Kevesebb tokennel és pontosabban dolgozik a Datadog új AI-eszköze
Általánosan elérhetővé vált a Code Execution a Datadog MCP Serverben. A Datadog tesztjei szerint a funkciót használó AI-ügynökök 73 százalékkal kevesebb bemeneti tokent küldtek a modelleknek, és 90 százalékban helyes választ adtak.
- Általánosan elérhetővé vált a Code Execution a Datadog MCP Serverben.
- A tesztben a bemeneti tokenek átlagos száma 159 ezerről 43 ezerre csökkent.
- A négy modell átlagos pontossága 74 százalékról 90 százalékra nőtt.
- Az eszközhívások átlagos száma 4,1-ről 2,5-re esett vissza.
- A használathoz az AI-klienst össze kell kapcsolni a Datadog MCP Serverrel, majd engedélyezni kell a code-exec eszközkészletet.
A modell csak a szükséges eredményeket kapja meg
A Datadog 2026. szeptember 22-i bejelentése szerint a Code Execution célja az összetett megfigyelhetőségi lekérdezések hatékonyabb végrehajtása. Ahelyett, hogy az AI-ügynök egyenként hívná meg az eszközöket, JavaScript-kódot írhat, amely közvetlenül a Datadog adatait kérdezi le.
A kódot egy Datadog által kezelt biztonságos környezet, úgynevezett sandbox futtatja. A lekérdezések párhuzamosan végrehajthatók, az eredmények pedig összekapcsolhatók, így a modell már csak a végső válaszhoz szükséges adatokat látja. A hagyományos működésnél minden eszközhívás után a modell megkapja a teljes nyers választ, értelmezi azt, majd eldönti, mi legyen a következő lépés.
A Datadog példája szerint egy hibaarány-emelkedés kivizsgálásakor az ügynök először a hibát, majd a kapcsolódó nyomkövetéseket, végül az időben egybeeső telepítést vizsgálhatja. Code Execution nélkül ezek a köztes eredmények mind bekerülnek a beszélgetésbe, és a modell maga végzi el az összekapcsolást.
A tesztben pontosabb válaszok és kevesebb eszközhívás született
A Datadog 25, metrikákhoz, naplókhoz, nyomkövetésekhez, Datadog Error Trackinghez és vizsgálatokhoz kapcsolódó feladaton hasonlította össze a Code Executiont a Core eszközkészlettel. Minden feladatot modellenként és eszközkészletenként háromszor futtattak le, négy modellen: GPT-5.6 Terra, GPT-5.6 Sol, Claude Sonnet 5 és Claude Opus 4.8. A válaszokat helyesség alapján pontozták.
A vállalat szerint mind a négy modell pontosabb választ adott Code Execution használatával. A legnagyobb javulást a Claude Sonnet 5 mutatta, amelynek helyességi aránya 67 százalékról 89 százalékra emelkedett. A négy modell átlaga alapján a helyes válaszok aránya 74 százalékról 90 százalékra nőtt.
Az egy feladatra jutó bemeneti tokenek átlagos száma 159 ezerről 43 ezerre csökkent, az eszközhívásoké pedig 4,1-ről 2,5-re esett vissza. A Core eszközkészlettel a modellek 107 ezer és 197 ezer közötti tokenmennyiséget használtak, Code Execution mellett viszont mindegyik 38 ezer és 46 ezer közé került.
Így próbálható ki a Code Execution
A használathoz a Datadog MCP Servert össze kell kapcsolni az AI-klienssel, majd engedélyezni kell a code-exec eszközkészletet. A Datadog olyan kérdéseket javasol, amelyek többféle megfigyelhetőségi adat összekapcsolását igénylik. Példaként azt említi, amikor a felhasználó azokat a szolgáltatásokat keresi, amelyeknél az előző éjszakai telepítések után változott a hibaarány, majd a kapcsolódó nyomkövetési mintákat is meg akarja vizsgálni.
A kód a felhasználó hitelesítő adataihoz nem fér hozzá. Amikor a kód Datadog API-t hív, az MCP Server a meglévő jogosultságokkal küldi el a kérést, és csak az eredményt adja vissza.
A Datadog szerint a kevesebb bemeneti token alacsonyabb vizsgálati költséget jelenthet azoknál a szolgáltatóknál, amelyek tokenenként számláznak. A funkció kipróbálásához a vállalat 14 napos ingyenes próbaidőszakot is kínál az új Datadog-felhasználóknak.
