Datadog, Inc. が提供するSaaS型のオブザーバビリティ（可観測性）基盤。サーバー・コンテナ・クラウドサービスのメトリクス・ログ・トレースを一箇所に集めて相関分析し、性能低下や障害の予兆を検知する。2010年の登場以来インフラ監視の定番として使われてきたが、近年は生成AI領域への拡張が著しい。LLM Observability で生成AIアプリの応答品質やコストを追跡し、Agent Observability でAIエージェントの入力・ツール呼び出し・出力を対話グラフとして可視化する。さらに Bits AI と呼ばれるAIエージェント群が障害調査やインシデント対応を自動化し、公式のMCPサーバー経由で Claude Code のような外部AIエージェントから運用データを直接問い合わせることもできる。
主な特徴
- LLM Observability: OpenAI・Anthropic・Gemini・Amazon Bedrock・LangChain・CrewAI など主要なLLM／エージェントフレームワークを自動計装し、応答品質・トークンコスト・レイテンシを追跡できる。「なぜこの回答が返ったのか」をトレース単位で遡れる
- Agent Observability（AIエージェント監視）: エージェントの入力・ツール呼び出し・サブエージェント呼び出し・最終出力を対話グラフとして描画する。どの分岐で判断を誤ったのか、どのツールが失敗したのかを目で追える。マルチエージェント構成のデバッグに向く
- Bits AI: SRE Agent・Dev Agent・Security Analyst・Bits Chat などからなるAIエージェント群。自然言語で「直近1時間でエラー率が上がったサービスは？」と尋ねる、障害の原因候補を絞り込む、修正案を提示する、といった運用作業を自動化する
- 公式MCPサーバー: Claude Code などのAIエージェントから、Datadog のメトリクス・ログ・トレース・インシデントを直接照会できる。リモート接続で OAuth 2.0 もしくは APIキー + アプリケーションキーによる認証に対応し、US・EU などサイトごとにエンドポイントが分かれている
- インフラ監視とAPM: サーバー・コンテナ・分散トレースを横断して可視化する土台。1,000以上のインテグレーションを備え、主要なクラウドやミドルウェアはほぼ設定だけで監視対象にできる
- ガバナンス機能: Sensitive Data Scanner による機密データの検知とマスキング、ロールベースのアクセス制御など。AIエージェントを本番環境で動かす際に必要になる統制を製品側で用意している
料金
モジュール型の従量課金で、使う製品ごとに課金軸（ホスト数・GB・イベント数・クレジット）が異なる。主要なものを抜粋する。
| 製品 | 年間契約 | オンデマンド | 備考 |
|---|---|---|---|
| Infrastructure Monitoring Free | $0 | ─ | 最大5ホスト、メトリクス保持1日 |
| Infrastructure Monitoring Pro | $15/ホスト/月 | $18/ホスト/月 | 1,000以上のインテグレーション、保持15ヶ月 |
| Infrastructure Monitoring Enterprise | $23/ホスト/月 | $27/ホスト/月 | 機械学習ベースのアラート、Governance Console |
| APM（Infrastructure併用時） | $31/ホスト/月 | $48/ホスト/月 | 分散トレーシング、サービス検出 |
| APM Enterprise（同上） | $40/ホスト/月 | $60/ホスト/月 | Continuous Profiler によるコードレベル分析 |
| Log Management（取り込み） | $0.10/GB/月 | 同左 | 取り込み・スキャンしたGB単位 |
| Log Management（標準インデックス） | $1.70/百万イベント/月 | $2.55/百万イベント/月 | デフォルト保持15日 |
| AI Credits | $500/500クレジット/月 | $1.30/クレジット | Bits Chat・Bits Investigation・Bits Code などで消費 |
LLM Observability の単価は公式の料金ページで独立して示されておらず、構成によって変わるため公式に確認するのが確実である。ここに挙げていない製品も多数あるため、実際の見積もりは公式の料金ページを参照してほしい。
料金は2026年8月時点の情報です。最新の料金は公式サイトをご確認ください。
メリット・デメリット
✅ メリット
- メトリクス・ログ・トレース・セキュリティを単一プラットフォームで相関分析でき、ツールを行き来せずに原因まで辿れる
- 1,000以上のインテグレーションがあり、主要クラウドやミドルウェアをほぼ即座に監視対象にできる
- LLM Observability と Agent Observability により、生成AIアプリやAIエージェントの品質・コスト・意思決定過程を可視化できる
- 公式MCPサーバーにより、AIエージェント側から運用データへ自然言語で問い合わせられる
- 無料枠（5ホストまで）があり、小さく試してから広げられる
⚠️ デメリット
- モジュール型・従量課金のため、機能を組み合わせるほど総コストが読みにくくなりやすい
- ホスト数・ログ量・APM・AIクレジットと課金軸が複数あり、小規模チームには単価が高く感じられることがある
- 機能数が非常に多く、初期設定やコスト最適化に専門知識が必要になりやすい
- サイト（US・EUなど）ごとにエンドポイントが分かれており、MCPサーバーなどの接続設定ではサイトを意識する必要がある
類似サービスとの比較
| 比較項目 | Datadog | New Relic | Dynatrace | Grafana Cloud / OSS系 |
|---|---|---|---|---|
| 主な強み | 統合の広さとAI機能の作り込み | アプリ中心の観測性とAI異常検知 | Davis AI による自動ルートコーズ分析 | OSSベースの低コスト運用 |
| 課金モデル | 製品ごとの従量課金 | ユーザー数 + データ量 | ホスト・時間単位 | 使用量ベース／自前運用は無料 |
| 生成AI監視 | LLM Observability・Agent Observability | 対応あり | 対応あり | OSSの計装を組み合わせて構築 |
| AIエージェント連携 | 公式MCPサーバーあり | ─ | ─ | ─ |
| 想定規模 | 中〜大規模、クラウドネイティブ | 中小〜中規模 | 大規模エンタープライズ | 小規模〜コスト重視の組織 |
ログ分析とセキュリティ運用（SIEM）の統合を重視するなら Splunk も比較対象になる。
こんな人におすすめ
- 生成AIアプリやAIエージェントを本番投入し、応答品質・コスト・失敗パターンを継続的に観測したい開発チーム
- マイクロサービス構成のクラウド環境で、インフラ・APM・ログを一箇所にまとめたいSRE・インフラ担当者
- 障害対応の初動を短縮したく、AIによる原因調査の自動化に投資したいチーム
- Claude Code などのAIエージェントから運用データを参照させ、調査や運用作業を委任したい開発者
- オブザーバビリティとセキュリティ監視を別々のツールに分けず統合したい組織
まとめ
Datadog は、インフラ監視の定番から「AIを監視し、AIで監視する」プラットフォームへ広がってきたサービスである。LLM Observability と Agent Observability は、生成AIアプリを本番運用したときに必ずぶつかる「なぜこの出力になったのか」「どこでコストが膨らんでいるのか」に答えるための道具であり、公式MCPサーバーは運用データをAIエージェント側へ開く入口になる。一方で従量課金の設計上、対象を広げるほどコストの見通しは立てにくくなる。まずは無料枠や監視対象を絞った構成で始め、必要な製品だけを足していく進め方が現実的だろう。