Dynatrace MCP + Microsoft Teams : un agent Copilot Studio branché sur le serveur MCP

Dynatrace MCP + Microsoft Teams : un agent Copilot Studio branché sur le serveur MCP. Architecture, gouvernance des droits et premier cas d’usage.
Dynatrace MCP + Microsoft Teams : un agent Copilot Studio branché sur le serveur MCP

Dans beaucoup d’organisations, l’outil d’observabilité est un territoire réservé : les SRE et les développeurs y naviguent tous les jours, tandis que le reste de l’entreprise passe par eux pour obtenir la moindre réponse. Un responsable produit qui se demande si la dernière mise en production a dégradé le parcours d’inscription écrit dans un canal Teams, quelqu’un d’astreinte interrompt ce qu’il faisait, ouvre trois applications, assemble une réponse et la recopie dans la conversation. Multipliez ce scénario par le nombre d’équipes métier et vous obtenez une charge invisible mais bien réelle. C’est précisément cette charge que vise le duo Dynatrace MCP + Microsoft Teams.

Le serveur MCP de Dynatrace propose une autre voie. Le Model Context Protocol est un standard ouvert qui permet à un agent IA d’appeler des outils externes de manière structurée. Branché sur Microsoft Copilot Studio, il permet de publier dans Teams un agent conversationnel capable d’interroger votre environnement Dynatrace SaaS en direct, au lieu de répondre à partir de connaissances générales.

Cet article ne se contente pas de décrire le montage. Il s’intéresse surtout aux questions que se posera une équipe plateforme avant d’ouvrir ce canal à des centaines d’utilisateurs : qui voit quoi, comment cadrer l’agent, et par où commencer pour que l’expérience soit utile plutôt que gadget.

Ce que change un agent branché sur MCP

Un assistant généraliste peut expliquer ce qu’est une latence au 95e centile, mais il ne sait rien de votre service de paiement. Un agent connecté au serveur MCP de Dynatrace dispose d’outils lui permettant de récupérer le contexte réel : problèmes ouverts, état des services, données stockées dans Grail. Sa réponse s’appuie donc sur vos données plutôt que sur une plausibilité statistique.

La chaîne se compose de quatre maillons, chacun avec un rôle bien délimité :

  • Teams sert d’interface : c’est là que la question est posée, sur poste de travail comme sur mobile ;
  • l’agent Copilot Studio interprète la demande et choisit les outils à appeler ;
  • le serveur MCP Dynatrace expose ces outils et renvoie le contexte demandé ;
  • la plateforme Dynatrace reste la source de vérité pour les données d’observabilité et d’observabilité métier.

L’utilisateur final ne touche jamais à Dynatrace directement. C’est à la fois l’intérêt de l’approche et ce qui impose de soigner la gouvernance.

Avant de commencer : la question des droits

L’accès aux données passe par les permissions et politiques définies côté Dynatrace et côté Microsoft. Concrètement, la connexion entre Copilot Studio et le serveur MCP utilise un token de plateforme Dynatrace. Tout ce que ce token peut lire, l’agent peut potentiellement le restituer à quiconque a accès à l’agent dans Teams.

Il faut donc raisonner comme pour un compte de service partagé :

  • accorder uniquement les permissions de lecture nécessaires au cas d’usage visé, rien de plus ;
  • se demander si certaines données (identifiants clients, contenu de logs applicatifs) doivent rester hors de portée, et ajuster les politiques en conséquence ;
  • limiter la diffusion de l’agent dans Teams à une population cohérente avec ces droits, au moins au départ ;
  • prévoir la rotation du token et désigner un propriétaire clairement identifié.

C’est aussi le moment de vérifier les règles internes concernant l’usage d’assistants IA sur des données de production. Mieux vaut trancher ces points avant la démonstration qu’après. Notre guide pour sécuriser un serveur MCP détaille ces principes (périmètre des tokens, moindre privilège, journalisation).

En pratique : Dynatrace MCP + Microsoft Teams

Étape 1 — Créer l’agent dans Copilot Studio

Créez un nouvel agent et donnez-lui un nom explicite, qui indique d’où viennent ses réponses (par exemple « Assistant observabilité »). Rédigez ensuite ses instructions : c’est là que se joue une bonne partie de la qualité perçue. Décrivez son rôle, son périmètre et le ton attendu. Un point de départ possible :

Rôle : tu aides les équipes produit et support à comprendre
l'état des applications à partir des données Dynatrace.
Périmètre : santé des services, problèmes en cours, impact
des déploiements récents, parcours utilisateurs.
Règles :
- appuie chaque affirmation sur des données récupérées via les outils ;
- précise toujours la période analysée ;
- si les données ne permettent pas de conclure, dis-le ;
- propose une prochaine étape d'investigation concrète.
Contexte : nos applications principales sont « boutique-web »,
« api-commandes » et « paiement ».

Plus vous décrivez votre environnement (noms d’applications, processus métier suivis, vocabulaire interne), plus l’agent saura relier une question formulée en langage métier aux bonnes entités.

Étape 2 — Enrichir l’agent avec des connaissances Dynatrace

Le projet Dynatrace for AI met à disposition des skills, prompts et instructions qui guident un agent dans l’usage de la plateforme. Les intégrer évite que chaque équipe réinvente sa propre façon d’interroger Dynatrace et rend les réponses plus homogènes d’un utilisateur à l’autre.

Étape 3 — Configurer la connexion MCP

Ajoutez une connexion vers le serveur MCP Dynatrace dans Copilot Studio. Trois éléments sont nécessaires : l’accès à votre environnement Dynatrace, un token de plateforme doté des permissions retenues à l’étape de gouvernance, et l’endpoint du serveur MCP correspondant. Reportez-vous à la documentation du serveur MCP pour la liste à jour des permissions requises par chaque outil.

Pour vérifier ce que l’agent est censé obtenir, il est utile de lancer soi-même, dans un Notebook, une requête équivalente à ce qu’il devrait récupérer. Par exemple, pour une question sur les problèmes en cours :

fetch dt.davis.problems
| filter event.status == "ACTIVE"
| fields display_id, event.name, event.start
| sort event.start desc

Si la réponse de l’agent diverge nettement de ce résultat, le souci vient des instructions ou des permissions, pas des données.

Étape 4 — Tester avec de vraies questions

Récupérez dans l’historique de vos canaux Teams les questions réellement posées aux équipes techniques ces dernières semaines et rejouez-les. Quelques exemples typiques : « le déploiement d’hier a-t-il changé le taux de conversion ? », « quels processus métier sont touchés par l’incident en cours ? », « combien de commandes ont échoué pendant la panne ? ». Notez pour chacune si la réponse est juste, sourcée et exploitable. Les échecs révèlent soit un manque dans les instructions, soit un contexte absent de Dynatrace.

Étape 5 — Publier dans Teams

Une fois les résultats satisfaisants, publiez l’agent sur le canal Teams. Commencez par un groupe pilote restreint, recueillez les retours, puis élargissez.

Choisir un premier cas d’usage

La tentation est grande de promettre un agent qui répond à tout. C’est le meilleur moyen de décevoir. Choisissez un seul scénario à forte valeur, mesurable, et rendez-le excellent :

Le point sur un incident

Pendant un incident, les parties prenantes non techniques veulent savoir ce qui est touché et depuis quand. Un agent qui répond à ces questions décharge le responsable d’incident des sollicitations répétitives.

La validation d’une mise en production

Après un déploiement, le responsable produit veut savoir si ses indicateurs métier ont bougé. C’est un cas où l’observabilité métier de Dynatrace apporte une vraie valeur, à condition que les événements métier soient déjà collectés.

Les questions de santé des services

Les équipes support peuvent vérifier l’état d’un service avant d’escalader un ticket client, sans demander un accès complet à la plateforme.

Bonnes pratiques

  • Moindre privilège : le token de l’agent ne doit lire que ce que tous ses utilisateurs ont le droit de voir.
  • Des réponses datées et sourcées : exigez dans les instructions que l’agent mentionne la période et la nature des données utilisées.
  • Un jeu de questions de référence : conservez vos questions de test et rejouez-les après chaque modification des instructions ou des permissions.
  • Un propriétaire identifié : l’agent est un produit interne, avec un responsable, une boucle de feedback et une feuille de route.
  • Ne pas remplacer l’outil : pour une investigation approfondie, l’agent doit renvoyer vers les Notebooks, Dashboards ou l’application concernée plutôt que de tout résumer.

Questions fréquentes

Les utilisateurs Teams ont-ils besoin d’un compte Dynatrace ?

Non : ils ne touchent jamais à Dynatrace directement. L’agent interroge le serveur MCP avec un token de plateforme, et tout ce que ce token peut lire peut être restitué à quiconque a accès à l’agent. D’où l’importance de limiter ses permissions et la diffusion de l’agent.

Quelles permissions donner au token de l’agent ?

Uniquement les permissions de lecture nécessaires au cas d’usage visé, en écartant les données qui doivent rester hors de portée. La documentation du serveur MCP donne la liste à jour des permissions requises par chaque outil.

Comment vérifier que l’agent répond juste ?

Lancez dans un Notebook la requête DQL équivalente à la question posée et comparez. Conservez aussi un jeu de vraies questions issues de vos canaux Teams et rejouez-le après chaque modification des instructions ou des permissions.

Conclusion

Connecter Dynatrace à Teams via MCP et Copilot Studio ne demande que quelques étapes de configuration. L’essentiel du travail est ailleurs : définir les droits, écrire des instructions précises et choisir un premier cas d’usage qui parle aux équipes métier. Bien cadré, ce type d’agent réduit les allers-retours entre équipes et rapproche les données d’observabilité de ceux qui prennent les décisions produit, sans pour autant transformer chaque utilisateur Teams en administrateur Dynatrace.

Pour aller plus loin : How to connect Dynatrace MCP to Microsoft Teams using Copilot Studio (blog Dynatrace, en anglais).

span.observer est un blog indépendant de la communauté, non affilié à Dynatrace LLC. Dynatrace est une marque de Dynatrace LLC. Les fonctionnalités SaaS évoluent vite : vérifiez leur disponibilité dans votre environnement et dans la documentation officielle.

Total
0
Shares
3 comments
Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Previous Post
Analyse de patterns logs : de la masse brute aux requêtes DQL réutilisables

Analyse de patterns logs : de la masse brute aux requêtes DQL réutilisables

Next Post
Métriques histogrammes à l'ingestion : des SLO de latence fondés sur la distribution avec OpenPipeline

Métriques histogrammes OpenPipeline : des SLO de latence fondés sur la distribution

Related Posts