개요

Agentic Onboarding은 애플리케이션 및 인프라에 대한 Datadog 계측을 자동화하는 AI 기반 도구 모음입니다.

• AI Setup CLI: 코딩 어시스턴트 없이 터미널에서 Datadog을 설정합니다.
• MCP Server: IDE에서 프레임워크 탐지 및 구성을 처리하는 코딩 어시스턴트(Claude Code 또는 Cursor 등)를 통해 Datadog을 설정합니다.

두 경로는 상호 보완적이며 동일한 Datadog 계정을 사용합니다. IDE에 Datadog MCP Server를 설치하고 터미널에서 CLI를 실행할 수 있습니다.

AI Setup CLI

Datadog AI Setup CLI는 독립형 터미널 도구입니다. MCP 서버를 설치하고 싶지 않거나 Datadog 계정 생성과 같이 MCP 설정에서 지원하지 않는 작업을 수행할 때 사용하세요.

CLI 기능

• 터미널에서 Datadog 계정을 엔드투엔드로 생성
• 기존 Datadog 계정을 로컬 환경에 연결
• 파일을 제자리에서 편집하여 로컬 코드형 인프라(Terraform, Helm, Kustomize, Ansible, Pulumi, 원시 Kubernetes 매니페스트, Docker Compose 파일)를 계측
• 지원되는 프런트엔드 및 백엔드에 대한 SDK 초기화 및 구성을 추가하여 로컬 애플리케이션 코드 계측

전제 조건

• Node.js 22 이상

지원되는 제품

CLI는 다음 제품을 설정할 수 있습니다.

CLI 설치 및 실행

npx와 함께 CLI를 실행하고 --site를 전달하여 Datadog 사이트를 지정합니다(). Datadog 계정 보유 여부에 따라 두 가지 옵션이 있습니다.

설정 구성 및 검증

1. CLI가 권장 사항을 생성할 수 없거나 리포지토리와 일치도가 높은 항목을 찾지 못하면 전체 설정 옵션 목록으로 안내합니다. --product를 사용한 직접 설정의 경우 이 메뉴에서 시작합니다.

2. CLI는 프로젝트의 프레임워크를 탐지하고, 필요한 구성을 적용하며, 필요한 환경 변수를 프로비저닝합니다. 진행 상황은 단계별로 보고됩니다.

3. 설정이 완료되면 CLI는 계측한 제품을 목록으로 보여주고 들어오는 데이터를 검증할 수 있는 Datadog UI 링크를 제공합니다.

4. 변경 사항을 리포지토리에 커밋하세요. 특정 환경에 맞게 Datadog 환경 변수(API 키, 애플리케이션 ID)를 편집할 수 있습니다.

CLI가 완료되면 다음 단계 섹션을 참조하여 데이터가 정상적으로 전송되는지 확인하세요.

헤드리스 모드

헤드리스 모드는 무인 설정을 위해 설계되었습니다. AI 코딩 에이전트, CI 작업 또는 스크립트가 리포지토리에서 CLI를 직접 실행하여 Datadog 계측을 자체적으로 완료할 수 있습니다. 프롬프트를 승인하거나 대화형 선택을 하기 위해 사용자가 직접 참여할 필요가 없습니다.

--headless를 사용하여 대화형 UI를 건너뛰세요. --site 및 --product가 모두 필요합니다.

DD_API_KEY=<API_KEY> DD_APP_KEY=<APP_KEY> \
  npx @datadog/ai-setup-cli \
  --headless \
  --site datadoghq.com \
  --product rum

사용자 상호 작용 없이 인증하려면 DD_API_KEY 및 DD_APP_KEY 환경 변수를 설정하세요. 두 변수를 함께 제공하세요.

또는 API 및 애플리케이션 키를 생략하여 브라우저 OAuth로 인증할 수 있습니다. OAuth는 헤드리스 실행 중 사용자 상호 작용이 필요할 수 있는 유일한 부분이며, localhost 콜백이 필요합니다. 원격 또는 완전히 무인 환경의 경우 대신 DD_API_KEY 및 DD_APP_KEY 환경 변수를 사용하세요.

--headless를 사용하면 대상 프로젝트에 대해 소스 코드 업로드 및 자동 명령 실행이 승인되었음을 확인하게 됩니다.

MCP Server

Datadog MCP Server는 onboarding 도구 세트를 MCP 호환 코딩 어시스턴트에 노출합니다. 서버를 설치하고 인증한 후, 한 줄 프롬프트를 입력하여 프로젝트를 계측하세요. 에이전트가 코드를 읽고, (사용자 허가를 받아) MCP 도구를 호출하며, 변경 사항을 적용하고 결과를 확인합니다.

전제 조건

• Claude Code 또는 Cursor와 같은 MCP 호환 코딩 어시스턴트
• Datadog 계정

지원되는 프레임워크

1단계: MCP Server 설치

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

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

?toolsets=onboarding

2단계: MCP Server 인증

1. MCP Server를 설치한 후, 코딩 어시스턴트가 인증을 요청합니다. Enter를 눌러 브라우저에서 Datadog OAuth 화면을 여세요.
2. 인증이 완료되면 Open을 선택하여 IDE로 돌아가 MCP Server에 Datadog 계정 액세스 권한을 부여하세요.
3. MCP 도구가 datadog-onboarding- 서버 아래에 나타나는지 확인하세요.

3단계: 프로젝트에 계측 적용

설정하려는 제품과 일치하는 프롬프트를 전송하세요.

Add Datadog Error Tracking to my project

Add Datadog Real User Monitoring to my project

Add Datadog Product Analytics to my project

Add Datadog for Kubernetes to my project

Add Datadog for Docker to my project

Add Datadog App and API Protection to my project

Add Datadog for AWS Lambda to my project

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

Add Datadog for GCP Cloud Run containers to my project

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

Add Datadog for Azure Container Apps to my project

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

에이전트가 스택을 탐지하고, 각 도구 호출 전에 권한을 요청하며, 변경 사항을 로컬에 적용하고(커밋하지 않음), 확인 단계를 출력합니다.

에이전트가 완료되면 변경 사항을 리포지토리에 커밋하고 프로덕션 환경에서 새로운 환경 변수(API 키, 애플리케이션 ID)를 설정하세요. 그런 다음 다음 단계 섹션을 참조하여 데이터가 정상적으로 전송되는지 확인하세요.

다음 단계

설정한 제품에 대해 Datadog UI에서 데이터가 수신되고 있는지 확인하세요.

• Error Tracking
• App 및 API 보호
• RUM > 애플리케이션
• 인프라 > 호스트
• Serverless > 함수
• Logs > Live Tail

추가 자료

추가적인 유용한 설명서, 링크 및 기사:

Serverless 앱을 에이전트형 온보딩을 사용하여 계측하기블로그