DataDog MCP Server

一个模型上下文协议（MCP）服务器，通过标准化接口为AI助手提供直接访问DataDog可观测性平台的能力。

🎯 目的

此服务器弥合了大型语言模型（LLMs）与DataDog全面可观测性平台之间的差距，使AI助手能够：

• 监控基础设施：查询仪表板、指标和主机状态
• 管理事件：创建和检索事件以进行事故跟踪
• 分析数据：访问日志、追踪和性能指标
• 自动化操作：与监控器、停机时间和警报互动

🔧 什么是MCP？

模型上下文协议（MCP） 是一种标准化方式，用于AI助手与外部工具和数据源交互。无需每个AI系统构建自定义集成，MCP提供了一个通用接口，允许LLMs：

• 使用结构化输入和输出执行工具
• 访问来自外部系统的实时数据
• 在多次工具调用之间维持上下文
• 提供一致且可靠的集成

📊 DataDog 平台

DataDog是一个领先的可观测性平台，提供：

• 基础设施监控：跟踪服务器性能、资源使用情况和健康状况
• 应用程序性能监控（APM）：监控应用程序性能和用户体验
• 日志管理：集中式日志记录，具有强大的搜索和分析功能
• 真实用户监控（RUM）：跟踪用户交互和前端性能
• 安全监控：检测基础设施中的威胁和漏洞

🚀 快速开始

1. 构建服务器：

   make build
   

2. 配置DataDog API：

   export DD_API_KEY="your-datadog-api-key"
   export DATADOG_APP_KEY="your-datadog-app-key"  # 可选
   export DATADOG_SITE="datadoghq.eu"  # 或 datadoghq.com
   

3. 生成MCP配置：

   make create-mcp-config
   

4. 运行服务器：

   ./build/datadog-mcp-server
   

📚 文档

• 可用工具 - 实现的DataDog工具完整列表
• 测试文档 - 测试覆盖和实现细节
• OpenAPI拆分 - 如何拆分大型OpenAPI规范
• Spectral Linting - OpenAPI规范验证和Linting

🛠️ 可用工具

当前实现的工具包括：

• 仪表板管理（v1）：v1_list_dashboards，v1_get_dashboard
• 事件管理（v1）：v1_list_events，v1_create_event
• 连接测试（v1）：v1_test_connection
• 监控管理（v1）：（即将推出）
• 指标和日志（v1）：（即将推出）

所有工具都以前缀形式表示其API版本（例如，v1_，v2_），以便清晰分离并支持未来的v2 API。

参见docs/tools.md获取完整列表和实现状态。

🔧 开发

# 安装开发工具
make install-dev-tools

# 运行测试
make test

# 生成API客户端
make generate

# 拆分OpenAPI规范
make split

# Lint OpenAPI规范
make lint-openapi

# 构建和测试
make build

OpenAPI管理

项目包括全面的工具来管理OpenAPI规范：

• 拆分规范：将大型OpenAPI文件分解成更小、更易于管理的部分
• Spectral Linting：使用自定义规则和最佳实践验证OpenAPI规范
• 代码生成：从OpenAPI规范生成Go客户端代码
• 版本支持：分别处理DataDog API v1和v2

参见OpenAPI拆分指南和Spectral Linting指南获取详细使用方法。

📚 资源

• 模型上下文协议简介（Stytch博客）