Protocolo de contexto del modelo (MCP) de Datadog

Una herramienta basada en Python para interactuar con la API de Datadog y obtener datos de monitorización de su infraestructura. Este MCP facilita el acceso a los estados de monitorización y los registros de Kubernetes mediante una interfaz sencilla.

Características de Datadog 🌟

• Seguimiento del estado del monitor : obtenga y analice estados de monitores específicos

• Análisis de registros de Kubernetes : extraiga y formatee registros de errores de clústeres de Kubernetes

Related MCP server: MongoDB MCP Server

Prerrequisitos 📋

• Python 3.11+

• Claves de API y aplicación de Datadog (con permisos correctos)

• Acceso al sitio de Datadog

Instalación 🔧

Instalación mediante herrería

Para instalar Datadog para Claude Desktop automáticamente a través de Smithery :

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

Paquetes requeridos:

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

Configuración del entorno 🔑

Cree un archivo .env con sus credenciales de Datadog:

DD_API_KEY=your_api_key
DD_APP_KEY=your_app_key

Configuración de Claude Desktop para MCP 🖥️

1. Instalar Claude Desktop

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

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

2. Configurar la configuración MCP de Datadog:

# 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"
      }
    },

Uso 💻

Arquitectura 🏗

• FastMCP Base : utiliza el marco FastMCP para la gestión de herramientas

• Diseño modular : funciones separadas para monitores y registros

• Seguridad de tipos : compatibilidad total con sugerencias de tipos de Python

• Abstracción de API : llamadas a la API de Datadog encapsuladas con manejo de errores

Agregaré una sección sobre la configuración de MCP y Claude Desktop:

Introducción al Protocolo de Contexto Modelo (MCP) 🤖

¿Qué es MCP?

El Protocolo de Contexto de Modelo (MCP) es un marco que permite a los modelos de IA interactuar con herramientas externas y API de forma estandarizada. Permite a modelos como Claude:

• Acceder a datos externos

• Ejecutar comandos

• Interactuar con las API

• Mantener el contexto en todas las conversaciones

Algunos ejemplos de servidores MCP

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

Tutorial para configurar MCP

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

Cómo funciona - Funciones disponibles 🛠️

El LLM utiliza la función proporcionada para obtener los datos y utilizarlos.

1. Obtener estados del monitor

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

Ejemplo:

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. Obtener registros de Kubernetes

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

Ejemplo:

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. Verificar la instalación

En el escritorio de chat de Claude

comprobar la conexión de datadog en Claude

5. Utilice las herramientas MCP de Datadog

Consideraciones de seguridad 🔒

• Almacenar claves API en .env

• MCP se ejecuta en un entorno aislado

• Cada herramienta tiene permisos definidos

• Se implementa la limitación de velocidad

Solución de problemas 🔧

Uso del inspector MCP

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

El Inspector MCP proporciona:

• Vista en tiempo real del estado del servidor MCP

• Registros de llamadas de función

• Seguimiento de errores

• Monitoreo de respuesta de API

Problemas comunes y soluciones

1. Errores de autenticación de API

   Error: (403) Forbidden

   ➡️ Verifique su DD_API_KEY y DD_APP_KEY en .env

2. Problemas de conexión de MCP

   Error: Failed to connect to MCP server

   ➡️ Verifique la ruta y el contenido de claude_desktop_config.json

3. Monitor no encontrado

   Error: No monitor found with name 'xxx'

   ➡️ Verifique la ortografía del nombre del monitor y la distinción entre mayúsculas y minúsculas

4. Los registros se pueden encontrar aquí

Contribuyendo 🤝

Siéntete libre de:

1. Problemas abiertos por errores

2. Presentar solicitudes de mejora

3. Añadir nuevas funciones

Notas 📝

• Las llamadas API se realizan al sitio de Datadog EU

• El período de tiempo predeterminado es de 1 hora para los estados del monitor.

• Los límites de tamaño de página se establecen para manejar la mayoría de los casos de uso.