Agentic Onboarding for RUM

Ce produit n'est pas pris en charge par le site Datadog que vous avez sélectionné. ().
Cette page n'est pas encore disponible en français, sa traduction est en cours.
Si vous avez des questions ou des retours sur notre projet de traduction actuel, n'hésitez pas à nous contacter.

Présentation

Agentic Onboarding est un ensemble d’outils pilotés par IA qui automatisent l’instrumentation Datadog pour vos applications et votre infrastructure :

  • AI Setup CLI : Configurez Datadog depuis un terminal, sans assistant de codage.
  • MCP Server : Configurez Datadog via un assistant de codage (tel que Claude Code ou Cursor), qui gère la détection et la configuration du framework depuis votre IDE.

Les deux chemins sont complémentaires et utilisent le même compte Datadog. Vous pouvez installer le Datadog MCP Server dans votre IDE et exécuter l’CLI dans un terminal.

AI Setup CLI

Le Datadog AI Setup CLI est un outil de terminal autonome. Utilisez-la lorsque vous ne souhaitez pas installer le MCP Server, ou pour des tâches que le MCP Setup ne prend pas en charge, telles que la création d’un compte Datadog.

La CLI peut :

  • Créer un compte Datadog de bout en bout depuis le terminal
  • Lier un compte Datadog existant à votre environnement local
  • Instrumenter l’infrastructure locale en tant que code (Terraform, Helm, Kustomize, Ansible, Pulumi, manifestes Kubernetes bruts, fichiers Docker Compose) en modifiant les fichiers sur place
  • Instrumenter le code d’application local en ajoutant l’initialisation et la configuration du SDK pour les frontends et backends pris en charge

Prérequis

  • Node.js 22 ou version ultérieure

Produits pris en charge

La CLI permet de configurer les produits suivants :

ProductIdentifier
App and API Protectionapp_and_api_protection
Code Coverageci_code_coverage
Dockerdocker
Error Trackingerror-tracking
Infrastructure Monitoringinfra-monitoring
Linuxlinux
Agent Observabilityllm-obs
OpenTelemetryotel
Product Analyticsproduct-analytics
Real User Monitoring (RUM)rum
Serverless Monitoringserverless
Studiostudio
Test Optimizationtest-optimization

Installer et exécuter la CLI

  1. Exécutez la CLI avec npx, en transmettant --site pour cibler votre site Datadog. Vous disposez de deux options, selon que vous possédez déjà un compte Datadog ou non :

    Option 1 : Configuration interactive. Si vous ne possédez pas encore de compte Datadog, ou si vous souhaitez choisir votre produit de manière interactive, exécutez sans indicateur --product. La CLI vous guide à travers la configuration du compte et le choix du produit.

    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>

  2. Appuyez sur Entrée sur l’écran d’accueil et choisissez si vous possédez un compte Datadog. Un navigateur s’ouvre pour l’OAuth (ou pour la création de compte si vous n’en avez pas encore). Terminez le flux et accordez l’accès à votre compte Datadog.

  3. Si vous avez exécuté l’interface de ligne de commande sans --product, sélectionnez ce que vous souhaitez configurer dans le menu des produits. (La configuration directe avec --product ignore ce menu.)

    Menu de l'interface de ligne de commande « Que souhaitez-vous configurer ? » regroupés par surveillance de l'infrastructure et du backend, surveillance du frontend, applications basées sur LLM et tests CI.

    L’interface de ligne de commande détecte les frameworks de votre projet, applique la configuration requise et provisionne toutes les variables d’environnement nécessaires. La progression est signalée phase par phase.

    Interface de ligne de commande affichant « Instrumenting your app, Stage 1 of 3: Datadog RUM (Real User Monitoring) » avec les étapes de progression.

    Une fois la configuration terminée, l’interface de ligne de commande liste les produits instrumentés et fournit des liens vers l’interface utilisateur Datadog pour vérifier les données entrantes.

    Interface de ligne de commande affichant « Setup complete! » avec des coches à côté de RUM, Error Tracking et Product Analytics.

  4. Validez les modifications dans votre dépôt. Vous pouvez modifier les variables d’environnement Datadog (clés d’API, identifiants d’application) pour votre environnement spécifique.

Une fois l’interface de ligne de commande terminée, consultez Next steps.

MCP Server

Le Datadog MCP Server expose l’ensemble d’outils onboarding à tout assistant de codage compatible MCP. Après avoir installé et authentifié le serveur, vous instrumentez un projet en saisissant une invite d’une ligne. L’agent lit votre code, appelle les outils MCP (avec votre autorisation), applique les modifications et vérifie le résultat.

Prérequis

  • Un assistant de codage compatible MCP, tel que Claude Code ou Cursor
  • Un compte Datadog

Frameworks pris en charge

ProduitFrameworks
Error Tracking, RUM, Product AnalyticsAndroid, Angular, iOS, Next.js, React, Svelte, Vanilla JS, Vue
Kubernetes ObservabilityHelm, Kustomize, raw manifests, Terraform, Pulumi, Ansible (across GKE, EKS, AKS, minikube, and others such as kind, k3s, and OpenShift)
Docker Observabilitydocker-compose and sidecar (docker run) deployments; Terraform, Ansible, and other IaC (Pulumi, CloudFormation, Puppet, Chef)
Linux ObservabilityTerraform, 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 ObservabilityOpenAI, Anthropic, LangChain, Vercel AI SDK (détection automatique à partir des dépendances du projet)
OpenTelemetryNode.js / server-side TS, Browser JS / React / Vite, Python (Django, Flask, FastAPI), Java, Go
App and API ProtectionPython, 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 OptimizationJest, Vitest, Mocha, Playwright, Cypress, pytest, unittest, JUnit, TestNG, RSpec, minitest, xUnit, NUnit, MSTest v2, go test, XCTest / Swift Testing

Étape 1 : Installer le serveur MCP

    Dans une session Claude Code active, exécutez :

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

    Option 1: Install deeplink (recommended)

    Click the install deeplink for your Datadog site, then confirm Install for datadog-onboarding-. server when Cursor opens.

    Option 2: Manual configuration

    Ajoutez le MCP Server à ~/.cursor/mcp.json:

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

    Any MCP client that supports HTTP transport can connect to the Datadog MCP Server. Pointez-le vers l’endpoint de votre site Datadog :

    ?toolsets=onboarding

    Étape 2 : Authentifier le serveur MCP

    1. Une fois le MCP Server installé, votre assistant de codage vous invite à vous authentifier. Appuyez sur Entrée pour ouvrir l’écran OAuth de Datadog dans votre navigateur.
    2. Une fois l’authentification terminée, choisissez Open pour revenir à votre IDE et accorder au MCP Server l’accès à votre compte Datadog.
    3. Confirmez que les outils MCP apparaissent sous datadog-onboarding-. server.

    Étape 3 : Instrumenter votre projet

    Envoyez l’invite qui correspond au produit que vous souhaitez configurer :

      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
      Agentic Onboarding for App and API Protection is in 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

      Conteneurs 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

      Fonctions 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

      L’agent détecte votre pile, demande l’autorisation avant chaque appel d’outil, applique les modifications localement (sans les valider) et affiche les étapes de vérification.

      Une fois l’agent terminé, validez les modifications dans votre dépôt et définissez toutes les nouvelles variables d’environnement (clés d’API, identifiants d’application) dans votre environnement de production. Consultez ensuite Étapes suivantes pour confirmer que les données circulent.

      Étapes suivantes

      Confirmez que les données circulent dans l’interface utilisateur Datadog pour le produit que vous avez configuré :

      Lectures complémentaires

      Documentation, liens et articles supplémentaires utiles:

      Instrumentez les applications serverless avec Agentic Onboarding.BLOG more more