Sample Python Datadog MCP

符合MCP标准的Datadog客户端

使用Anthropic的官方MCP库连接到Datadog的MCP服务器的Python客户端 完全符合MCP授权规范 和 持久令牌缓存.

该实施提供了：

• ✅ 完成符合MCP的OAuth 2.1流程
• ✅ 自动令牌缓存和刷新
• ✅ 访问所有15个Datadog MCP工具
• ✅ 动态客户端注册
• ✅ 安全令牌管理

✅ MCP合规特性

此实施遵循 MCP授权规范 包括：

• 🔍 OAuth 2.0受保护资源元数据（RFC 9728） -自动发现授权服务器
• 🚀 动态客户端注册（RFC 7591） -无需手动注册客户端
• 🎯 资源指示器（RFC 8707） -适当的令牌受众绑定以确保安全
• 🔒 PKCE 与 S256 -授权码保护所需的安全性
• 🔄 授权服务器元数据发现 -RFC 8414和OpenID连接发现1.0支持
• ⚡ 状态参数验证 -CSRF保护
• 💾 持久令牌缓存 -具有自动刷新功能的安全令牌存储

🚀 快速开始

1. 安装依赖项：

   pip install -r requirements.txt

1. 运行客户端（第一次将打开OAuth浏览器）：

   python main.py          # Basic demo with server info and tool listing
   python working_example.py  # Multiple tool call examples
   python test_caching.py     # Test token caching functionality

1. 后续运行使用缓存令牌（无需浏览器！）

🏆 可用的数据狗工具

客户端提供对所有15个Datadog MCP工具的访问：

💾 令牌缓存和管理

客户端通过安全缓存自动处理OAuth令牌：

• 🗄️ 永久存储：令牌缓存到 ~/.datadog-mcp/oauth_tokens.json
• 🔒 安全权限：缓存受保护的文件 600 权限
• 🔄 自动刷新：使用刷新令牌自动刷新过期令牌
• ⚡ 快速启动：后续运行跳过OAuth流程（无需浏览器）
• 🗑️ 智能清理：自动清除并重新验证无效令牌

令牌生命周期：

1. 首次运行：完整的OAuth流程→ 浏览器打开→ 缓存令牌
2. 后续运行：已使用缓存令牌→ 无需浏览器
3. 令牌到期：使用刷新令牌自动刷新
4. 刷新失败：使用新的OAuth流自动重新身份验证

🔧 MCP OAuth流程

客户端自动执行完整的符合MCP的OAuth流程：

1. 服务器发现：通过受保护的资源元数据发现Datadog的授权服务器
2. 元数据发现：获取授权服务器功能和端点
3. 动态注册：自动注册为OAuth客户端（支持回退）
4. 授权流程：使用资源指示器执行受PKCE保护的授权
5. 许可证管理：通过适当的受众验证处理令牌刷新
6. 会话管理：维护MCP会话ID，以便进行正确的工具调用

⚙️ 配置（可选）

对于动态客户端注册失败的环境，您可以提供回退凭据：

cp .env.example .env
# Edit .env with your credentials (optional)

• DATADOG_CLIENT_ID：后备Datadog OAuth应用程序客户端ID
• DATADOG_CLIENT_SECRET：后备Datadog OAuth应用程序客户端密钥
• DATADOG_REDIRECT_URIOAuth 重定向 URI（默认： http://localhost:8080/callback)
• DATADOG_SITE：您的Datadog站点（默认值： datadoghq.com)

🛡️ 安全功能

• 🎯 令牌受众绑定：令牌绑定到特定的MCP服务器资源
• 🔒 PKCE保护：防止拦截攻击的授权码保护
• ⚡ 状态参数：OAuth流期间的CSRF保护
• 🔄 自动令牌刷新：安全的令牌生命周期管理
• 🚀 动态客户端注册：不需要硬编码凭据
• 💾 安全缓存：存储在存储库外部具有限制权限的令牌
• 🗑️ 自动清理：令牌无效，缓存自动管理

📖 使用示例

基本用法：

from datadog_mcp_client import DatadogMCPClient

async def example():
    client = DatadogMCPClient()
    await client.initialize()        # OAuth flow (browser on first run)
    await client.get_server_info()   # Establish MCP session
    
    # Query documentation
    docs = await client.call_tool("ask_docs", {
        "query": "How do I create a dashboard?"
    })
    
    # List dashboards
    dashboards = await client.call_tool("list_dashboards", {
        "query": "system"
    })
    
    await client.close()

高级用法：

# Search logs
logs = await client.call_tool("search_logs", {
    "query": "status:error service:web",
    "from": "now-1h"
})

# Get metrics
metrics = await client.call_tool("get_metrics", {
    "query": "system.cpu.user{*}",
    "from": "now-1h"
})

# List monitors
monitors = await client.call_tool("get_monitors", {
    "query": "status:alert"
})

🧪 测试

测试客户端的各个方面：

# Test basic functionality
python main.py

# Test multiple tool calls
python working_example.py

# Test token caching (run twice to see caching in action)
python test_caching.py

# Test token refresh functionality
python test_token_refresh.py

🗂️ 文件结构

sample-python-datadog-mcp/
├── datadog_mcp_client.py    # Main MCP client implementation
├── oauth_handler.py         # MCP-compliant OAuth handler with caching
├── main.py                  # Basic demo
├── working_example.py       # Multiple tool call examples  
├── test_caching.py         # Token caching tests
├── test_token_refresh.py   # Token refresh tests
├── examples.py             # Advanced usage examples
├── requirements.txt        # Python dependencies
├── .env.example           # Environment template
├── .gitignore            # Secure git ignore rules
└── README.md             # This file

🔗 OAuth应用程序设置（可选）

要为回退凭据创建Datadog OAuth应用程序，请执行以下操作：

1. 访问：https://app.datadoghq.com/account/settings#api
2. 点击“OAuth应用程序”并创建新应用程序
3. 将重定向URI设置为： http://localhost:8080/callback
4. 将客户端ID和密码复制到 .env 文件

备注：动态客户端注册通常有效，因此通常不需要手动设置。

🎯 后续步骤

你可以：

• 将其集成到您的应用程序中
• 使用Datadog MCP工具构建自定义工具
• 为您的特定用例扩展功能
• 自信地在生产环境中部署

所有MCP授权规范要求均已实施和测试！ 🚀