Datadog MCP サーバー連携

「Datadog」MCP サーバーは何をするのか？

Datadog MCP サーバーは、AI アシスタントと公式 Datadog API を橋渡しする Model Context Protocol (MCP) サーバーです。仲介役となることで、AI ベースのツールやエージェントが Datadog アカウントの監視データ、ダッシュボード、メトリクス、イベント、ログ、インシデントにアクセス・クエリ・管理できるようにします。この連携により、開発者や運用担当者は監視業務の自動化、高度なクエリ実行、Datadog リソースとの直接的なやり取りを AI ワークフローやアシスタントから行うことができます。サーバーは Datadog v1/v2 API の両方をサポートし、サービスエンドポイントへの幅広いアクセス、高度なエラーハンドリング、ログやメトリクスのリージョン/サービス指定エンドポイントの利用も可能です。結果として、Datadog の機能を広範な AI 主導の自動化・開発環境内で利用できるようになり、可観測性やインシデント管理に関するワークフローを効率化します。

プロンプト一覧

利用可能なドキュメントやコードには明示的なプロンプトテンプレートは記載されていません。

リソース一覧

• 監視データ — Datadog からモニターデータと設定にアクセス
• ダッシュボード — Datadog に保存されたダッシュボード定義の取得と閲覧
• メトリクス — Datadog API から利用可能なメトリクスやそのメタデータのクエリ
• イベント — 指定した期間内の Datadog イベントの検索と取得
• ログ — Datadog から高度なフィルタリング・ソートを用いてログを検索

ツール一覧

ドキュメントやサーバーソースツリー上に、MCP ツールとしての明示的なツール一覧はありません。各機能（監視、ダッシュボードなど）はツールとして実装されている可能性がありますが、MCP ツールとしての個別列挙はありません。

この MCP サーバーのユースケース

• 監視自動化: モニター設定の取得・管理を自動化し、システム健全性の変化に即座に対応・分析
• ダッシュボード探索: ダッシュボード定義をシームレスに取得・閲覧し、AI エージェントやユーザーによる分析・共有・更新を容易に
• メトリクス分析: 幅広いメトリクスやメタデータをクエリ・分析し、詳細なパフォーマンス調査や異常検知、カスタム可視化の生成を支援
• インシデント＆イベント管理: イベントやインシデントデータの検索・取得により、インシデントの自動レビューやエスカレーション、ポストモーテムの要約など AI ワークフローを強化
• ログ検索・フィルタリング: 高度なフィルタ・ソートを用いたログクエリを実行し、AI 主導のリアルタイムトラブルシューティングや根本原因分析を促進

セットアップ方法

Windsurf

ドキュメントに明示的な Windsurf 用セットアップ手順はありません。

Claude

1. Node.js（v16以上）と Datadog アカウント（API キー・Application キー）を用意してください。
2. パッケージをグローバルインストール、または npx を使って実行します。
3. claude_desktop_config.json 設定ファイルを探します。
4. mcpServers オブジェクト内に Datadog MCP サーバー設定を追加します：

   {
     "mcpServers": {
       "datadog": {
         "command": "npx",
         "args": [
           "datadog-mcp-server",
           "--apiKey",
           "<YOUR_API_KEY>",
           "--appKey",
           "<YOUR_APP_KEY>",
           "--site",
           "<YOUR_DD_SITE>(例: us5.datadoghq.com)"
         ]
       }
     }
   }
   

5. ファイルを保存し、Claude Desktop を再起動して変更を反映します。

サービス別エンドポイントによる高度な設定例:

{
  "mcpServers": {
    "datadog": {
      "command": "npx",
      "args": [
        "datadog-mcp-server",
        "--apiKey", "<YOUR_API_KEY>",
        "--appKey", "<YOUR_APP_KEY>",
        "--site", "<YOUR_DD_SITE>",
        "--logsSite", "<YOUR_LOGS_SITE>",
        "--metricsSite", "<YOUR_METRICS_SITE>"
      ]
    }
  }
}

環境変数を使った API キー保護:

{
  "mcpServers": {
    "datadog": {
      "command": "npx",
      "args": [
        "datadog-mcp-server"
      ],
      "env": {
        "DD_API_KEY": "<YOUR_API_KEY>",
        "DD_APP_KEY": "<YOUR_APP_KEY>"
      }
    }
  }
}

Cursor

ドキュメントに明示的な Cursor 用セットアップ手順はありません。

Cline

ドキュメントに明示的な Cline 用セットアップ手順はありません。

フロー内での MCP 利用方法

FlowHunt での MCP 利用

FlowHunt ワークフローに MCP サーバーを統合するには、まずフローに MCP コンポーネントを追加し、AI エージェントと接続します。

MCP コンポーネントをクリックして設定パネルを開きます。システム MCP 設定セクションに、以下の JSON 形式で MCP サーバー情報を入力します：

{
  "datadog": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

設定後、AI エージェントは MCP のすべての機能をツールとして利用できるようになります。“datadog” はご自身の MCP サーバー名に、URL もご自身の MCP サーバー URL に置き換えてください。

概要

Roots サポート: ⛔（記載なし）

ドキュメントの充実度、Claude 用セットアップ手順やリソース一覧の有無から、プロンプトテンプレートや MCP ツール・Roots/サンプリングサポートが不足しているものの、この MCP サーバーは AI ワークフローへの実用的な統合に十分な成熟度があると評価できます。

MCP スコア