使用说明

MCP数据狗服务器

面向AI代理的Datadog集成-兼具令牌优化和性能

英语 |韩语

📑 目录

🎯 这是什么？
🚀 快速入门（3分钟）
💡 为什么要用这个？
🎯 实际使用示例
🛠️ 可用工具（13个）
环境变量指南
🏗️ 技术堆栈和体系结构
🧪 开发&测试

🎯 这是什么？

“请查找过去一小时的错误日志” →Claude自动搜索Datadog 无需复杂的查询语法，像与AI对话一样使用Datadog

MCP数据狗服务器是一个Model Context Protocol服务器，允许AI代理用自然语言控制Datadog。 代币减少数百倍, 客户端缓存, 自然语言时间 通过支持，针对AI代理进行了优化。

实际使用示例

“展示生产CPU使用率趋势” →AI自动生成图表 “请分析昨天下午的故障原因” →AI提供日志分析和解决方案

🚀 快速入门（3分钟）

📋 前提条件

锈 1.90+（2024年版）- 安装
克劳德桌面 - 下载
Datadog帐户 -需要API密钥（免费体验)

1构建（1分钟）

git clone https://github.com/junyeong-ai/mcp-datadog.git
cd mcp-datadog
cargo build --release

2⃣设置（1分钟）

打开Claude Desktop设置文件：

macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
视窗: %APPDATA%\Claude\claude_desktop_config.json
Linux: ~/.config/Claude/claude_desktop_config.json

复制并粘贴以下内容：

{
  "mcpServers": {
    "datadog": {
      "command": "/절대/경로/to/mcp-datadog/target/release/mcp-datadog",
      "env": {
        "DD_API_KEY": "여기에_API_키_입력",
        "DD_APP_KEY": "여기에_APP_키_입력",
        "DD_SITE": "datadoghq.com",
        "DD_TAG_FILTER": "env:,service:",
        "LOG_LEVEL": "warn"
      }
    }
  }
}

💡 请务必设置DD_TAG_FILTER！ 通过排除不必要的标签，可以大幅减少响应大小。

3⃣运行（30秒）

重启Claude Desktop就结束了！ 🎉

现在问问Claude：

"지난 1시간 동안 production 환경의 에러 로그를 service별로 집계해줘"
"payment-api의 CPU 사용률 추이를 보여줘"
"어제 오후 3시부터 5시 사이에 발생한 500 에러를 분석해줘"

💡 为什么要用这个？

📊 与其他方式相比

方式	设置时间	AI亲和性	令牌效率	自然语言支持
直接API调用低无过滤
开发包	10分钟+一般一般
MCP数据狗	3分钟	✅ 优化	✅ 节省数百倍	✅

🎯 三个关键优化

1.自动卷取可将代币减少数百倍

# 30일 메트릭 조회 시 max_points로 대폭 압축
{"query": "avg:system.cpu.user{*}", "from": "30 days ago", "max_points": 100}
# → 43,200 포인트를 60개로 압축 (실측 720x 절감!)

根据时间范围 数十至数百倍 节省（7天：120x，30天：720x）
9步间歇自动计算（60s至86400s）
自动检测聚合方式（avg/max/min/sum）
保留现有rollup

2.通过智能缓存处理大量数据

100+显示器也分页面提供
首次请求后利用缓存（TTL 5分钟，LRU方式）
不支持服务器分页的API也没有问题

3.通过标签过滤大幅减少响应大小

# 필요한 태그만 선택
DD_TAG_FILTER="env:,service:"
# 수십~수백 개 태그 → 필요한 것만

其他优点

单个二进制文件：5.3 MB，不依赖运行时
自然语言时间：支持“1小时前”、“昨天”
自动重试：Exponential backoff（最多3次）
只读：仅安全的数据查询

💡 更详细的技术信息技术堆栈和体系结构请参阅部分。

主要功能

📊 度量和基础架构（2个）

datadog_metrics_query：查询时间序列度量+自动汇总（最多节省700x+）
datadog_hosts_list：筛选主机列表和标签

📝 日志&分析（3个）

datadog_logs_search：搜索日志+过滤标签
datadog_logs_aggregate：统计日志（count/sum/avg/min/max/pc99）
datadog_logs_时间序列：时间序列分析（自定义间隔）

🔍 监视&事件（3个）

datadog_monitors_list：监视器列表（客户端缓存）
datadog_monitors_get：查看单个监视器
datadog_events_query：事件流（客户端缓存）

📈 仪表板（2个）

datadog_dashboards列表：仪表板列表（客户端缓存）
datadog_dashboards_get：仪表板详细信息

🔬 APM&跟踪（2个）

datadog_spans_search：APM扫描+ 尺寸减少70% （堆栈追溯压缩）+光标分页
datadog_services_list：服务目录+按环境筛选

🌐 RUM（真实用户监控）（1개）

datadog_rum_events_search：监控用户体验+跟踪会话/视图/动作/资源/错误+压缩堆栈跟踪

📖 详细参数和使用方法可用工具请参阅部分。

环境变量指南

变量	必需	默认值	说明	💡 优化提示
`DD_API_KEY`	✅	-	数据狗API ronment-age对象	在Datadog中创建
`DD_APP_KEY`	✅	-	Datadog应用——观察	在Datadog中创建
`DD_SITE`	❌	`datadoghq.com`	Datadog站点	针对区域设置（datadoghq.eu、us3、us5等）
`DD_TAG_FILTER`	❌	`` （所有标签）标签筛选器 `"env:,service:"`大幅减少响应大小！*
`LOG_LEVEL`	❌	`warn` 调试日志级别 `debug` 使用

🎯 DD_TAG_FILTER使用策略

通过标签过滤 大幅减少响应大小可以：

# 전략 1: 프로덕션 환경만 모니터링
DD_TAG_FILTER="env:production"

# 전략 2: 특정 서비스만 추적
DD_TAG_FILTER="env:,service:payment,service:auth"

# 전략 3: 핵심 태그만 (권장!)
DD_TAG_FILTER="env:,service:,version:"

# 전략 4: 모든 태그 포함 (기본값)
DD_TAG_FILTER="*"

# 전략 5: 태그 제외
DD_TAG_FILTER=""

实际使用示例:

{
  "name": "datadog_logs_search",
  "arguments": {
    "query": "status:error",
    "from": "1 hour ago",
    "tag_filter": "env:,service:"  // 여기서 토큰 절약!
  }
}

🎯 实际使用示例

示例1:监控生产错误

询问Claude:

"지난 1시간 동안 production 환경의 에러 로그를 service별로 집계해줘"

AI自动:

datadog_logs_aggregate 使用工具
query="status:error env:production" 设置
group_by=["@service"] 应用
将结果整理成表格显示出来

示例2:性能分析

询问Claude:

"payment-api의 지난 24시간 CPU 사용률 추이를 보여줘"

AI自动:

datadog_metrics_query 使用工具
query="avg:system.cpu.user{service:payment-api}" 创建
from="24 hours ago" 设置
显示为可视化图表

示例3:调查事件

询问Claude:

"어제 오후 3시부터 5시 사이 status:500 에러를 찾아서
 가장 많이 발생한 endpoint를 알려줘"

AI自动:

datadog_logs_search通过日志搜索
datadog_logs_aggregate统计为
确定最常发生的端点
原因分析和解决方案建议

示例4:优化资源

询问Claude:

"메모리 사용량이 80% 이상인 호스트 목록을 보여줘"

AI自动:

datadog_hosts_list 使用工具
度量数据分析
筛选超出阈值的主机
提供优化建议

🛠️ 可用工具（13个）

📊 메트릭 & 인프라 (2개)

datadog_metrics_query

时间度量查询（CPU、内存、网络等）

🚀 自动卷取功能: max_points大幅减少ROTOKEN！基于时间范围和max_points自动计算最佳间隔。 .rollup(agg, interval) 添加

参数:

query （必需）：度量查询（例如： "avg:system.cpu.user{*}")
from （可选）：开始时间（默认： "1 hour ago")
to （可选）：结束时间（默认： "now")
max_points （可选）：最大数据点数（例如100）-设置时应用自动卷取

示例:

{
  "query": "avg:system.cpu.user{*}",
  "from": "7 days ago",
  "to": "now",
  "max_points": 100
}
// 자동으로 2시간 간격 롤업 적용 → 토큰 120x 절감

datadog_hosts_list

基础架构主机列表和筛选

参数:

filter （可选）：查询主机筛选器
from （可选）：开始时间（默认： "1 hour ago")
count （可选）：要返回的主机数（默认值：100，最大值：1000）
tag_filter （可选）：过滤标签

📝 로그 & 분석 (3개)

datadog_logs_search

强大的日志搜索和过滤

参数:

query （必需）：查询日志搜索
from （可选）：开始时间（默认： "1 hour ago")
to （可选）：结束时间（默认： "now")
limit （可选）：最大日志数（默认值：10）
tag_filter （可选）：过滤标签（"*", "", "env:,service:")

datadog_logs_aggregate

日志事件统计和度量计算

参数:

query （可选）：日志搜索查询（默认： "*")
from （可选）：开始时间
to （可选）：结束时间
compute （可选）：统计运算数组（count，sum，avg，min，max，pc99）
group_by （可选）：分组facet数组

datadog_logs_时间序列

从日志聚合生成时间序列数据

参数:

query （可选）：查询日志搜索
from （可选）：开始时间
to （可选）：结束时间
interval （可选）：时间间隔（默认： "1h")
aggregation （可选）：聚合类型（默认： "count")

🔍 모니터링 & 이벤트 (3개)

datadog_monitors_list

所有监视器列表（客户端缓存）

🎯 客户端缓存核心：Datadog API一次返回所有监视器，可能会受到令牌限制。该工具在客户端处理缓存+分页操作！

参数:

tags （可选）：标签过滤器（逗号分隔）
monitor_tags （可选）：筛选监视器标签
page （可选）：页码（从0开始）
- 第0页：始终获取最新数据并保存缓存
- 第1页+：从缓存获取并滑动（5分钟TTL）
page_size （可选）：每页显示器数（默认值：50）

优点:

100+显示器也可以在没有令牌限制的情况下进行导航
首次请求后快速响应（利用缓存）
通过LRU提高内存效率

datadog_monitors_get

特定显示器的详细信息

参数:

monitor_id （必需）：监视器ID

datadog_events_query

查看Datadog事件流

🎯 客户端缓存核心：通过客户端缓存有效地处理一次性返回大量事件的API！

参数:

from （可选）：开始时间（默认： "1 hour ago")
to （可选）：结束时间（默认： "now")
priority （可选）：优先级筛选器（"normal", "low")
sources （可选）：源过滤器
tags （可选）：标签筛选器
page （可选）：页码（默认值：0）
- 第0页：保存最新数据和缓存
- 第1页+：利用高速缓存（5分钟TTL）

📈 대시보드 (2개)

datadog_dashboards列表

所有仪表板列表

🎯 客户端缓存：客户端高效处理不支持分页的API（5分钟TTL）

datadog_dashboards_get

特定仪表板的详细信息

参数:

dashboard_id （必需）：仪表板ID

🔬 APM & 트레이싱 (2개)

datadog_spans_search

APM范围搜索（高级筛选）

🎯 响应减少70%：将堆栈跟踪压缩到默认的10行，删除空字段！

参数:

query （可选）：搜索查询（默认： "*")
from （必需）：开始时间
to （必需）：结束时间
limit （可选）：最大跨距（默认值：10）
cursor （可选）：页面国家光标
tag_filter （可选）：过滤标签
full_stack_trace （可选）：设置true时包括完整堆栈跟踪（默认值：false）

datadog_services_list

服务目录列表

参数:

env （可选）：环境筛选器
page （可选）：页码（默认值：0）
page_size （可选）：每页项目数（默认值：10）

🌐 RUM (Real User Monitoring) (1개)

datadog_rum_events_search

监控用户体验和前端性能

🎯 堆栈追溯压缩：将错误堆栈压缩到默认的10行，以优化令牌效率！

参数:

query （可选）：RUM搜索查询（默认： "*")
- 示例： "@type:session AND @session.type:user"
- 示例： "@view.url_path:/checkout AND @error.message:*"
- 示例： "@resource.status_code:>=400"
from （可选）：开始时间（默认： "1 hour ago")
to （可选）：结束时间（默认： "now")
limit （可选）：最大事件数（默认值：10）
cursor （可选）：页面国家光标
sort （可选）：排序顺序（例如： "timestamp", "-timestamp")
tag_filter （可选）：过滤标签
full_stack_trace （可选）：设置true时包括错误堆栈的完整追溯（默认值：false）

RUM事件类型:

会话（Session）：用户会话信息，是否可播放
视图（View）：页面视图、URL、加载时间、停留时间
动作（Action）：用户交互（单击、选项卡、滚动）
资源（Resource）：XHR、Fetch、CSS、JS、图像加载性能
错误（Error）：JavaScript错误、网络错误、崩溃

示例:

{
  "query": "@type:error AND @application.name:web-app",
  "from": "1 hour ago",
  "to": "now",
  "limit": 25,
  "tag_filter": "env:,service:"
}

🏗️ 技术堆栈和体系结构

核心技术

语言：Rust 2024版本（1.90+）
协议：模型上下文协议（MCP 2024-11-05）
通信：JSON-RPC 2.0通过标准输入
HTTP客户端：reqwest（HTTP/2，rustls tls）
异步运行时：tokio（全功能）
时间解析：interim（自然语言支持）

性能特性

项目	数值
二进制大小	~5.3MB（LTO优化）
缓存TTL	5分钟（可设置）
请求超时	30秒
最大重试 3次（expensive backoff）

体系结构

┌─────────────────────────────────────────────────┐
│           AI Agent (Claude, ChatGPT)            │
│              자연어로 질문                        │
└────────────────────┬────────────────────────────┘
                     │ JSON-RPC 2.0 (stdio)
┌────────────────────▼────────────────────────────┐
│            MCP Datadog Server (Rust)            │
│  ┌─────────────────────────────────────────┐   │
│  │  MCP Protocol Handler                   │   │
│  │  - JSON-RPC 2.0                         │   │
│  │  - Tool Schema (12개 도구)              │   │
│  │  - Router                               │   │
│  └─────────────┬───────────────────────────┘   │
│                │                                 │
│  ┌─────────────▼───────────────────────────┐   │
│  │  Smart Cache (TTL: 5분)                 │   │
│  │  - Page 0: 항상 최신                    │   │
│  │  - 이후 페이지: 캐시 활용                │   │
│  └─────────────┬───────────────────────────┘   │
│                │                                 │
│  ┌─────────────▼───────────────────────────┐   │
│  │  Datadog Client (HTTP/2)                │   │
│  │  - Retry Logic (exponential backoff)    │   │
│  │  - Rate Limit Handling                  │   │
│  │  - Connection Pooling                   │   │
│  └─────────────┬───────────────────────────┘   │
└────────────────┼───────────────────────────────┘
                 │ HTTPS
┌────────────────▼───────────────────────────────┐
│              Datadog API (v1/v2)               │
│  Metrics, Logs, Monitors, Events, APM, etc.   │
└────────────────────────────────────────────────┘

📚 时间格式支持

支持自然语言、绝对时间和相对时间：

相对时间（Natural Language）

"10 minutes ago"
"2 hours ago"
"3 days ago"
"1 week ago"

命名时间

"now"
"today"
"yesterday"
"last week"
"last month"

绝对时间

ISO 8601: "2024-01-15T10:30:00Z"
Unix timestamp: 1704067200

🧪 开发&测试

设置开发环境

# 저장소 클론
git clone https://github.com/junyeong-ai/mcp-datadog.git
cd mcp-datadog

# 환경 변수 설정
cp .env.example .env
# .env 파일에 API 키 입력

# 디버그 모드 실행
LOG_LEVEL=debug cargo run

运行测试

# 모든 테스트 실행
cargo test

# 특정 모듈 테스트
cargo test --lib cache::tests
cargo test --lib handlers::metrics::tests

# 상세 출력
cargo test -- --nocapture

# 테스트 커버리지
cargo install cargo-llvm-cov
cargo llvm-cov --all-features --lcov --output-path lcov.info

MCP协议测试

# 초기화
echo '{"jsonrpc":"2.0","method":"initialize","params":{"protocolVersion":"2024-11-05"},"id":0}' | cargo run

# 도구 목록
echo '{"jsonrpc":"2.0","method":"tools/list","id":1}' | cargo run

# 도구 실행 (메트릭 조회)
echo '{"jsonrpc":"2.0","method":"tools/call","params":{"name":"datadog_metrics_query","arguments":{"query":"avg:system.cpu.user{*}","from":"1 hour ago"}},"id":2}' | cargo run

生产构建

# 최적화된 빌드
cargo build --release

# 심볼 제거 (선택사항)
strip target/release/mcp-datadog

# 결과: ~5.3MB 바이너리

🔒 保安

只读：所有操作均为只读（数据不可修改）
信用安全：API密钥永远不会写入日志
验证输入：验证所有参数
错误处理：防止内部信息泄露

🤝 贡献

欢迎您的贡献！

分叉存储库
创建要素分支(git checkout -b feature/amazing-feature)
提交您的更改(git commit -m 'feat: add amazing feature')
推到分支(git push origin feature/amazing-feature)
打开拉取请求

开发指南

cargo fmt用代码格式化
cargo clippy -- -D warnings罗林特检查
cargo test通过所有测试
新功能需要进行单元测试
零警报策略（CI强制）

📝 许可证

MIT License-详细信息许可证请参考文件。

💬 支持

问题：错误报告和功能请求 GitHub问题
讨论：提问和讨论 GitHub讨论
文档：这个README CLAUDE.md

由以下材料制成❤️ Rust for MCP生态系统

⭐ 标记此回购 | 🐛 报告Bug | ✨ 请求功能

使用说明

MCP数据狗服务器

📑 目录

🎯 这是什么？

实际使用示例

🚀 快速入门（3分钟）

📋 前提条件

1构建（1分钟）

2⃣设置（1分钟）

3⃣运行（30秒）

💡 为什么要用这个？

📊 与其他方式相比

🎯 三个关键优化

其他优点

主要功能

📊 度量和基础架构（2个）

📝 日志&分析（3个）

🔍 监视&事件（3个）

📈 仪表板（2个）

🔬 APM&跟踪（2个）

🌐 RUM（真实用户监控）（1개）

环境变量指南

🎯 DD_TAG_FILTER使用策略

🎯 实际使用示例

示例1:监控生产错误

示例2:性能分析

示例3:调查事件

示例4:优化资源

🛠️ 可用工具（13个）

datadog_metrics_query

datadog_hosts_list

datadog_logs_search

datadog_logs_aggregate

datadog_logs_时间序列

datadog_monitors_list

datadog_monitors_get

datadog_events_query

datadog_dashboards列表

datadog_dashboards_get

datadog_spans_search

datadog_services_list

datadog_rum_events_search

🏗️ 技术堆栈和体系结构

核心技术

性能特性

体系结构

📚 时间格式支持

相对时间（Natural Language）

命名时间

绝对时间

🧪 开发&测试

设置开发环境

运行测试

MCP协议测试

生产构建

🔒 保安

🤝 贡献

开发指南

📝 许可证

💬 支持

相关 MCP

网页抓取与搜索MCP服务器

用户名搜索MCP服务器

MCP服务发现与推荐工具

Jupyter笔记本MCP服务器

贡献查询工具

Claude Code开发工具包