Prise en main des outils MCP de Software Delivery
Ce produit n'est pas pris en charge pour le
site Datadog que vous avez sélectionné. (
).
Présentation
Le Datadog MCP Server permet aux agents IA d’accéder à vos données de Software Delivery via le Model Context Protocol (MCP). Le jeu d’outils software-delivery fournit des outils pour interagir avec CI Visibility, Test Optimization, Code Coverage, DORA Metrics et Deployment Gates directement depuis des clients basés sur l’IA comme Cursor, Claude Code ou OpenAI Codex.
Cas d’utilisation
Les outils MCP de Software Delivery débloquent des workflows assistés par l’IA pour :
- Déboguer les échecs de pipeline: Demandez à votre agent IA de trouver les échecs de pipeline récents, d’analyser les logs d’erreurs et de suggérer des correctifs.
- Identifier les tests instables: Recherchez les tests instables dans votre dépôt et obtenez des recommandations hiérarchisées sur ceux à corriger en priorité.
- Analyser les performances de CI: Obtenez des statistiques agrégées sur les durées de pipeline, les taux d’échec et les tendances au fil du temps.
- Trier les échecs de tests: Comprenez quels tests échouent, qui en est responsable et quels sont les modèles historiques.
- Examiner la couverture de code: Obtenez des résumés de couverture pour des branches ou des commits, y compris la couverture des correctifs et les répartitions par service ou propriétaire de code.
- Mesurer les métriques DORA: Interrogez la fréquence de déploiement, le délai de modification, le taux d’échec des modifications et le temps de récupération par service ou par équipe.
- Vérifier les paramètres d’optimisation des tests: Voyez quelles fonctionnalités de Test Optimization sont actives pour un service, y compris Test Impact Analysis, Early Flake Detection et Auto Test Retries.
- Réessayer les jobs CI échoués: Mettez en file d’attente une nouvelle tentative pour un job GitHub Actions ou GitLab échoué sans quitter la session de l’agent.
- Vérifier l’état des PR: Obtenez une vue combinée des échecs de CI, de la couverture de code et des violations de qualité ou de sécurité pour une pull request.
- Enquêter sur les échecs des Deployment Gates: Découvrez quelles règles ont provoqué l’échec d’un Deployment Gate et si l’échec a bloqué le déploiement.
- Examiner la configuration du Deployment Gate: Voir quels Deployment Gates et règles s’appliquent à un service et à un environnement.
Le jeu d’outils software-delivery comprend les suivants :
search_datadog_ci_pipeline_events- Recherchez des événements de pipeline CI avec des filtres et obtenez des détails sur les échecs, les durées et les statuts.
aggregate_datadog_ci_pipeline_events- Agrégez les événements de pipeline CI pour des statistiques telles que les durées moyennes, le nombre d’échecs et l’analyse des percentiles.
get_datadog_flaky_tests- Identifiez les tests instables avec des détails de triage incluant le taux d’échec, la catégorie, les propriétaires et l’impact sur la CI.
update_datadog_flaky_test_states- Définissez l’état d’un ou plusieurs tests instables sur
quarantined (supprimer les échecs), disabled (ignorer le test), fixed (marquer comme résolu) ou active (restaurer). Il s’agit d’une opération d’écriture qui nécessite l’autorisation TestOptimizationWrite et l’approbation explicite de l’utilisateur. Tous les changements d’état sont réversibles. aggregate_datadog_test_events- Agrégez les événements de test pour analyser les tendances de fiabilité et de performance.
search_datadog_test_events- Recherchez des événements de test avec des filtres et obtenez des détails à leur sujet.
get_datadog_code_coverage_branch_summary- Récupérez les métriques récapitulatives agrégées de couverture de code pour une branche de dépôt, y compris la couverture totale, la couverture des correctifs et les répartitions par service/propriétaire de code.
get_datadog_code_coverage_commit_summary- Récupérez les métriques récapitulatives agrégées de couverture de code pour un commit de dépôt, y compris la couverture totale, la couverture des correctifs et les répartitions par service/propriétaire de code.
get_datadog_test_optimization_settings- Récupérez les fonctionnalités Test Optimization activées pour un service, y compris Test Impact Analysis (ITR), Early Flake Detection (EFD), Auto Test Retries (ATR), Failed Test Replay, la collecte Code Coverage et les commentaires de PR.
get_datadog_flaky_tests_management_policies- Récupérez les politiques de gestion des tests instables configurées pour un dépôt, y compris les fenêtres de mise en quarantaine automatique, les règles de branche, les seuils de taux d’échec, les politiques de désactivation et les paramètres de nouvelle tentative.
search_dora_deployments- Recherchez des événements de déploiement DORA avec des filtres, ou récupérez les détails complets d’un déploiement unique par ID. Pour les tendances agrégées (fréquence de déploiement, délai de changement, taux d’échec), utilisez
aggregate_dora_deployments à la place. aggregate_dora_deployments- Agrégez les métriques DORA — fréquence de déploiement, délai de changement, taux d’échec de changement et temps de récupération — sous forme de valeurs scalaires ou de séries temporelles. Pour un résumé DORA complet, appelez cet outil quatre fois en parallèle, une fois par métrique.
retry_datadog_ci_job- Mettez en file d’attente une nouvelle tentative pour un job CI ayant échoué sur GitHub Actions ou GitLab. Une opération d’écriture qui modifie l’état de la CI, nécessitant l’autorisation
CiVisibilityWrite. Les limites côté serveur plafonnent les nouvelles tentatives à deux par job sur sept jours. Pour les autres fournisseurs de CI, utilisez l’interface utilisateur du fournisseur pour relancer. search_datadog_deployment_gates- Recherchez les Deployment Gates configurées par service ou environnement. Renvoie la configuration du Deployment Gate, pas les résultats de l’évaluation.
get_datadog_deployment_gate- Obtenez un Deployment Gate configuré par son ID, y compris ses règles et paramètres.
search_datadog_deployment_gate_evaluations- Recherchez les évaluations de Deployment Gate par service, environnement ou statut (
in_progress, pass ou fail). Recherche par défaut sur les dernières 24 heures, jusqu’à un maximum de 30 jours. get_datadog_deployment_gate_evaluation- Obtenez une évaluation de Deployment Gate avec le résultat de chaque règle. Utilisez ceci pour expliquer pourquoi un Deployment Gate a échoué.
search_datadog_deployment_gate_rule_evaluations- Recherchez les résultats de règles individuelles parmi les évaluations de Deployment Gate. Les résultats incluent des preuves d’échec, telles que le déclenchement de monitors ou des insights Watchdog. Utilisez ceci pour trouver quelles règles échouent le plus souvent pour un service.
Les outils Deployment Gates sont en lecture seule et nécessitent l’autorisation DeploymentGatesRead. Les Deployment Gates et les règles en mode dry run sont évaluées mais ne bloquent pas les déploiements, donc un statut fail avec dry_run: true signifie que le déploiement a été effectué.
Exemples d’invites
Une fois connecté, essayez des requêtes telles que :
- Affichez-moi tous les pipelines pour mon commit
58b1488. - Qu’est-ce qui cause l’échec du job
integration-test sur ma branche ? - Trouvez les tests instables actifs pour le service checkout triés par taux d’échec.
- Combien de pipelines ont échoué au cours des 2 dernières semaines ?
- Affichez-moi le 95e percentile de la durée pour chaque suite de tests afin d’identifier les plus lentes.
- Quelle est la couverture de code sur la branche
main pour github.com/my-org/my-repo ? - Affichez-moi les métriques de couverture pour le commit
abc123abc123abc123abc123abc123abc123abcd. - Quelle est la fréquence de déploiement et le taux d’échec des changements pour le service
checkout sur les 30 derniers jours ? - Quelles fonctionnalités d’optimisation des tests sont activées pour
auth-service ? - Mettez en quarantaine tous les tests instables actifs dans le dépôt
checkout-service. - Pourquoi le Deployment Gate pour
checkout dans prod a-t-il échoué lors du dernier déploiement ? - Quelles règles de Deployment Gate pour le service
checkout dans prod sont en mode dry run ? - Quelles règles de Deployment Gate ont échoué le plus souvent pour le service
payments sur les 7 derniers jours ?
Configuration
Pour utiliser les outils Software Delivery, connectez-vous au Datadog MCP Server avec l’ensemble d’outils software-delivery activé. Ajoutez le paramètre de requête toolsets à l’URL d’endpoint pour votre site Datadog :
https://mcp./v1/mcp?toolsets=core,software-delivery
Pour obtenir des instructions de configuration complètes, y compris la configuration client pour Cursor, Claude Code, VS Code et d’autres clients IA, consultez Configurer Datadog MCP Server.
Compétences de l’Agent
Les compétences d’Agent sont des ensembles d’instructions prédéfinis pour les agents de codage IA qui automatisent les workflows courants de Software Delivery. L’ensemble de compétences dd-software-delivery est disponible dans le dépôt Datadog agent-skills. Il fournit deux skills pour le triage des tests instables et le déblocage des pipelines PR en échec en utilisant vos données live de CI et Test Optimization.
Après avoir connecté l’ensemble d’outils MCP software-delivery, votre assistant IA charge automatiquement les skills dès que votre prompt correspond à leur objectif. Par exemple, saisir « TestCheckoutServiceIntegration continue d’échouer en CI — investiguez-le » charge /triage-flaky-test sans aucune installation requise.
Pour invoquer explicitement les skills via une commande slash, installez-les localement :
Installation
npx skills add datadog-labs/agent-skills \
--skill unblock-pr \
--skill triage-flaky-test \
--full-depth -y
Redémarrez Claude Code après l’installation pour que les commandes slash apparaissent.
Chaque skill utilise automatiquement le Datadog MCP Server s’il est connecté, et se rabat sur l’interface CLI pup sinon. Pour utiliser le fallback pup, installez et authentifiez pup :
brew install datadog-labs/pack/pup
pup auth login
Compétences disponibles
| Compétence | Invoquer avec | Ce qu’elle fait |
|---|
| Trier un test instable | /triage-flaky-test | Obtenez l’historique, le modèle d’échec et la catégorie IA pour un test instable spécifique, puis recommandez une correction, une mise en quarantaine ou une escalade |
| Débloquer une PR | /unblock-pr | Attribuez chaque échec de CI sur une PR comme instable, infrastructure ou régression, faites apparaître la couverture de code et les violations de qualité ou de sécurité, et proposez une action ciblée |
Trier un test instable
/triage-flaky-test analyse un test instable spécifique. Il récupère l’historique des échecs sur 30 jours, extrait les principaux messages d’erreur et traces de pile, et vérifie combien de pipelines le test a impactés. Il propose une correction ciblée fondée sur la catégorie instable et la trace de pile, ou recommande la mise en quarantaine lorsque la cause profonde n’est pas claire. Il produit un rapport de triage structuré comprenant une recommandation de correction, de mise en quarantaine ou d’escalade vers l’équipe responsable.
Si le skill recommande la mise en quarantaine, il présente l’action proposée et requiert votre approbation explicite avant de l’exécuter. Tous les changements d’état sont réversibles.
/triage-flaky-test TestCheckoutServiceIntegration
/triage-flaky-test TestCheckoutServiceIntegration github.com/my-org/my-service
Débloquer une PR
/unblock-pr analyse un pipeline CI de PR en échec. Pour chaque job en échec, il vérifie si l’échec était déjà présent sur la branche par défaut ou sur d’autres branches. Le skill classe l’échec comme instable, infrastructure ou régression. En parallèle, il récupère la couverture de code de la branche ainsi que toute violation de la qualité du code ou de la sécurité à partir des insights de la PR. Il produit un résumé de triage avec une classification par job, des preuves, une action recommandée et une section Santé de la PR résumant la couverture et les violations.
Pour les échecs instables, le skill s’enchaîne avec triage-flaky-test pour une analyse plus approfondie. Pour les échecs d’infrastructure transitoires sur GitHub Actions ou GitLab, il relance les jobs échoués en utilisant retry_datadog_ci_job (MCP) ou gh run rerun (fallback pup, GitHub Actions uniquement) ; pour les autres fournisseurs CI, il fournit un lien vers l’interface utilisateur du fournisseur. Pour les régressions, il vous invite à examiner vos modifications de code.
Note : Les données sur la qualité du code et les violations de sécurité dans la section Santé de la PR nécessitent l’ensemble d’outils MCP et ne sont pas disponibles en mode pup.
/unblock-pr
/unblock-pr feat/add-retry-logic
Pour aller plus loin
Documentation, liens et articles supplémentaires utiles: