Datadog Model Context Protocol (MCP) 🔍

Schmiedeabzeichen

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

Related MCP server: MongoDB MCP Server

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 💻

Protokolle abrufen

Monitor erhalten

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

Setup-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

Alternativtext

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