Datadog MCP API Wrapper

MCP运维云端

提供方 andrew32167

运维云端 未标注 无需鉴权 社区 / 第三方 Claude

Datadog MCP Server 是一个模型上下文协议服务器,允许通过自然语言查询搜索和分析Datadog日志和追踪数据。

一句话选型结论

按资料字段整理

Datadog MCP API Wrapper 属于运维云端类 MCP 服务器,传输方式未标注,无需鉴权,可直接接入 Claude,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。

分类运维云端 传输方式未标注 鉴权无需鉴权 部署方式未标注
GitHub 星标 0 仓库热度,无公开仓库时显示未标注
工具数 2 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

运维云端
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2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

日志分析Python本地部署追踪查询自然语言处理性能监控数据可视化

安装与配置

未标注 无需鉴权
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

    连接成功后客户端会列出约 2 个工具,随便调一个只读工具确认能返回结果。

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
云资源查询

查实例、存储、账单等云上资源状态。

部署与发布

把部署、重启、回滚这类操作接进对话。

监控与告警

拉取监控指标,异常时让模型帮你判断。

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

  • 资料标注 2 个工具,职责相对集中,接入后不容易误操作。
  • 已适配 Claude,换客户端不用重新研究配置。
  • 资料标注无需鉴权,装好就能连。

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。
  • 版本更新与行为细节以官方仓库为准。

更适合

  • 需要在运维云端场景里让模型直接调用外部能力的人。
  • 已经在用 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

  • 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
Datadog MCP API Wrapper当前 2 未标注 未标注 无 2026-05-17
lobehub 未标注 stdio · 本地进程 本地部署 有 2026-04-11
TrendRadar 未标注 stdio · 本地进程 本地部署 有 2026-04-13
Ui Tars Desktop 8a825770 未标注 stdio · 本地进程 本地部署 有 2026-05-17
ruflo 未标注 stdio · 本地进程 本地部署 有 2026-04-13
FastGPT 未标注 stdio · 本地进程 本地部署 有 2026-04-11

服务器档案

运维云端
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andrew32167上游标注的维护方 andrew32167
分类运维云端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
鉴权方式无需鉴权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

7.7 KB
来自项目仓库与上游目录的原文,未做删改

Datadog MCP服务器

一种模型上下文协议(MCP)服务器,使LLM能够通过自然语言查询搜索和分析Datadog日志和跟踪。

特性

  • 日志搜索:使用完整的查询语法支持在所有Datadog日志中搜索
  • 跟踪搜索:查询跟踪和跨度以调查应用程序性能
  • 灵活的格式:以人类可读的Markdown或结构化JSON格式获取结果
  • 智能截断:自动响应截断,提供有用的指导
  • 清除错误处理:可操作的错误消息,指导您找到解决方案
  • 费率限制管理:内置重试逻辑和清除速率限制消息

先决条件

  • Python 3.10或更高版本
  • 依赖管理诗
  • Datadog帐户:
  • API密钥
  • 程序键
  • 访问日志和/或跟踪

安装

  1. 克隆或下载此存储库:```bash
    cd datadog-mcp

2. 使用Poetry安装依赖项:```bash
poetry install

配置

1.获取Datadog API凭据

您需要从Datadog帐户中获取三条信息:

  • Datadog网站:您的Datadog网站URL(例如。, datadoghq.com, datadoghq.eu)

  • 在您的Datadog URL中找到这个: https://app.datadoghq.com → 网站是 datadoghq.com

  • API密钥:从 API密钥设置

  • 如果需要创建密钥,请单击“新建密钥”

  • 复制键值

  • 程序键:从 应用程序密钥设置

  • 如果需要创建密钥,请单击“新建密钥”

  • 复制键值

2.设置环境变量

创建一个 .env 项目根目录中的文件(复制自 .env.example):```bash
cp .env.example .env


编辑 `.env` 并添加您的凭据:```bash
DD_SITE=datadoghq.com
DD_API_KEY=your_actual_api_key_here
DD_APP_KEY=your_actual_app_key_here

或者,将它们导出到shell中:```bash
export DD_SITE=datadoghq.com
export DD_API_KEY=your_actual_api_key_here
export DD_APP_KEY=your_actual_app_key_here


## 用法

### 运行服务器

MCP服务器作为一个通过stdio进行通信的长期进程运行:```bash
poetry run python -m datadog_mcp.server

服务器将在启动时验证您的配置,并显示任何错误。

可用工具

1.数据狗搜索日志

在Datadog中搜索日志。

参数:

  • query (必填):使用Datadog语法搜索查询
  • from_time (可选):开始时间(默认值:“现在-15米”)
  • to_time (可选):结束时间(默认值:“现在”)
  • limit (可选):最大结果(默认值:50,最大值:1000)
  • response_format (可选):“markdown”或“json”(默认:“markdown”)

示例:```python

Search for errors in the last hour

{
"query": "status:error",
"from_time": "now-1h"
}

Search specific service

{
"query": "service:web-app AND @http.status_code:500",
"from_time": "2024-01-01T00:00:00Z",
"to_time": "2024-01-01T23:59:59Z"
}

Get JSON output

{
"query": "env:production error",
"response_format": "json"
}


#### 2.数据搜索跟踪

在Datadog中搜索痕迹和跨度。

**参数:**

- `query` (必填):使用Datadog语法搜索查询
- `from_time` (可选):开始时间(默认值:“现在-15米”)
- `to_time` (可选):结束时间(默认值:“现在”)
- `limit` (可选):最大结果(默认值:50,最大值:1000)
- `response_format` (可选):“markdown”或“json”(默认:“markdown”)

**示例:**```python
# Find errors in a service
{
"query": "service:web-app error:true",
"from_time": "now-1h"
}

# Find slow API calls
{
"query": "resource_name:GET /api/* @duration:>1000000000",
"from_time": "now-30m"
}

# Get JSON output for analysis
{
"query": "service:python*",
"response_format": "json"
}

查询句法

这两个工具都支持完整的Datadog查询语法:

基本查询:

  • 简单文本: error
  • 字段搜索: service:web-app
  • 布尔运算符 service:web AND status:error
  • 通配符: service:python*

面部:

  • HTTP状态: @http.status_code:500
  • 自定义属性: @user.email:john@example.com

标签:

  • 环境: env:production
  • 多个标签: env:prod team:backend

时间格式:

  • 日期数学: now-15m, now-1h, now-1d, now-7d
  • ISO8601: 2024-01-01T00:00:00Z
  • 纪元毫秒: 1704067200000

了解更多:

  • 日志查询语法
  • 跟踪查询语法

与MCP客户端集成

克劳德

添加到您的Claude配置文件中:```json
{
"mcpServers": {
"datadog": {
"command": "poetry",
"args": ["run", "python", "-m", "datadog_mcp.server"],
"cwd": "/absolute/path/to/datadog-mcp",
"env": {
"DD_SITE": "datadoghq.com",
"DD_API_KEY": "your_api_key",
"DD_APP_KEY": "your_app_key"
}
}
}
}


替换 `/absolute/path/to/datadog-mcp` 与这个项目的实际路径。

### 其他MCP客户端

服务器使用stdio传输并遵循MCP协议规范。有关集成说明,请参阅MCP客户端文档。

## 速率限制

- **日志API**:慷慨的利率限制(通常不是问题)
- **追踪API**:每小时300个请求

如果您达到速率限制,服务器将返回一条明确的错误消息,其中包含重试指导。

## 故障排除

### 配置错误

**错误:缺少必需的环境变量**

- 确保 `DD_SITE`, `DD_API_KEY`,以及 `DD_APP_KEY` 已设定
- 检查你的 `.env` 文件或环境变量
- 验证变量名中没有拼写错误

### 身份验证错误

**错误:权限被拒绝**

- 验证API密钥和应用程序密钥是否正确
- 确保密钥对日志/跟踪具有适当的权限
- 检查钥匙是否已旋转或过期
- 如果需要,从Datadog设置生成新密钥

### 查询错误

**错误:请求错误**

- 检查查询语法
- 请参阅Datadog查询语法文档
- 尝试简化查询以隔离问题
- 删除可能需要转义的特殊字符

### 速率限制

**错误:超出速率限制**

- 在发出更多请求之前等待(特别是跟踪:300/小时)
- 使用更具体的查询来减少请求数
- 考虑在客户端缓存结果
- 在请求之间增加更长的时间延迟

### 空结果

如果你没有得到任何结果,但期待一些结果:

- 使用验证时间范围 `from_time` 和 `to_time`
- 检查Datadog UI中是否存在查询的日志/跟踪
- 确保您正在搜索正确的服务名称
- 先尝试更广泛的查询,然后缩小范围

## 发展

### 项目结构```
datadog-mcp/
├── datadog_mcp/
│   ├── __init__.py       # Package initialization
│   ├── server.py         # Main MCP server with tool registrations
│   ├── config.py         # Configuration and environment validation
│   ├── models.py         # Pydantic input validation models
│   ├── client.py         # Datadog API client wrapper
│   ├── formatters.py     # Response formatting (Markdown/JSON)
│   └── errors.py         # Error handling utilities
├── pyproject.toml        # Poetry dependencies
├── README.md             # This file
└── .env.example          # Environment variable template

代码质量

代码库遵循以下标准:

  • 带有Python类型注释的完整类型提示
  • Pydantic v2用于输入验证
  • 全面的文档字符串(Sphinx风格)
  • 异步/等待所有I/O操作
  • 共享公用设施的干燥原则
  • 清晰的错误信息和可操作的指导

测试

要验证实施,请执行以下操作:```bash

Check Python syntax

poetry run python -m py_compile datadog_mcp/*.py

Test server startup (will wait for requests)

poetry run python -m datadog_mcp.server
```

许可证

此项目按原样提供,用于通过模型上下文协议与Datadog服务集成。

支持

关于以下问题:

  • MCP协议:参见 MCP文件
  • 数据狗API:参见 Datadog API文档
  • 此服务器:在此存储库中打开一个问题

致谢

内置:

  • MCP Python SDK
  • Datadog API客户端
  • 派丹蒂克

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
Datadog MCP API Wrapper 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。

Datadog MCP API Wrapper 怎么在 Claude 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。

Datadog MCP API Wrapper 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。

Datadog MCP API Wrapper 需要 API Key 吗?

资料标注为无需认证,装好就能连;如果实际调用时报鉴权错误,按官方文档补上凭据。

Datadog MCP API Wrapper 支持哪些客户端?

资料标注支持 Claude;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。

Datadog MCP API Wrapper 能提供哪些能力?

资料显示约 2 个工具;能力标签包括 日志分析、数据可视化、Python、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。