MCP Datadog E7e41d6d

MCPAI代理

提供方 junyeong-ai

AI代理 未标注 会话登录 社区 / 第三方 Claude DesktopClaudeCursor

为AI代理提供优化的Datadog集成服务,支持自然语言查询和高效数据检索。

一句话选型结论

按资料字段整理

MCP Datadog E7e41d6d 属于AI代理类 MCP 服务器,传输方式未标注,会话登录,可直接接入 Claude Desktop、Claude、Cursor,没有现成安装命令,需按官方文档接入。接入前先确认权限范围;涉及写入、删除或付款的操作,建议先在测试环境验证。

分类AI代理 传输方式未标注 鉴权会话登录 部署方式未标注
GitHub 星标 2 仓库热度,无公开仓库时显示未标注
工具数 未标注 暴露给模型的工具数量
资源 / 提示词 0 / 0 资源与提示词模板数量
维护方 社区 / 第三方 核验等级 仅资料核对

工具与能力

AI代理
数量来自来源目录的标注,具体工具清单以官方文档为准
工具数量未标注暴露给模型可调用的工具个数
资源数量0可读取的资源条目
提示词数量0内置提示词模板数量

能力标签

支持客户端

适用场景

AI代理Rust本地部署Datadog集成自然语言查询性能监控日志分析

安装与配置

未标注 会话登录
上游未给出传输方式
  1. 1
    准备运行环境

    按官方文档确认运行环境(常见为 Node.js 或 Python),装好后再执行安装命令。

  2. 2
    安装服务

    复制上面的安装命令执行;命令里带占位符的位置,换成自己的密钥或路径。

  3. 3
    写入客户端配置

    在客户端的 MCP 配置里填好启动命令和参数,保存后完全退出客户端再打开,让新配置生效。

  4. 4
    验证是否可用

    连接成功后随便调一个只读工具,确认能返回结果,再接入正式流程。

典型使用场景

3 类
按分类与标签整理的常见用法,具体以官方文档为准
给代理接外部能力

让代理在任务中途调用搜索、数据库等真实工具。

多步任务编排

把一串操作拆成步骤,由代理按顺序执行。

自动化重复流程

把固定流程交给代理跑,减少手工操作。

选择建议

选之前先看这几条
按条目字段给出的判断,不替你决定用不用

值得选的地方

  • 已适配 Claude Desktop、Claude、Cursor,换客户端不用重新研究配置。

先想清楚的地方

  • 没有现成安装命令,需要按官方文档自己填启动命令和参数。
  • 使用前要准备好会话登录对应的凭据,并按最小权限配置。
  • 资料没标注工具数量,实际能力要装好后确认。
  • 版本更新与行为细节以官方仓库为准。

更适合

  • 需要在AI代理场景里让模型直接调用外部能力的人。
  • 已经在用 Claude Desktop、Claude 的用户,接入路径最短。
  • 想先快速试一下、能接受在本地或自有环境跑服务的人。

不太适合

  • 不方便管理密钥或第三方授权的人。
  • 需要厂商级 SLA 和技术支持的生产环境。

同类对比

6 个同类
同分类里挑最接近的几条,字段以各自详情页为准
MCP 服务器工具数传输方式部署方式安装命令最后核验
MCP Datadog E7e41d6d当前 未标注 未标注 未标注 无 2026-05-17
Filesystem 560c4363 13 未标注 本地部署 无 2026-05-17
Server Everything (everything) 11 stdio · 本地进程 本地部署 有 2026-05-17
Time 7365cb6d 2 SSE · 服务端推送 远程部署 有 2026-05-18
Everything Claude Code 未标注 stdio · 本地进程 本地部署 有 2026-05-17
Openmemory 557e1585 未标注 stdio · 本地进程 本地部署 有 2026-05-17

服务器档案

AI代理
字段来自项目仓库与公开索引,中文说明由本站标注
提供方junyeong-ai上游标注的维护方 junyeong-ai
分类AI代理本站按上游分类展示
连接方式未标注上游未给出传输方式
鉴权方式会话登录远程服务建议用最小权限凭据
维护方社区 / 第三方核验等级 仅资料核对
包名 / 运行时未标注 · 未标注本地安装时用到的包标识与运行时
部署类型未标注上游给出的部署形态
最近核验2026-05-17上游最后核验时间

详细介绍

20.7 KB
来自项目仓库与上游目录的原文,未做删改

MCP Datadog Server

AI 에이전트를 위한 Datadog 통합 - 토큰 최적화와 성능을 모두 잡다

English | 한국어

-orange?style=flat-square&logo=rust)


📑 목차

  • 🎯 이게 뭔가요?
  • 🚀 빠른 시작 (3분)
  • 💡 왜 이걸 써야 하나요?
  • 🎯 실제 사용 예제
  • 🛠️ 사용 가능한 도구 (13개)
  • ⚙️ 환경 변수 가이드
  • 🏗️ 기술 스택 & 아키텍처
  • 🧪 개발 & 테스팅

🎯 이게 뭔가요?

> "지난 1시간 에러 로그 찾아줘" → Claude가 자동으로 Datadog 검색
> 복잡한 쿼리 문법 없이, AI와 대화하듯 Datadog 사용

MCP Datadog Server는 AI 에이전트가 자연어로 Datadog을 제어할 수 있게 해주는 Model Context Protocol 서버입니다. 토큰 수백 배 절감, 클라이언트 캐싱, 자연어 시간 지원으로 AI 에이전트에 최적화되었습니다.

실제 사용 예시

"프로덕션 CPU 사용률 추이 보여줘" → AI가 자동으로 차트 생성
"어제 오후 장애 원인 분석해줘" → AI가 로그 분석 및 해결 방안 제시


🚀 빠른 시작 (3분)

📋 사전 요구사항

  • Rust 1.90+ (2024 edition) - 설치하기
  • Claude Desktop - 다운로드
  • Datadog 계정 - API 키 필요 (무료 체험)

1️⃣ 빌드 (1분)```bash

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


### 2️⃣ 설정 (1분)

Claude Desktop 설정 파일을 엽니다:

- **macOS**: `~/Library/Application Support/Claude/claude_desktop_config.json`
- **Windows**: `%APPDATA%\Claude\claude_desktop_config.json`
- **Linux**: `~/.config/Claude/claude_desktop_config.json`

아래 내용을 복사해서 붙여넣으세요:```json
{
  "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"
      }
    }
  }
}

> 💡 DD_TAG_FILTER를 꼭 설정하세요! 불필요한 태그를 제외하여 응답 크기를 대폭 절감할 수 있습니다.

3️⃣ 실행 (30초)

Claude Desktop을 재시작하면 끝! 🎉

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


---

## 💡 왜 이걸 써야 하나요?

### 📊 다른 방식과 비교

| 방식 | 설정 시간 | AI 친화성 | 토큰 효율 | 자연어 지원 |
|------|----------|-----------|----------|------------|
| **직접 API 호출** | - | ❌ 낮음 | ❌ 필터링 없음 | ❌ |
| **Python SDK** | 10분+ | ⚠️ 보통 | ⚠️ 보통 | ❌ |
| **MCP Datadog** | **3분** | ✅ **최적화** | ✅ **수백 배 절감** | ✅ |

### 🎯 3가지 핵심 최적화

**1. 자동 롤업으로 토큰 수백 배 절감**```bash
# 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!)
  • 시간 범위에 따라 수십~수백 배 절감 (7일: 120x, 30일: 720x)
  • 9단계 인터벌 자동 계산 (60s ~ 86400s)
  • 집계 방식 자동 감지 (avg/max/min/sum)
  • 기존 rollup 보존

2. 스마트 캐싱으로 대용량 데이터 처리
- 100+ 모니터도 페이지네이션으로 나눠 제공
- 첫 요청 후 캐시 활용 (TTL 5분, LRU 방식)
- 서버 페이지네이션 미지원 API도 문제없음

3. 태그 필터링으로 응답 크기 대폭 감소```bash

필요한 태그만 선택

DD_TAG_FILTER="env:,service:"

수십~수백 개 태그 → 필요한 것만


### ⚡ 추가 장점

- **단일 바이너리**: 5.3MB, 런타임 의존성 없음
- **자연어 시간**: "1 hour ago", "yesterday" 지원
- **자동 재시도**: Exponential backoff (최대 3회)
- **읽기 전용**: 안전한 데이터 조회만

> 💡 **더 상세한 기술 정보는 기술 스택 & 아키텍처 섹션을 참고하세요.**

---

## ✨ 주요 기능

### 📊 메트릭 & 인프라 (2개)
- **datadog_metrics_query**: 시계열 메트릭 조회 + 자동 롤업 (최대 700x+ 절감)
- **datadog_hosts_list**: 호스트 목록 및 태그 필터링

### 📝 로그 & 분석 (3개)
- **datadog_logs_search**: 로그 검색 + 태그 필터링
- **datadog_logs_aggregate**: 로그 집계 (count/sum/avg/min/max/pc99)
- **datadog_logs_timeseries**: 시계열 분석 (커스텀 인터벌)

### 🔍 모니터링 & 이벤트 (3개)
- **datadog_monitors_list**: 모니터 목록 (클라이언트 캐싱)
- **datadog_monitors_get**: 개별 모니터 조회
- **datadog_events_query**: 이벤트 스트림 (클라이언트 캐싱)

### 📈 대시보드 (2개)
- **datadog_dashboards_list**: 대시보드 목록 (클라이언트 캐싱)
- **datadog_dashboards_get**: 대시보드 상세 정보

### 🔬 APM & 트레이싱 (2개)
- **datadog_spans_search**: APM 스팬 검색 + **70% 크기 감소** (스택 트레이스 압축) + 커서 페이지네이션
- **datadog_services_list**: 서비스 카탈로그 + 환경별 필터링

### 🌐 RUM (Real User Monitoring) (1개)
- **datadog_rum_events_search**: 사용자 경험 모니터링 + 세션/뷰/액션/리소스/에러 추적 + 스택 트레이스 압축

> 📖 **상세 파라미터와 사용법은 사용 가능한 도구 섹션을 참고하세요.**

---

## ⚙️ 환경 변수 가이드

| 변수 | 필수 | 기본값 | 설명 | 💡 최적화 팁 |
|------|------|--------|------|------------|
| `DD_API_KEY` | ✅ | - | Datadog API 키 | Datadog에서 생성 |
| `DD_APP_KEY` | ✅ | - | Datadog Application 키 | Datadog에서 생성 |
| `DD_SITE` | ❌ | `datadoghq.com` | Datadog 사이트 | 리전에 맞게 설정 (datadoghq.eu, us3, us5 등) |
| `DD_TAG_FILTER` | ❌ | `*` (모든 태그) | 태그 필터 | **`"env:,service:"`로 응답 크기 대폭 절감!** |
| `LOG_LEVEL` | ❌ | `warn` | 로그 레벨 | 디버깅 시 `debug` 사용 |

### 🎯 DD_TAG_FILTER 활용 전략

태그 필터링으로 **응답 크기를 대폭 절감**할 수 있습니다:```bash
# 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=""

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


---

## 🎯 실제 사용 예제

### 예제 1: 프로덕션 에러 모니터링

**Claude에게 물어보기**:```
"지난 1시간 동안 production 환경의 에러 로그를 service별로 집계해줘"

AI가 자동으로:
1. datadog_logs_aggregate 도구 사용
2. query="status:error env:production" 설정
3. group_by=["@service"] 적용
4. 결과를 표로 정리해서 보여줌

예제 2: 성능 분석

Claude에게 물어보기:```
"payment-api의 지난 24시간 CPU 사용률 추이를 보여줘"


**AI가 자동으로**:
1. `datadog_metrics_query` 도구 사용
2. `query="avg:system.cpu.user{service:payment-api}"` 생성
3. `from="24 hours ago"` 설정
4. 시각화된 차트로 보여줌

### 예제 3: 인시던트 조사

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

AI가 자동으로:
1. datadog_logs_search로 로그 검색
2. datadog_logs_aggregate로 집계
3. 가장 많이 발생한 endpoint 파악
4. 원인 분석 및 해결 방안 제시

예제 4: 리소스 최적화

Claude에게 물어보기:```
"메모리 사용량이 80% 이상인 호스트 목록을 보여줘"


**AI가 자동으로**:
1. `datadog_hosts_list` 도구 사용
2. 메트릭 데이터 분석
3. 임계값 초과 호스트 필터링
4. 최적화 제안 제공

---

## 🛠️ 사용 가능한 도구 (13개)

📊 메트릭 & 인프라 (2개)

### datadog_metrics_query
시계열 메트릭 조회 (CPU, 메모리, 네트워크 등)

**🚀 자동 롤업 기능**: `max_points`로 토큰 대폭 절감! 시간 범위와 max_points를 기반으로 최적 인터벌을 자동 계산하여 `.rollup(agg, interval)` 추가

**파라미터**:
- `query` (필수): 메트릭 쿼리 (예: `"avg:system.cpu.user{*}"`)
- `from` (선택): 시작 시간 (기본값: `"1 hour ago"`)
- `to` (선택): 종료 시간 (기본값: `"now"`)
- `max_points` (선택): 최대 데이터 포인트 수 (예: 100) - 설정 시 자동 롤업 적용

**예시**:```json
{
  "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

인프라 호스트 목록 및 필터링

파라미터:
- filter (선택): 호스트 필터 쿼리
- from (선택): 시작 시간 (기본값: "1 hour ago")
- count (선택): 반환할 호스트 수 (기본값: 100, 최대: 1000)
- tag_filter (선택): 태그 필터링

📝 로그 & 분석 (3개)

datadog_logs_search

강력한 로그 검색 및 필터링

파라미터:
- query (필수): 로그 검색 쿼리
- from (선택): 시작 시간 (기본값: "1 hour ago")
- to (선택): 종료 시간 (기본값: "now")
- limit (선택): 최대 로그 수 (기본값: 10)
- tag_filter (선택): 태그 필터링 ("*", "", "env:,service:")

datadog_logs_aggregate

로그 이벤트 집계 및 메트릭 계산

파라미터:
- query (선택): 로그 검색 쿼리 (기본값: "*")
- from (선택): 시작 시간
- to (선택): 종료 시간
- compute (선택): 집계 연산 배열 (count, sum, avg, min, max, pc99)
- group_by (선택): 그룹화 facet 배열

datadog_logs_timeseries

로그 집계로부터 시계열 데이터 생성

파라미터:
- query (선택): 로그 검색 쿼리
- from (선택): 시작 시간
- to (선택): 종료 시간
- interval (선택): 시간 인터벌 (기본값: "1h")
- aggregation (선택): 집계 타입 (기본값: "count")

🔍 모니터링 & 이벤트 (3개)

datadog_monitors_list

모든 모니터 목록 (클라이언트 캐싱)

🎯 클라이언트 캐싱 핵심: Datadog API는 모든 모니터를 한 번에 반환하여 토큰 제한에 걸릴 수 있습니다. 이 도구는 클라이언트 측에서 캐싱 + 페이지네이션을 처리합니다!

파라미터:
- tags (선택): 태그 필터 (쉼표로 구분)
- monitor_tags (선택): 모니터 태그 필터
- page (선택): 페이지 번호 (0부터 시작)
- Page 0: 항상 최신 데이터 fetch & 캐시 저장
- Page 1+: 캐시에서 가져와 슬라이싱 (5분 TTL)
- page_size (선택): 페이지당 모니터 수 (기본값: 50)

장점:
- 100+ 모니터도 토큰 제한 없이 탐색 가능
- 첫 요청 후 빠른 응답 (캐시 활용)
- LRU 방식으로 메모리 효율적

datadog_monitors_get

특정 모니터의 상세 정보

파라미터:
- monitor_id (필수): 모니터 ID

datadog_events_query

Datadog 이벤트 스트림 조회

🎯 클라이언트 캐싱 핵심: 대량 이벤트를 한 번에 반환하는 API를 클라이언트 캐싱으로 효율적으로 처리!

파라미터:
- from (선택): 시작 시간 (기본값: "1 hour ago")
- to (선택): 종료 시간 (기본값: "now")
- priority (선택): 우선순위 필터 ("normal", "low")
- sources (선택): 소스 필터
- tags (선택): 태그 필터
- page (선택): 페이지 번호 (기본값: 0)
- Page 0: 최신 데이터 & 캐시 저장
- Page 1+: 캐시 활용 (5분 TTL)

📈 대시보드 (2개)

datadog_dashboards_list

모든 대시보드 목록

🎯 클라이언트 캐싱: 페이지네이션 미지원 API를 클라이언트에서 효율적으로 처리 (5분 TTL)

datadog_dashboards_get

특정 대시보드의 상세 정보

파라미터:
- dashboard_id (필수): 대시보드 ID

🔬 APM & 트레이싱 (2개)

datadog_spans_search

APM 스팬 검색 (고급 필터링)

🎯 70% 응답 크기 감소: 스택 트레이스를 기본 10줄로 압축, 빈 필드 제거!

파라미터:
- query (선택): 검색 쿼리 (기본값: "*")
- from (필수): 시작 시간
- to (필수): 종료 시간
- limit (선택): 최대 스팬 수 (기본값: 10)
- cursor (선택): 페이지네이션 커서
- tag_filter (선택): 태그 필터링
- full_stack_trace (선택): true 설정 시 전체 스택 트레이스 포함 (기본값: false)

datadog_services_list

서비스 카탈로그 목록

파라미터:
- env (선택): 환경 필터
- page (선택): 페이지 번호 (기본값: 0)
- page_size (선택): 페이지당 항목 수 (기본값: 10)

🌐 RUM (Real User Monitoring) (1개)

datadog_rum_events_search

사용자 경험 및 프론트엔드 성능 모니터링

🎯 스택 트레이스 압축: 에러 스택을 기본 10줄로 압축하여 토큰 효율 최적화!

파라미터:
- query (선택): RUM 검색 쿼리 (기본값: "*")
- 예시: "@type:session AND @session.type:user"
- 예시: "@view.url_path:/checkout AND @error.message:*"
- 예시: "@resource.status_code:>=400"
- from (선택): 시작 시간 (기본값: "1 hour ago")
- to (선택): 종료 시간 (기본값: "now")
- limit (선택): 최대 이벤트 수 (기본값: 10)
- cursor (선택): 페이지네이션 커서
- sort (선택): 정렬 순서 (예: "timestamp", "-timestamp")
- tag_filter (선택): 태그 필터링
- full_stack_trace (선택): true 설정 시 전체 에러 스택 트레이스 포함 (기본값: false)

RUM 이벤트 타입:
- 세션 (Session): 사용자 세션 정보, 재생 가능 여부
- 뷰 (View): 페이지 뷰, URL, 로딩 시간, 체류 시간
- 액션 (Action): 사용자 상호작용 (클릭, 탭, 스크롤)
- 리소스 (Resource): XHR, Fetch, CSS, JS, 이미지 로딩 성능
- 에러 (Error): JavaScript 에러, 네트워크 에러, 크래시

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


---

## 🏗️ 기술 스택 & 아키텍처

### 핵심 기술

- **언어**: Rust 2024 Edition (1.90+)
- **프로토콜**: Model Context Protocol (MCP 2024-11-05)
- **통신**: JSON-RPC 2.0 over stdio
- **HTTP 클라이언트**: reqwest (HTTP/2, rustls-tls)
- **비동기 런타임**: tokio (full features)
- **시간 파싱**: interim (자연어 지원)

### 성능 특징

| 항목 | 수치 |
|------|------|
| **바이너리 크기** | ~5.3MB (LTO 최적화) |
| **캐시 TTL** | 5분 (설정 가능) |
| **요청 타임아웃** | 30초 |
| **최대 재시도** | 3회 (exponential backoff) |

### 아키텍처```
┌─────────────────────────────────────────────────┐
│           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.   │
└────────────────────────────────────────────────┘

📚 시간 형식 지원

자연어, 절대 시간, 상대 시간을 모두 지원합니다:

상대 시간 (Natural Language)```

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


### 명명된 시간```
"now"
"today"
"yesterday"
"last week"
"last month"

절대 시간```

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


---

## 🧪 개발 & 테스팅

### 개발 환경 설정```bash
# 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

테스트 실행```bash

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 프로토콜 테스트```bash
# 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

프로덕션 빌드```bash

최적화된 빌드

cargo build --release

심볼 제거 (선택사항)

strip target/release/mcp-datadog

결과: ~5.3MB 바이너리

```


🔒 보안

  • 읽기 전용: 모든 작업은 읽기 전용 (데이터 수정 불가)
  • 크레덴셜 안전: API 키는 절대 로그에 기록되지 않음
  • 입력 검증: 모든 파라미터 검증
  • 에러 처리: 내부 정보 노출 방지

🤝 기여하기

기여를 환영합니다!

  1. Fork the repository
  2. Create a feature branch (git checkout -b feature/amazing-feature)
  3. Commit your changes (git commit -m 'feat: add amazing feature')
  4. Push to the branch (git push origin feature/amazing-feature)
  5. Open a Pull Request

개발 가이드라인

  • cargo fmt로 코드 포맷팅
  • cargo clippy -- -D warnings로 린트 체크
  • cargo test로 모든 테스트 통과
  • 새 기능은 단위 테스트 필수
  • 제로 워닝 정책 (CI에서 강제)

📝 라이선스

MIT License - 자세한 내용은 LICENSE 파일을 참조하세요.


💬 지원

  • Issues: 버그 리포트 및 기능 요청은 GitHub Issues
  • Discussions: 질문 및 토론은 GitHub Discussions
  • Documentation: 이 README와 CLAUDE.md

Made with ❤️ in Rust for the MCP ecosystem

⭐ Star this repo · 🐛 Report Bug · ✨ Request Feature

常见问题

6 问
答案由本站依据条目字段整理,不引用上游原文
MCP Datadog E7e41d6d 怎么安装?

资料没有给出安装命令,请到官方仓库或文档按说明接入;这类条目多数是生态应用,或尚未发布可安装包。

MCP Datadog E7e41d6d 怎么在 Claude Desktop、Claude、Cursor 里配置?

它的传输方式未标注,在客户端的 MCP 配置里填好启动命令和参数,保存后完全退出客户端再打开,配置才会生效。

MCP Datadog E7e41d6d 收费吗?

本站不代收费用,也没有标注具体价格。是否收费取决于服务本身和背后的接口额度,正式使用前按官方说明确认。

MCP Datadog E7e41d6d 需要 API Key 吗?

资料标注需要会话登录认证,使用前准备好对应凭据,并按最小权限配置。

MCP Datadog E7e41d6d 支持哪些客户端?

资料标注支持 Claude Desktop、Claude、Cursor;其他客户端只要能配置 MCP Server,也能用同样的命令或地址接入。

MCP Datadog E7e41d6d 能提供哪些能力?

资料显示能力标签包括 AI代理、日志分析、Rust、Claude、性能监控。具体工具清单以官方文档为准。

热门专题

按标签挑服务器
全部专题 →

服务器信息以作者仓库与官方文档为准;分类、传输方式与鉴权方式的中文说明为中文整理,最近核验 2026-05-17。