Comment rendre les agents IA amis avec votre infrastructure grâce à Pup

Avez-vous déjà essayé de donner à un agent IA (comme Claude Code ou Cursor) la documentation API d'un service cloud et de lui demander de « simplement corriger » un service défaillant ? Plus probablement qu'autre chose, l'agent se retrouve emmêlé dans les endpoints, les méthodes d'authentification et les structures de réponses JSON. Datadog Labs a résolu cela élégamment : ils ont publié Pup, un outil CLI dédié qui transforme l'immense plateforme de monitoring en un « animal de compagnie » bien dressé pour vos assistants automatisés.

Pourquoi avons-nous besoin d'une autre interface en ligne de commande

D'ordinaire, les CLI sont conçues pour les humains. Elles possèdent de belles barres de progression, des invites interactives et des tonnes d'arguments qu'on ne prend pas la peine de mémoriser. Pup (abréviation de puppy) est conçu différemment. Son objectif principal est de servir de pont entre votre code et toutes les données de monitoring que Datadog collecte.

Récemment, je vois de plus en plus de développeurs tenter d'automatiser des tâches SRE routinières. Par exemple, trouver des anomalies dans les logs ou vérifier le statut des monitors avant un déploiement. Faire cela via des requêtes API classiques prend beaucoup de temps. Écrire des wrappers pour chaque petite chose est fastidieux. Pup s'occupe de tout le « sale travail » de communication avec l'API Datadog, renvoyant une réponse proprement structurée à l'agent (ou à vous).

Comment Pup facilite la vie de l'agent

Les développeurs de Datadog Labs ont intégré plusieurs idées dans le projet qui font de cette CLI un outil idéal pour la consommation par machine.

L'outil peut détecter automatiquement lorsqu'il est exécuté par un agent IA. Si l'environnement contient des variables comme CLAUDE_CODE, CURSOR_AGENT ou GITHUB_COPILOT, Pup bascule vers un mode spécial. Au lieu de tableaux lisibles par l'humain, il produit du JSON dense avec des métadonnées et des indices que les LLM comprennent beaucoup mieux.

Un autre point important est la confirmation automatique des actions destructrices. Si vous exécutez une commande de suppression de monitor en mode normal, la CLI demandera : « Êtes-vous sûr ? ». En mode agent, Pup comprend le contexte et ne bloque pas l'automatisation avec des questions inutiles sauf configuration explicite.

Sous le capot : fonctionnalités et technologies

Le projet est écrit en Rust, ce qui garantit la rapidité et l'absence d'erreurs mémoire étranges. Mais ce qui est plus intéressant, c'est la couverture de l'API que cet utilitaire offre. Il couvre presque toutes les fonctionnalités de Datadog — des métriques de base aux paramètres de sécurité complexes.

Voici une petite partie de ce que vous pouvez faire avec une seule commande :

• Monitoring : gestion des alertes, tableaux de bord et SLO.
• Sécurité : recherche de vulnérabilités et audit des logs.
• CI/CD : suivi de la qualité des pipelines et détection des tests « instables ».
• Coûts : analyse des dépenses cloud et attribution par département.

Il est intéressant de noter que Pup supporte OAuth2 avec PKCE. Cela signifie que vous n'avez pas besoin de stocker des clés API durables quelque part dans des fichiers de configuration qu'un agent pourrait accidentellement « fuir ». L'autorisation se fait via le navigateur, et les tokens sont stockés en toute sécurité dans le trousseau système (macOS Keychain ou Windows Credential Manager).

Scénarios pratiques

Imaginez que vous utilisez Claude Code pour refactorer un microservice. Maintenant, vous pouvez lui donner la commande : « Vérifie les logs d'erreurs dans Datadog pour la dernière heure et dis-moi si j'ai cassé quelque chose avec mon dernier commit ».

L'agent exécute simplement :

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

Et obtient un résultat dans un format qu'il peut immédiatement analyser.

Une autre fonctionnalité intéressante est les runbooks locaux. Ce sont des fichiers YAML où vous pouvez décrire une chaîne d'actions : vérifier les métriques, si elles sont au-dessus de la normale — demander une confirmation à l'opérateur, puis lancer un Workflow dans Datadog. Cela transforme Pup en un véritable moteur d'automatisation des opérations qui vit directement dans votre terminal.

Cela vaut-il la peine d'essayer

Le projet est actuellement en statut Preview. Cela signifie que les interfaces peuvent changer légèrement, et vous pourriez rencontrer des bugs dans le code. Cependant, Pup ressemble déjà au moyen le plus simple de donner à votre assistant IA des « yeux » dans votre infrastructure.

Pour qui cela sera définitivement utile :

• Les ingénieurs SRE et DevOps qui souhaitent accélérer le débogage des incidents.
• Les développeurs utilisant activement des agents IA dans leur flux de travail.
• Les équipes construisant des systèmes d'automatisation complexes sur Datadog.

Si vous voulez tester l'outil sur macOS, l'installation via Homebrew ne prendra que quelques minutes :

brew tap datadoghq/tap
brew install pup

Après cela, exécutez simplement pup auth login, et vous êtes prêt.

De mon point de vue, des outils comme celui-ci sont l'avenir de l'interaction avec les plateformes cloud. Nous nous éloignons du clic dans la console du navigateur vers une communication significative avec le système via des agents, et Pup est ici un excellent guide.