Agentic Onboarding Setup.

Documentación > Agentic Onboarding > Agentic Onboarding Setup.

Descripción general

Agentic Onboarding is a set of AI-driven tools that automate instrumentación de Datadog for your applications and infrastructure:

AI Setup CLI: Configure Datadog from a terminal, without a coding assistant.
Datadog MCP Server: Configure Datadog a través de un asistente de codificación (como Claude Code o Cursor), que maneja la detección y configuración del framework desde su IDE.

Ambas rutas son complementarias y utilizan la misma cuenta de Datadog. Puede instalar el Datadog MCP Server en su IDE y ejecutar la CLI en una terminal.

AI Setup CLI

El Datadog AI Setup CLI es una herramienta de terminal independiente. Úsela cuando no desee instalar un Datadog MCP Server, o para tareas que el MCP setup no admite, como crear una cuenta de Datadog.

La CLI puede:

Crear una cuenta de Datadog de principio a fin desde la terminal
Vincular una cuenta de Datadog existente a su entorno local
Instrumentar infraestructura local como código (Terraform, Helm, Kustomize, Ansible, Pulumi, manifiestos de Kubernetes sin procesar, archivos de Docker Compose) editando archivos en el lugar
Instrumentar código de aplicación local agregando la inicialización y configuración del SDK para los frontends y backends compatibles

Requisitos previos

Node.js 22 o posterior

Productos compatibles

La CLI puede configurar los siguientes productos:

Product	Identifier
App and API Protection	`app_and_api_protection`
Code Coverage	`ci_code_coverage`
Docker	`docker`
Seguimiento de errores	`error-tracking`
Infrastructure Monitoring	`infra-monitoring`
Linux	`linux`
Agent Observability	`llm-obs`
OpenTelemetry	`otel`
Product Analytics	`product-analytics`
Real User Monitoring (RUM)	`rum`
Serverless Monitoring	`serverless`
Studio	`studio`
Optimización de pruebas	`test-optimization`

Install and run the CLI

Run the CLI with npx, passing --site to target your Datadog site. Tiene dos opciones, dependiendo de si ya tiene una cuenta de Datadog:
Opción 1: Configuración interactiva. Si aún no tiene una cuenta de Datadog, o desea elegir su producto de forma interactiva, ejecute sin el flag --product. La CLI lo guía a través de la configuración de la cuenta y la elección del producto.
```
npx @datadog/ai-setup-cli --site datadoghq.com
```
Replace the value of --site with the Datadog site for your account: datadoghq.com, us3.datadoghq.com, us5.datadoghq.com, datadoghq.eu, ap1.datadoghq.com, or ap2.datadoghq.com.
Option 2: Direct setup. If you already have a Datadog account and want to install a specific product, pass --product to skip product selection.
```
npx @datadog/ai-setup-cli --site datadoghq.com --product <PRODUCT>
```
- Replace the value of --site with the Datadog site for your account.
- Replace <PRODUCT> with one of the supported products.
Presione Enter en la pantalla de bienvenida y elija si tiene una cuenta de Datadog. Se abre un navegador para OAuth (o para la creación de una cuenta si aún no tiene una). Complete el flujo y otorgue acceso a su cuenta de Datadog.
If you ran the CLI without --product, select what to set up from the product menu. (La configuración directa con --product omite este menú).
La CLI detecta los frameworks de su proyecto, aplica la configuración requerida y aprovisiona las variables de entorno necesarias. El progreso se informa etapa por etapa.
Cuando se completa la configuración, la CLI enumera los productos que instrumentó y proporciona enlaces a la interfaz de usuario de Datadog para verificar los datos entrantes.
Commit los cambios en su repositorio. Puede editar las variables de entorno de Datadog (claves de API, ID de aplicación) para su entorno específico.

Después de que la CLI finalice, consulte Next steps.

Datadog MCP Server

El Datadog MCP Server expone el conjunto de herramientas onboarding a cualquier asistente de codificación compatible con MCP. Después de instalar y autenticar el servidor, instrumenta un proyecto escribiendo un one-line prompt. El Agent lee su código, llama a las herramientas MCP (con su permiso), aplica cambios y verifica el resultado.

Prerequisites

Un asistente de codificación compatible con MCP, como Claude Code o Cursor
Una cuenta de Datadog

Supported frameworks

Product	Frameworks
Error Tracking, RUM, Product Analytics	Android, Angular, iOS, Next.js, React, Svelte, Vanilla JS, Vue
Kubernetes Observability	Helm, Kustomize, raw manifests, Terraform, Pulumi, Ansible (en GKE, EKS, AKS, minikube y otros como kind, k3s y OpenShift)
Docker Observability	`docker-compose` and sidecar (`docker run`) deployments; Terraform, Ansible, and other IaC (Pulumi, CloudFormation, Puppet, Chef)
Linux Observability	Terraform, Ansible, other IaC (Pulumi, CloudFormation, Puppet, Chef), and plain-shell install
Serverless Monitoring (AWS Lambda)	AWS SAM, AWS CDK, Serverless Framework, Terraform, `datadog-ci lambda instrument`
Serverless Monitoring (GCP Cloud Run and Cloud Run Functions)	Terraform, `gcloud run deploy`, Cloud Run YAML, Dockerfile, Gen 2 `gcloud functions deploy`
Serverless Monitoring (Azure Container Apps)	Terraform, Bicep, ARM template, `azure.yaml` (azd), `az containerapp` CLI
Agent Observability	OpenAI, Anthropic, LangChain, Vercel AI SDK (auto-detected from project dependencies)
OpenTelemetry	Node.js / server-side TS, Browser JS / React / Vite, Python (Django, Flask, FastAPI), Java, Go
App and API Protection	Python, Node.js, Java, Go, Ruby, .NET, PHP, and proxies (Envoy, HAProxy) for Linux, Windows, Kubernetes, Docker, GCP Cloud Run, and AWS Lambda, AWS Fargate/ECS
Code Coverage, Test Optimization	Jest, Vitest, Mocha, Playwright, Cypress, pytest, unittest, JUnit, TestNG, RSpec, minitest, xUnit, NUnit, MSTest v2, `go test`, XCTest / Swift Testing

Paso 1: Install the Datadog MCP Server

En una sesión activa de Claude Code, ejecute:

claude mcp add --transport http datadog-onboarding- "?toolsets=onboarding"

Option 1: Install deeplink (recommended)

Haga clic en el install deeplink para su Datadog site, luego confirme Install para el datadog-onboarding- server when Cursor opens.

Option 2: Manual configuration

Add the Datadog MCP Server to ~/.cursor/mcp.json:

{
  "mcpServers": {
    "datadog-onboarding-": {
      "url": "?toolsets=onboarding"
    }
  }
}

Cualquier MCP client que admita transporte HTTP puede conectarse al Datadog MCP Server. Apúntelo al punto de conexión de su Datadog site:

?toolsets=onboarding

Paso 2: Authenticate the Datadog MCP Server

Después de instalar el Datadog MCP Server, su coding assistant le pedirá que se autentique. Presione Enter para abrir la pantalla de OAuth de Datadog en su navegador.
Una vez completada la autenticación, elija Open para volver a su IDE y otorgar al servidor MCP acceso a su cuenta de Datadog.
Confirme que las herramientas MCP aparezcan bajo datadog-onboarding- server.

Paso 3: Instrumente su proyecto

Envíe el prompt que corresponda al producto que desea configurar:

Add Datadog Error Tracking to my project

Add Datadog Real User Monitoring to my project

Add Datadog Product Analytics to my project

Kubernetes

Add Datadog for Kubernetes to my project

Docker

Add Datadog for Docker to my project

El agentic onboarding para App and API Protection está en Public Preview.

Add Datadog App and API Protection to my project

AWS Lambda

Add Datadog for AWS Lambda to my project

npx @datadog/ai-setup-cli --product serverless --serverless-compute-type=aws-lambda

Contenedores de GCP Cloud Run

Add Datadog for GCP Cloud Run containers to my project

npx @datadog/ai-setup-cli --product serverless --serverless-compute-type=gcp-cloud-run

Funciones de GCP Cloud Run

Add Datadog for GCP Cloud Run functions to my project

npx @datadog/ai-setup-cli --product serverless --serverless-compute-type=gcp-cloud-run-functions

Azure Container Apps

Add Datadog for Azure Container Apps to my project

npx @datadog/ai-setup-cli --product serverless --serverless-compute-type=azure-container-apps

El agente detecta su stack, solicita permiso antes de cada llamada a la tool, aplica cambios localmente (sin hacer commit de ellos) e imprime los pasos de verificación.

Una vez que el agente termine, haga commit de los cambios en su repositorio y establezca cualquier variable de entorno nueva (claves de API, IDs de aplicación) en su entorno de producción. Luego consulte Next steps para confirmar que los datos fluyen.