Jak sprawić, by agenci AI zaprzyjaźnili się z Twoją infrastrukturą za pomocą Pup

Czy kiedykolwiek próbowałeś nakarmić agenta AI (jak Claude Code czy Cursor) dokumentacją API usługi chmurowej i poprosić go, żeby "po prostu naprawił" niedziałającą usługę? Prawdopodobnie agent zaplącze się w endpointach, metodach uwierzytelniania i strukturach odpowiedzi JSON. Datadog Labs rozwiązało to elegancko: wydali Pup, dedykowane narzędzie CLI, które zamienia ogromną platformę monitoringu w dobrze wychowanego "pupila" dla Twoich zautomatyzowanych pomocników.

Dlaczego potrzebujemy kolejnego interfejsu wiersza poleceń

Zazwyczaj CLI są pisane dla ludzi. Mają fancy progress bary, interaktywne monity i mnóstwo argumentów, których nie chce nam się zapamiętywać. Pup (skrót od puppy) jest zaprojektowany inaczej. Jego głównym celem jest stanie się mostem między Twoim kodem a wszystkimi danymi monitoringu, które zbiera Datadog.

Ostatnio widzę coraz więcej deweloperów próbujących automatyzować rutynowe zadania SRE. Na przykład znajdowanie anomalii w logach czy sprawdzanie statusu monitorów przed wydaniem. Wykonywanie tego przez regularne żądania API trwa długo. Pisanie wrapperów dla każdej drobnostki jest nudne. Pup zajmuje się całą "brudną" pracą komunikacji z API Datadog, zwracając czysto ustrukturyzowaną odpowiedź agentowi (lub Tobie).

Jak Pup ułatwia życie agentowi

Deweloperzy w Datadog Labs zbudowali w projekcie kilka pomysłów, które czynią to CLI idealnym do konsumpcji przez maszyny.

Narzędzie może automatycznie wykrywać, gdy jest uruchamiane przez agenta AI. Jeśli środowisko ma zmienne takie jak CLAUDE_CODE, CURSOR_AGENT, lub GITHUB_COPILOT, Pup przełącza się w specjalny tryb. Zamiast tabel czytelnych dla ludzi, wyprowadza gęsty JSON z metadanymi i wskazówkami, których LLM-y znacznie lepiej rozumieją.

Innym ważnym punktem jest automatyczne potwierdzanie destrukcyjnych akcji. Jeśli uruchomisz polecenie usunięcia monitora w normalnym trybie, CLI zapyta: "Czy na pewno?". W trybie agenta Pup rozumie kontekst i nie blokuje automatyzacji niepotrzebnymi pytaniami, chyba że jest to jawnie skonfigurowane.

Pod maską: Funkcje i technologie

Projekt jest napisany w Rust, co gwarantuje szybkość i brak dziwnych błędów pamięci. Ale ciekawszą rzeczą jest pokrycie API, jakie oferuje to narzędzie. Obejmuje prawie całą funkcjonalność Datadog — od podstawowych metryk po złożone ustawienia bezpieczeństwa.

Oto tylko niewielka część tego, co możesz zrobić jednym poleceniem:

• Monitoring: zarządzanie alertami, dashboardami i SLO.
• Bezpieczeństwo: znajdowanie podatności i audytowanie logów.
• CI/CD: śledzenie jakości pipeline'ów i znajdowanie "niestabilnych" testów.
• Koszty: analizowanie wydatków chmurowych i atrybucja według działu.

Co ciekawe, Pup obsługuje OAuth2 z PKCE. Oznacza to, że nie musisz przechowywać długowiecznych kluczy API gdzieś w konfigach, które agent mógłby przypadkowo "wyciec". Autoryzacja odbywa się przez przeglądarkę, a tokeny są bezpiecznie przechowywane w systemowym keychain (macOS Keychain lub Windows Credential Manager).

Praktyczne scenariusze

Wyobraź sobie, że używasz Claude Code do refaktoryzacji mikroserwisu. Teraz możesz mu dać polecenie: "Sprawdź logi błędów w Datadog za ostatnią godzinę i powiedz mi, czy zepsułem coś moim ostatnim commitem".

Agent po prostu uruchamia:

pup logs search --query="service:my-app status:error" --from="1h"

I otrzymuje wynik w formacie, który może natychmiast przeanalizować.

Inną świetną funkcją są lokalne runbooki. To pliki YAML, w których możesz opisać łańcuch akcji: sprawdź metryki, jeśli są powyżej normy — poproś o potwierdzenie od operatora, a następnie uruchom Workflow w Datadog. To zamienia Pup w pełnoprawny silnik automatyzacji operacji, który żyje w Twoim terminalu.

Czy warto wypróbować

Projekt jest obecnie w statusie Preview. Oznacza to, że interfejsy mogą się nieznacznie zmienić, a w kodzie mogą pojawić się błędy. Jednak Pup już teraz wygląda na najłatwiejszy sposób, aby dać Twojemu asystentowi AI "oczy" wewnątrz Twojej infrastruktury.

Komu na pewno się przyda:

• Inżynierom SRE i DevOps, którzy chcą przyspieszyć debugowanie incydentów.
• Deweloperom aktywnie używającym agentów AI w swojej pracy.
• Zespołom budującym złożone systemy automatyzacji na bazie Datadog.

Jeśli chcesz przetestować narzędzie na macOS, instalacja przez Homebrew zajmie tylko kilka minut:

brew tap datadoghq/tap
brew install pup

Po tym wystarczy uruchomić pup auth login i możesz zaczynać.

Moim zdaniem narzędzia takie jak to są przyszłością interakcji z platformami chmurowymi. Odchodzimy od klikania w konsoli przeglądarki do znaczącej komunikacji z systemem przez agentów, a Pup jest tu doskonałym przewodnikiem.