MCP サーバー
MCP サーバー (Datadog MCP Server) とは、Model Context Protocol (MCP) に対応する AI エージェントと Datadog の可観測性データの間に立つ橋渡し役のこと。AI エージェントがツール呼び出しでメトリクス、ログ、トレースなどを引き出せるようにする。
概要
MCP サーバーは、Datadog が提供する Model Context Protocol (MCP) の実装で、Cursor や Claude Code などの AI エージェントが Datadog のデータをツール呼び出しで引き出すための接続点です。接続は OAuth のログインで行い、呼び出した利用者本人の権限がそのまま効くため、その人が画面で見られない情報は取り出せません。本項は 2026 年 9 月時点の公式ドキュメントに基づき、公式自身が大きく開発中と明記しているため、対応エージェントやツール、利用上限は変わり得ます。気にするのは、AI エージェントから Datadog を触らせたいときと、その権限の範囲を決めるときです。
AI エージェントと Datadog の間に架かる橋
MCP サーバーは、Model Context Protocol (MCP) に対応する AI エージェントと、Datadog 上の可観測性データの間に立つ橋渡し役です。公式ドキュメントは、Datadog の文脈、機能、ツールへの構造化されたアクセスを提供し、AI を使う開発環境から可観測性の洞察を直接引き出せるようにするもの、と説明しています。MCP は AI エージェントが外部のツールやデータに接続するための共通の取り決めで、Datadog はそのサーバー側を用意しています。公式ドキュメントには「大きく開発中」との明記があり、対応エージェントやツールの構成は変わり得るため、導入時は公式のセットアップページで確かめてください (2026 年 9 月時点・出典: Datadog MCP Server)。
どのエージェントから、どうつなぐか
エージェントごとの接続手順が、公式のセットアップページにまとまっています (2026 年 9 月時点・出典: Set Up the Datadog MCP Server)。対象は Cursor、Claude Code、Gemini CLI、VS Code、Codex、ChatGPT、Claude、Kiro などです。骨格は共通で、自分の Datadog サイトに対応する MCP サーバーのエンドポイントをエージェントに登録し、OAuth のログインを完了します。ツールは製品ごとのツールセットに分かれ、エンドポイント URL の toolsets パラメーターで有効にする群を選び、omit_tools で個別のツールを外せます。使わない製品のツールまで AI の文脈に読み込ませないための仕組みです。多くのツールには max_tokens パラメーターもあり、返答の量を呼び出し側で調整できます (2026 年 9 月時点・出典: Datadog MCP Server)。
ツールは製品ごとの群に分かれる
各ツールが属するツールセット、必要な権限、プロンプト例は、公式のツール一覧ページに記されています (2026 年 9 月時点・出典: Datadog MCP Server Tools)。
| ツールセット | 代表的なツール |
|---|---|
| Core tools | search_datadog_logs / get_datadog_trace / search_datadog_monitors / get_datadog_metric |
| Alerting | create_datadog_monitor / validate_datadog_monitor / search_datadog_slos |
| APM | apm_search_spans / apm_latency_bottleneck_summary / apm_search_watchdog_stories |
| そのほか | Dashboards / Database Monitoring / RUM / Security / Workflows など製品ごとの群 |
多くは検索や取得ですが、モニターやノートブックを作るツールもあります。書き込み系は次の節で述べる権限検査の対象です。ツール群も「大きく開発中で変更され得る」と一覧ページに明記されています。
誰の権限で動くのか、どう絞るか
認証した利用者本人の資格情報で、MCP サーバーは Datadog API を呼びます。データの流れは Bits AI の解説 の表に委ねます。公式が挙げる手段は、RBAC でロールごとに権限を与える、Data Access Control で機微なデータ (ログや APMスパン) を読める人を制限する、ログの制限クエリでロールが読めるログを絞る、の 3 つです。書き込み系のツールは monitors_write のような対応する権限が必要で、呼び出しごとに検査され、読み取り専用の利用者が呼ぶと拒否されます (2026 年 9 月時点・出典: Datadog MCP Server)。AI 用に別の鍵を切る前に、その利用者のロールが何を見られるかを整えるのが筋です。エージェントによっては API キー と Application キーの入力を求める手順もあります (2026 年 9 月時点・出典: Set Up the Datadog MCP Server)。
使わせた後に見張る 3 点と Bits AI との違い
有効にした後の見張り方も公式ドキュメントにあります (2026 年 9 月時点・出典: Datadog MCP Server)。
- Audit Trail でイベント名 MCP Server を検索し、ツール名、引数、利用者、使われたクライアントを追う
- メトリクス
datadog.mcp.session.starts(セッション開始) とdatadog.mcp.tool.usage(ツール呼び出し) を user_email や client でグループ化して見る。後者は分布メトリクスなので、回数は sum ではなく count に.as_count()を付けて数える - フェアユースの上限 (10 秒あたり 50 リクエストのバースト、月 50,000 ツール呼び出し) に近づいていないかを確かめる。上限は変更の可能性があると公式が明記し、必要ならサポートに相談できる
Bits AI との違いを 1 文で言うと、Bits AI は Datadog の中で動く AI で、MCP サーバーは外の AI エージェントに Datadog を渡す口です。MCP サーバーを気にするのは、開発者が使う AI エージェントから Datadog を直接引きたいときと、それを許す前に誰にどこまで見せるかを決めるときで、上の 3 点がその守り方になります。