Datadog MCP Server چیست؟ معرفی پل امن AI Agentها به دادههای لحظهای مانیتورینگ
در ۹ مارس ۲۰۲۶، شرکت Datadog به طور رسمی از عرضه عمومی MCP Server خود خبر داد. این سرویس یک رابط اختصاصی (پروتکل) است که به AI Agentها اجازه میدهد به دادههای لحظهای تلهمتری Datadog شامل لاگها، متریکها و traceها دسترسی پیدا کنند، اما تحت کنترلهای امنیتی و حاکمیتی سازمان.
MCP مخفف Model Context Protocol است، یک پروتکل استاندارد برای ارتباط بین AI Agentها و سیستمهای داده.
به زبان ساده: قبلاً برای بررسی یک مشکل در سرور، باید وارد داشبورد Datadog میشدید، فیلتر میزدید، نمودارها را چک میکردید. حالا میتوانید مستقیماً از داخل Claude Code، Cursor یا هر AI Agent دیگر به زبان طبیعی به آن بگویید: آخرین خطاهای production را بررسی کن و Agent این کار را برای شما انجام میدهد.
چرا Datadog MCP Server مهم است؟
قبل از این سرویس، AI Agentها نمیتوانستند مستقیماً به دادههای مانیتورینگ دسترسی داشته باشند. هر بار باید:
-
لاگها را دستی جستجو میکردید
-
بین چندین ابزار جابجا میشدید
-
نتیجه را کپی میکردید و به Agent میدادید
حالا Yanbing Li، مدیر ارشد محصول Datadog، این تغییر را اینطور توصیف میکند:
ما در حال حرکت از AI copilotها به سمت AIهایی هستیم که روی سیستمهای زنده (live production) کار میکنند.
سه قابلیت اصلی این سرویس:
دیباگ بدون جابجایی: Agent میتواند مستقیماً لاگها، متریکها و traceهای زنده را بخواند
دسترسی امن و حاکمیتی: دسترسی Agentها تحت کنترل RBAC و compliance سازمان انجام میشود
پروتکل استاندارد: یک رابط یکسان برای ارتباط با انواع AI Agentها
ابزارهای موجود در MCP Server
Datadog MCP Server از سیستمی به نام Toolset پشتیبانی میکند. هر Toolset مجموعهای از ابزارها برای یک حوزه خاص است:
core: دسترسی به لاگها، متریکها، traceها، داشبوردها، مانیتورها، incidents
apm: تحلیل traceهای APM، جستجوی spanها، Watchdog insights
alerting: اعتبارسنجی مانیتورها، جستجوی گروه و دریافت تمپلیت
dbm: یکپارچهسازی با Database Monitoring
error-tracking: عملیات ردیابی خطاها
llmobs: جستجو و تحلیل spanهای LLM Observability
networks: تحلیل Cloud Network Monitoring و Network Device Monitoring
security: اسکن امنیت کد، جستجوی سیگنالهای امنیتی
synthetics: عملیات تستهای Synthetic
طبق گزارش MCP Bundles، این MCP Server دارای ۴۳ ابزار مختلف است و بزرگترین MCP Server حوزه مانیتورینگ در پلتفرم محسوب میشود.
سناریوهای استفاده عملی
بررسی خودکار APM و پیدا کردن ریشه خطا
در یک آزمایش عملی، یک توسعهدهنده از Claude Code خواست: لطفاً traceهای اخیر APM را برای سایت خرید تحلیل کن.
Agent به طور خودکار:
-
۸ خطا (error span) را شناسایی کرد
-
۳ گلوگاه اصلی (bottleneck) را پیدا کرد
-
مشخص کرد که تأخیر ۵.۳ ثانیهای در یک پردازش بدون instrument ایجاد شده است
-
تخمین زد که تأخیر برابر طول رشته جستجو ضربدر ۲۰۰ میلیثانیه است
ایجاد خودکار مانیتور از روی فایل CloudFormation
در سناریوی دوم، از Agent خواسته شد: برای منابع تعریف شده در فایل template.yaml، مانیتورهای پیشنهادی Datadog را ایجاد کن.
Agent:
-
فایل CloudFormation را تحلیل کرد و ۸ تابع Lambda، ۳ جدول DynamoDB و API Gateway را شناسایی کرد
-
با ابزار List Metrics نام متریکهای موجود را بررسی کرد
-
با ابزار validate_monitor_definition هر مانیتور را قبل از ایجاد اعتبارسنجی کرد
-
۷ مانیتور بر اساس best practices ایجاد کرد
امنیت و حکمرانی
یکی از نگرانیهای اصلی در استفاده از AI Agentها در محیط production، امنیت است. Datadog MCP Server این نگرانی را اینگونه حل میکند:
احراز هویت مبتنی بر کاربر: هر Agent با استفاده از credentials کاربر احراز هویت میشود
کنترل دسترسی مبتنی بر نقش (RBAC): دسترسی Agentها دقیقاً همان سطح دسترسی کاربر را دارد
audit log: تمام اقدامات Agentها ثبت میشود
کنترل بر اقدامات: سازمان میتواند مشخص کند Agentها فقط خواندن داشته باشند یا نوشتن هم انجام دهند
Yanbing Li، CPO Datadog میگوید: AI پیچیدگی را تشدید میکند، مخصوصاً با سرعت نوآوری آن. Datadog با محصولاتی مثل MCP Server به حل این پیچیدگی کمک میکند.
آینده: از Copilot به Operator در production
نقل قول Yanbing Li از Datadog:
با ترکیب تلهمتری از پلتفرم یکپارچه observability Datadog در گردشهای کاری AI تیمها، ما مرحله بعدی توسعه AI-native را امکانپذیر میکنیم حرکت از صرفاً AI copilotها به سمت AIهایی که روی سیستمهای زنده production کار میکنند.
این یعنی در آینده نزدیک، بسیاری از کارهایی که امروز یک اپراتور انسانی انجام میدهد مثل تشخیص خطا، یافتن ریشه مشکل، و حتی اجرای اقدامات اصلاحی توسط AI Agentهایی انجام میشود که از طریق MCP Server به دادههای واقعی متصل هستند.
سوالات متداول (FAQ)
1. Datadog MCP Server دقیقاً چیست؟
Datadog MCP Server یک رابط (پروتکل) است که به AI Agentها اجازه میدهد به دادههای لحظهای تلهمتری Datadog شامل لاگها، متریکها و traceها دسترسی پیدا کنند. MCP مخفف Model Context Protocol است.
2. چه AI Agentهایی از Datadog MCP Server پشتیبانی میکنند؟
طبق اعلام Datadog، این سرویس از Claude Code، Cursor، Codex، GitHub Copilot و Visual Studio Code پشتیبانی میکند.
3. آیا MCP Server امن است؟
بله. Datadog MCP Server از احراز هویت مبتنی بر کاربر، کنترل دسترسی مبتنی بر نقش (RBAC)، ثبت تمام اقدامات در audit log و امکان محدود کردن دسترسی Agentها به حالت فقط خواندنی استفاده میکند.
4. چه نوع دادههایی در MCP Server قابل دسترسی است؟
لاگها، متریکها، traceها، داشبوردها، مانیتورها، incidents، دادههای APM، Database Monitoring، خطاها، LLM Observability، شبکه و تستهای Synthetic.
5. آیا میتوانم MCP Server را در محیط داخلی (on-premise) اجرا کنم؟
Datadog MCP Server به صورت عمومی روی پلتفرم ابری Datadog در دسترس است. برای محیطهای on-premise باید با تیم پشتیبانی Datadog تماس بگیرید.
6. آیا MCP Server فقط برای دیباگ است یا میتواند اقدامات اصلاحی هم انجام دهد؟
بله. بسته به سطح دسترسی تعریف شده، Agentها میتوانند هم خواندن و هم نوشتن انجام دهند. مثلاً میتوانند مانیتور جدید ایجاد کنند یا تنظیمات را تغییر دهند.
7. چه زمانی Datadog MCP Server عرضه شد؟
این سرویس در تاریخ ۹ مارس ۲۰۲۶ به صورت عمومی (General Availability) عرضه شد.