Référence de l'outil New Relic MCP

Le serveur MCP de New Relic fournit des outils spécialisés permettant aux agents d'IA d'accéder à vos données d'observabilité et de les analyser. Ce guide de référence répertorie tous les outils disponibles par catégorie.

Comment utiliser les outils MCP

Les outils MCP sont invoqués via une requête en langage naturel dans votre environnement de développement d'IA. Vous n'avez pas besoin de mémoriser les noms exacts des outils ni leurs paramètres. Décrivez simplement ce que vous souhaitez savoir sur vos données New Relic.

Exemple de requête :

• « Quelles entités sont présentes sur mon compte ? »
• « Afficher les alertes récentes concernant mon application web »
• «Quelles sont les principales erreurs de la dernière heure ?»
• "Exécutez une requête NRQL pour analyser les performances"

L’agent d’IA dans votre outil de développement sélectionnera automatiquement les outils MCP appropriés et mettra en forme les résultats pour vous.

Outils de filtrage avec include-tags

Certains outils apparaissent dans plusieurs catégories (par exemple, analyze_deployment_impact est pertinent à la fois pour incident-response et advanced-analysis) car ils sont étiquetés avec plusieurs étiquettes pertinentes.

Vous pouvez filtrer dynamiquement les outils que votre client MCP pris en charge reçoit en envoyant l’en-tête include-tags HTTP avec vos requests. Cela vous permet de demander uniquement des sous-ensembles spécifiques d’outils, ce qui est utile pour réduire le corpus d’outils et contribuer à améliorer l’efficacité et la précision de tout modèle d’IA utilisé pour la demande.

Les tags disponibles que vous pouvez utiliser pour le filtrage correspondent directement aux en-têtes de catégorie dans cette référence : discovery, data-access, alerting, incident-response, performance-analytics, advanced-analysis, gap-analysis, ainsi que monitoring-analysis.

Exemple d'implémentation

"servers": {
    "new-relic-mcp-server": {
        "url": "https://mcp.newrelic.com/mcp/",
        "type": "http",
        "headers": {
            "include-tags": "discovery,alerting"
        }
    }
}

Dans cet exemple, l'agent d'IA ne se verra présenter que des outils classés dans la catégorie découverte (par exemple, get_entity) et alerte (par exemple, list_alert_policies), garantissant ainsi que le modèle se concentre uniquement sur les fonctions les plus pertinentes pour sa tâche actuelle.

Gestion des entités et des comptes (tag: découverte)

• convert_time_period_to_epoch_ms: Convertir une période de temps (par exemple, « les 30 dernières minutes ») en millisecondes epoch.
• get_dashboard: Récupérer les détails d'un dashboard spécifique.
• get_entity: Récupérer une entité New Relic par GUID ou rechercher par modèle de nom.
• list_related_entities: Répertorie l'entité à 1 saut (liée) d'une entité donnée GUID.
• list_available_new_relic_accounts: Liste de tous les comptes IDs disponibles pour l'utilisateur.
• list_dashboards: Lister tous les tableaux de bord d'un compte New Relic.
• search_entity_with_tag: Rechercher une entité à l'aide d'une clé et d'une valeur tag spécifiques.
• list_metric_names: découvrir tous les noms de métriques disponibles (dimensionnels et timeslice legacy) signalés par une entité ou un compte.

Accès aux données (tag : accès aux données)

• execute_nrql_query: Exécuter une requête NRQL sur NRDB.
• natural_language_to_nrql_query: Exécuter une requête en convertissant une demande en langage naturel en une requête NRQL, en l'exécutant et en renvoyant les résultats.

Alertes et monitoring (tag: alertes)

• list_alert_conditions: Répertorie les détails de la condition d'alerte pour une règle d'alerte spécifique.
• search_incident: Liste tous les événements d'alerte (événements d'ouverture et de fermeture) avec un filtrage flexible.
• list_alert_policies: Liste des règles d'alerte pour le compte spécifié, avec possibilité de filtrage par nom de politique.
• list_recent_issues: Liste tous les problèmes ouverts dans New Relic pour le compte spécifié.
• list_synthetic_monitors: Lister tous les moniteurs Synthétique (tests automatisés qui vérifient la disponibilité et les performances de vos services).
• list_synthetic_monitor_results: renvoyer les lignes d’exécution individuelles de contrôles synthétiques (délais, erreurs, emplacements) pour un monitorer sur une fenêtre de temps.
• get_synthetic_check_statistics: agréger les taux de réussite des contrôles synthétiques, les nombres d’échecs et les percentiles de durée à travers les monitorer ou les emplacements.

Réponse aux événements d'alerte (tag : incident-response)

• analyze_deployment_impactAnalyser l'impact d'un déploiement sur les performances d'une entité spécifique.
• generate_alert_insights_reportGénérer un rapport d'analyse des renseignements sur une alerte concernant un problème spécifique.
• generate_user_impact_reportGénérer un rapport d'analyse d'impact pour l'utilisateur final concernant un problème spécifique.
• list_entity_error_groups: Récupérer les groupes d'erreurs pour une entité spécifique à partir de la Errors Inbox dans un intervalle de temps donné.
• list_change_events: Lister un historique des événements de changement de New Relic pour l'application identifiée par son entité GUID.
• get_error_statistics: calculer les nombres d’erreurs agrégés, les horodatages de première/dernière apparition et les tendances de séries chronologiques facultatives à partir des événements TransactionError, avec un filtrage et un facettage flexibles par classe d’erreur, message, application, statut HTTP et plus encore.
• search_errors: renvoyer les événements d'erreur bruts correspondant à des filtres tels que le message, la classe, le statut HTTP, ou la trace ID.

Analyse des performances (tag : analyse-des-performances)

• analyze_entity_logsAnalyser les logs d'application pour identifier les schémas d'erreur, les comportements anormaux et les problèmes récurrents.
• analyze_golden_metrics: Analyser les métriques dorées (indicateurs clés de santé : débit, temps de réponse, taux d'erreur et saturation).
• analyze_kafka_metricsAnalyser les métriques Kafka, notamment le délai du consommateur, le débit du producteur, la latence des messages et l'équilibre des partitions.
• analyze_threads: Analysez les données métriques du thread pour une entité donnée, y compris l'état du thread, l'utilisation du processeur et la consommation de la mémoire.
• analyze_transactions: analyser les transactions pour une entité spécifique dans une fenêtre de temps, en identifiant les transactions lentes et sujettes aux erreurs, y compris les métriques de latence P95 et P99 (les seuils de temps de réponse pour les 5 % et 1 % de requests les plus lentes).
• list_garbage_collection_metrics: Afficher les métriques de récupération de mémoire et de mémoire pour un compte et une entité donnés.
• list_recent_logs: Liste des logs récents de New Relic pour le compte et l'entité spécifiés GUID.
• list_entity_performance_risk_groups: récupérer les groupes de risques de performance pour une entité spécifique depuis la boîte de réception des risques de performance dans un intervalle de temps.
• get_metric_statistics: récupérer les valeurs de métrique agrégée (moyenne, somme, percentiles, taux) pour une métrique dimensionnelle ou de tranche de temps donnée.
• get_log_statistics: renvoyer les nombres de logs agrégés, les répartitions par niveau et attribut, et les tendances sur une fenêtre de temps.
• get_distributed_trace_details: renvoie les attributs de span complets, les anomalies et les liens de span pour une entité spécifique ou un span individuel dans une trace.

Analyse avancée (tag : analyse-avancée)

• analyze_deployment_impactAnalyser l'impact d'un déploiement sur les performances d'une entité spécifique.
• generate_alert_insights_reportGénérer un rapport d'analyse des renseignements sur une alerte concernant un problème spécifique.
• generate_user_impact_reportGénérer un rapport d'analyse d'impact pour l'utilisateur final concernant un problème spécifique.
• natural_language_to_nrql_queryConvertir une requête en langage naturel en une requête NRQL, l'exécuter et renvoyer les résultats.

Analyse des écarts (tags : gap-analysis, et monitoring-analysis)

analyze_github_newrelic_gaps: vérifiez les fichiers de votre projet pour détecter toute instrumentation New Relic manquante. Il génère des rapports sur quatre domaines : le fichier de configuration New Relic, l’agent APM, l’agent Browser, et le suivi des changements. Pour l’utiliser, installez la New Relic GitHub App, et activez l’analyse des écarts lors de la configuration. Pour plus de détails, veuillez consulter Trouver les écarts d’instrumentation.

Trouver les écarts d’instrumentation

analyze_github_newrelic_gaps lit les fichiers de votre projet et signale où le monitoring New Relic peut être manquant. Votre client MCP lit les fichiers et les envoie à l'outil lorsque vous posez des questions sur les lacunes du monitoring.

L’outil génère des rapports sur quatre domaines :

• Fichier de configuration New Relic : si un fichier de configuration qui inclut un nom d’entité existe à la racine du projet. Le nom de l’entité dans le fichier de configuration doit correspondre exactement au nom de l’entité dans New Relic qui rapporte des données pour ce référentiel.
• Agent APM : si le service rapporte des données à New Relic APM.
• Agent Browser : si le snippet de l’agent Browser se trouve dans votre HTML, ou vos modèles.
• Suivi des changements : si la GitHub Action de suivi des changements est dans vos workflows CI/CD (intégration et livraison continues).

L’outil signale chaque domaine dans l’un de ces états :

Prérequis

Avant d’exécuter l’outil, vous devez disposer de :

• L’application GitHub New Relic, installée depuis le GitHub Marketplace, avec l’analyse des écarts activée lors de la configuration
• Un serveur MCP New Relic configuré qui utilise l’authentification OAuth, car l’outil n’est pas disponible avec une clé API
• Un fichier de configuration New Relic à la racine du projet qui inclut le nom de votre entité

Dans certains cas, l’outil vérifie l’inscription en utilisant la clé API New Relic que vous avez configurée. Si ces identifiants ont les autorisations pour afficher le référentiel cible, alors l’outil effectue l’analyse. Cette vérification des autorisations s’exécute dans certains cas avant que l’outil ne traite des fichiers.

Exécuter l'outil

Interrogez votre client MCP sur les lacunes de monitoring, par exemple :

• "Manque-t-il une instrumentation New Relic dans ce projet ?"
• "Auditez cette code base pour détecter les lacunes d’observabilité, et suggérez ce qu’il faut configurer."

Votre client lit les fichiers .github/workflows/*.yml, package.json, pyproject.toml, et les fichiers de configuration New Relic, et les envoie avec le nom du référentiel. Les fichiers doivent totaliser 5 Mo ou moins. L’outil les lit en mémoire, et renvoie la réponse à votre client MCP. New Relic ne stocke pas, et n'enregistre pas les réponses de l’outil.

Examinez les résultats

La réponse inclut :

• Écarts : pour chaque écart, le type (apm, browser, change_tracking, ou nr_config), l’état, et la raison.
• Résumé : le nombre de lacunes dans l’état Not Implemented ou Implemented & Broken.
• Recommandations : commandes gh issue create suggérées et une astuce pour attribuer des tickets à GitHub Copilot.
• Métadonnées : le nom du référentiel, le GUID de l’entité liée, le langage, la version de l’agent, et le temps d’analyse.

Pour agir sur les résultats, veuillez exécuter les commandes suggérées pour créer un ticket GitHub par écart. Si GitHub Copilot Enterprise est activé, vous pouvez assigner chaque ticket à Copilot pour générer une PR de correction. Veuillez vérifier la PR avant de la fusionner, puis exécutez de nouveau l’outil pour confirmer que l’écart de monitoring est comblé.

Limites

L’outil présente ces limites :

• Prend en charge les référentiels avec un seul service uniquement, et non les monorepos avec plusieurs services.
• Lors de l’utilisation d’Autopilot, prend en charge les référentiels (repositories) sur GitHub.com uniquement.
• Détecte l’APM pour Python uniquement, pas pour .NET, Node.js, PHP, Ruby, Java, ou Go.
• Vérifie uniquement la GitHub Action de suivi des changements. Si vous envoyez des marqueurs de déploiement d’une autre manière, le suivi des changements s’affiche comme non détecté. Ajoutez l’étiquette dismissed au problème résultant pour l’empêcher d’apparaître à nouveau.
• N’analyse pas Terraform, Helm, les manifestes Kubernetes, ou les SDK mobiles.
• Les résultats varient selon le modèle d’IA et les harnais. Les modèles et les harnais plus performants ont tendance à trouver plus de lacunes, et à faire de meilleures recommandations.
• Le nom de l’entité dans le fichier de configuration doit correspondre à l’entité dans New Relic pour le service (qu’il s’agisse d’un navigateur ou d’une application) qu’il représente.

Compétences

Les compétences sont des workflows préconfigurés qui combinent plusieurs outils MCP pour vous aider à investiguer et résoudre des scénarios d’observabilité courants. Les compétences sont hébergées dans le référentiel du New Relic skills hub.

Les clients peuvent télécharger ces compétences et les configurer en fonction de leur agent d’IA spécifique.

Compétences disponibles :

Outils OAuth uniquement

Les outils suivants nécessitent une authentification OAuth, et ne sont pas disponibles lors de l’utilisation d’une clé API.

Outils d’analyse basés sur l’IA : ces outils sont mesurés en tant qu’ unités de capacité de calcul Advanced Compute (aCCU).

• natural_language_to_nrql_query
• generate_alert_insights_report
• generate_user_impact_report
• analyze_deployment_impact

Outil d’analyse des écarts : analyze_github_newrelic_gaps. Pour plus de détails, veuillez consulter Trouver les écarts d’instrumentation.

Outils en préversion : voir Outils en préversion. Ceux-ci nécessitent également OAuth.

Outils d’aperçu

Les outils suivants sont disponibles à la GA en tant que fonctionnalités en version préliminaire. Ils sont en lecture seule et fournis pour évaluation. La tarification sera déterminée après la GA.

• search_traces: rechercher les traces d'une entité spécifique dans une fenêtre de temps, classées par durée, nombre d'erreurs, ou temps de backend.
• analyze_trace_anomaly: analysez les traces d’une entité spécifique pour identifier la transaction, ou la classe d’erreur responsable des traces lentes, en échec, ou à volume élevé.
• analyze_service_dependencies: analyser les dépendances de service d’une entité spécifique, en effectuant la modélisation des connexions en amont et en aval et en signalant celles qui sont défaillantes.