> ## Documentation Index
> Fetch the complete documentation index at: https://docs.devinenterprise.com/llms.txt
> Use this file to discover all available pages before exploring further.
# Intégration Datadog
> Connectez Devin à Datadog pour l’investigation automatisée des alertes et l’accès à la télémétrie
## Vue d’ensemble
Datadog est une intégration MCP officielle disponible dans le [MCP Marketplace](/fr/work-with-devin/mcp). Elle utilise le transport HTTP avec une authentification par clé API et clé d’application, donnant à Devin un accès direct à votre compte Datadog pour interroger les logs, les métriques, les moniteurs, les traces, etc.
Une fois connecté, vous pouvez également configurer l’investigation automatisée des alertes — en acheminant les alertes Datadog vers Devin via un relais webhook léger afin que les incidents soient automatiquement triés.
## Activer le MCP Datadog
Accédez à **Settings > MCP Marketplace** et recherchez **Datadog**.
Cliquez sur **Enable**, puis :
1. Sélectionnez votre **site/région** Datadog (par ex. `datadoghq.com`, `datadoghq.eu`)
2. Saisissez votre **DD-API-KEY** et votre **DD-APPLICATION-KEY**
Pour générer ces clés :
* Créez une clé API dans [Organization Settings > API Keys](https://app.datadoghq.com/organization-settings/api-keys)
* Créez une clé d’application dans [Organization Settings > Application Keys](https://app.datadoghq.com/organization-settings/application-keys)
Cliquez sur **Test listing tools** pour confirmer que Devin peut se connecter à votre compte Datadog. Si le test réussit, l’intégration est prête à l’emploi.
## Capacités
Une fois le MCP Datadog activé, Devin peut effectuer les actions suivantes dans n’importe quelle session :
| Capacité | Description |
| :-------------------------------------------- | :---------------------------------------------------------------------------------- |
| Rechercher des logs d’erreur | Rechercher et filtrer les entrées de journal par service, statut et plage horaire |
| Récupérer des séries temporelles de métriques | Récupérer des points de données de métriques pour les tableaux de bord et l’analyse |
| Lister les moniteurs actifs | Voir tous les moniteurs configurés et leurs états actuels |
| Rechercher des traces | Trouver des traces distribuées entre les services |
| Gérer les incidents | Voir, créer et mettre à jour des dossiers d’incident |
| Gérer les tableaux de bord | Lister et examiner les configurations des tableaux de bord |
Associez le MCP Datadog à [Knowledge](/fr/product-guides/knowledge) concernant vos services — seuils normaux, schémas d’architecture et runbooks d’astreinte — afin que Devin commence ses investigations avec le contexte de votre équipe.
## Investigation automatisée des alertes
Au-delà des requêtes interactives, vous pouvez relier les alertes Datadog à Devin afin que les incidents soient examinés automatiquement. Cette approche repose sur un modèle de **relais webhook** : un petit service reçoit les charges utiles des webhooks Datadog et appelle l’[API Devin](/fr/api-reference/overview) pour démarrer une session d’investigation.
Créez un service léger qui reçoit les webhooks Datadog et lance des sessions Devin. Déployez-le sous forme de fonction serverless (AWS Lambda, Cloudflare Worker) ou de petit conteneur :
```python theme={null}
from flask import Flask, request, jsonify
import requests, os, hmac, hashlib
app = Flask(__name__)
def verify_signature(req):
"""Vérifie la requête à l’aide d’un secret partagé configuré dans le webhook Datadog."""
signature = req.headers.get("X-Webhook-Secret", "")
expected = os.environ["WEBHOOK_SECRET"]
return hmac.compare_digest(signature, expected)
@app.route("/alert", methods=["POST"])
def handle_alert():
if not verify_signature(request):
return jsonify({"error": "bad signature"}), 401
payload = request.json
if not payload:
return jsonify({"error": "no payload"}), 400
# Champs de la charge utile du webhook Datadog
alert_title = payload.get("title", "Unknown alert")
tags = payload.get("tags", "")
if isinstance(tags, str):
tags = [t.strip() for t in tags.split(",")]
service = next(
(t.split(":", 1)[1] for t in tags if t.startswith("service:")),
"unknown-service"
)
alert_url = payload.get("link", "")
org_id = os.environ["DEVIN_ORG_ID"]
response = requests.post(
f"https://api.devin.ai/v3/organizations/{org_id}/sessions",
headers={"Authorization": f"Bearer {os.environ['DEVIN_API_KEY']}"},
json={
"prompt": (
f"Datadog alert fired: '{alert_title}'\n"
f"Service: {service}\n"
f"Alert link: {alert_url}\n\n"
"Using the Datadog MCP:\n"
"1. Pull error logs for this service from the past 30 min\n"
"2. Identify the top error messages and stack traces\n"
"3. Check if this correlates with a recent deploy\n"
"4. If the root cause is clear, open a hotfix PR\n"
"5. Post your findings to #incidents on Slack"
),
}
)
return jsonify(response.json()), 200
```
Créez un [utilisateur de service](/fr/api-reference/v3/overview) dans **Settings > Service users** avec l’autorisation `ManageOrgSessions`. Stockez le jeton d’API dans `DEVIN_API_KEY`, l’ID de votre organisation dans `DEVIN_ORG_ID` et un secret partagé dans `WEBHOOK_SECRET` sur votre service relais. Vous configurerez ce même secret dans les **Custom Headers** du webhook Datadog à l’étape suivante.
1. Dans votre tableau de bord Datadog, accédez à **Integrations > Webhooks**
2. Cliquez sur **New Webhook** et définissez l’URL sur l’endpoint de votre relais (par exemple, `https://your-bridge.example.com/alert`)
3. Sous **Custom Headers**, ajoutez `X-Webhook-Secret` avec la même valeur que celle stockée dans `WEBHOOK_SECRET` sur votre service relais
4. Dans le message de notification de n’importe quel moniteur, ajoutez `@webhook-devin-bridge` — Devin lancera une investigation à chaque déclenchement de ce moniteur
Commencez avec un moniteur de niveau avertissement ou de faible sévérité afin de valider le pipeline de bout en bout avant d’acheminer des alertes critiques. Une fois que vous avez confirmé que les sessions Devin sont bien créées et que les investigations s’exécutent correctement, étendez la configuration à des moniteurs de sévérité plus élevée.
Vous pouvez personnaliser l’investigation en transmettant un `playbook_id` dans le corps de la requête à l’API Devin. Dupliquez le playbook modèle [`!triage`](https://app.devin.ai/settings/playbooks/14fed18b89d44713a26e673cf258f548) et adaptez les étapes d’investigation à votre stack.
## Ressources connexes
* [Guide complet : investigation automatisée des alertes Datadog](/fr/use-cases/gallery/api-datadog-alert-investigation)
* [Documentation du MCP Marketplace](/fr/work-with-devin/mcp)
* [Référence de l’API Devin](/fr/api-reference/overview)