithery :

npx -y @smithery/cli install @didlawowo/mcp-collection --client claude

Benötigte Pakete:

datadog-api-client
fastmcp
loguru
icecream
python-dotenv
uv

Umgebungseinrichtung 🔑

Erstellen Sie eine .env Datei mit Ihren Datadog-Anmeldeinformationen:

DD_API_KEY=your_api_key
DD_APP_KEY=your_app_key

Claude Desktop Setup für MCP einrichten 🖥️

Installieren Sie Claude Desktop

# Assuming you're on macOS
brew install claude-desktop

# Or download from official website
https://claude.ai/desktop

Richten Sie die Datadog MCP-Konfiguration ein:

# on mac is 
~/Library/Application\ Support/Claude/claude_desktop_config.json


# Add this to your claude config json
```json
    "Datadog-MCP-Server": {
      "command": "uv",
      "args": [
        "run",
        "--with",
        "datadog-api-client",
        "--with",
        "fastmcp",
        "--with",
        "icecream",
        "--with",
        "loguru",
        "--with",
        "python-dotenv",
        "fastmcp",
        "run",
        "/your-path/mcp-collection/datadog/main.py"
      ],
      "env": {
        "DD_API_KEY": "xxxx",
        "DD_APP_KEY": "xxx"
      }
    },

Verwendung 💻

Architektur 🏗

FastMCP Base : Nutzt das FastMCP-Framework für die Werkzeugverwaltung
Modulares Design : Separate Funktionen für Monitore und Protokolle
Typsicherheit : Vollständige Typisierungsunterstützung mit Python-Typhinweisen
API-Abstraktion : Umschlossene Datadog-API-Aufrufe mit Fehlerbehandlung

Ich werde einen Abschnitt über die Einrichtung von MCP und Claude Desktop hinzufügen:

Einführung in das Model Context Protocol (MCP) 🤖

Was ist MCP?

Das Model Context Protocol (MCP) ist ein Framework, das KI-Modellen die standardisierte Interaktion mit externen Tools und APIs ermöglicht. Es ermöglicht Modellen wie Claude:

Zugriff auf externe Daten
Befehle ausführen
Interagieren Sie mit APIs
Behalten Sie den Kontext über Gespräche hinweg bei

einige Beispiele für MCP-Server

https://github.com/punkpeye/awesome-mcp-servers?tab=readme-ov-file

Tutorial zur Einrichtung von MCP

https://medium.com/@pedro.aquino.se/how-to-use-mcp-tools-on-claude-desktop-app-and-automate-your-daily-tasks-1c38e22bc4b0

So funktioniert es - Verfügbare Funktionen 🛠️

Das LLM verwendet die bereitgestellte Funktion, um die Daten abzurufen und zu verwenden

1. Monitorzustände abrufen

get_monitor_states(
    name: str,           # Monitor name to search
    timeframe: int = 1   # Hours to look back
)

Beispiel:

response = get_monitor_states(name="traefik")

# Sample Output
{
    "id": "12345678",
    "name": "traefik",
    "status": "OK",
    "query": "avg(last_5m):avg:traefik.response_time{*} > 1000",
    "message": "Response time is too high",
    "type": "metric alert",
    "created": "2024-01-14T10:00:00Z",
    "modified": "2024-01-14T15:30:00Z"
}

2. Kubernetes-Protokolle abrufen

get_k8s_logs(
    cluster: str,            # Kubernetes cluster name
    timeframe: int = 5,      # Hours to look back
    namespace: str = None    # Optional namespace filter
)

Beispiel:

logs = get_k8s_logs(
    cluster="prod-cluster",
    timeframe=3,
    namespace="default"
)

# Sample Output
{
    "timestamp": "2024-01-14T22:00:00Z",
    "host": "worker-1",
    "service": "nginx-ingress",
    "pod_name": "nginx-ingress-controller-abc123",
    "namespace": "default",
    "container_name": "controller",
    "message": "Connection refused",
    "status": "error"
}

# Install as MCP extension
cd datadog
task install-mcp

4. Installation überprüfen

Im Claude-Chat-Desktop

Überprüfen Sie die Datadog-Verbindung in Claude

5. Verwenden Sie Datadog MCP Tools

Sicherheitsüberlegungen 🔒

Speichern Sie API-Schlüssel in .env
MCP läuft in isolierter Umgebung
Jedes Tool verfügt über definierte Berechtigungen
Ratenbegrenzung ist implementiert

Fehlerbehebung 🔧

Verwenden des MCP Inspector

# Launch MCP Inspector for debugging
task run-mcp-inspector

Der MCP Inspector bietet:

Echtzeitansicht des MCP-Serverstatus
Funktionsaufrufprotokolle
Fehlerverfolgung
API-Antwortüberwachung

Häufige Probleme und Lösungen

API-Authentifizierungsfehler
Error: (403) Forbidden
➡️ Überprüfen Sie Ihren DD_API_KEY und DD_APP_KEY in .env
MCP-Verbindungsprobleme
Error: Failed to connect to MCP server
➡️ Überprüfen Sie den Pfad und Inhalt Ihrer claude_desktop_config.json
Monitor nicht gefunden
Error: No monitor found with name 'xxx'
➡️ Überprüfen Sie die Rechtschreibung und Groß-/Kleinschreibung des Monitornamens
Protokolle finden Sie hier

Mitwirken 🤝

Fühlen Sie sich frei:

Offene Probleme aufgrund von Fehlern
Senden Sie PRs für Verbesserungen
Neue Funktionen hinzufügen

Notizen 📝

API-Aufrufe erfolgen an die EU-Site von Datadog
Der Standardzeitrahmen für Monitorzustände beträgt 1 Stunde
Die Seitengrößenbeschränkungen sind so eingestellt, dass sie die meisten Anwendungsfälle abdecken

datadog

Integrations