خادم Keboola MCP

ماذا يفعل خادم “Keboola” MCP؟

يعمل خادم Keboola MCP كجسر مفتوح المصدر بين مشروع Keboola الخاص بك وأدوات الذكاء الاصطناعي الحديثة. يربط المساعدين والعملاء (مثل Claude وCursor وWindsurf وVS Code وغيرهم) بمنصة Keboola، ويعرض ميزات مثل الوصول إلى التخزين، والتحويلات باستخدام SQL، وإدارة المكونات، وتشغيل المهام كأدوات يمكن استدعاؤها. يمكّن هذا التكامل النماذج والوكلاء من استعلام الجداول، وإدارة الإعدادات، وتنفيذ المهام، والتعامل مع البيانات الوصفية مباشرة من بيئتهم. بذلك، يبسط سير عمل التطوير، ويُلغي الحاجة لشفرات الربط، ويضمن توفر البيانات والإمكانات الصحيحة للوكلاء عند الحاجة، مما يعزز الإنتاجية ويتيح سيناريوهات أتمتة معقدة.

قائمة المحفزات

قائمة الموارد

قائمة الأدوات

استنادًا إلى ميزات المستودع والوثائق المتاحة، يوفر خادم Keboola MCP الأدوات التالية:

• التخزين: استعلام الجداول مباشرة وإدارة أوصاف الجداول أو الحاويات داخل تخزين Keboola.
• المكونات: إنشاء، وعرض، وفحص المستخلصات، والكُتّاب، وتطبيقات البيانات، وإعدادات التحويل.
• SQL: إنشاء وتنفيذ تحويلات SQL باستخدام اللغة الطبيعية.
• المهام: تشغيل المكونات، وتحفيز التحويلات، واسترجاع تفاصيل تنفيذ المهام.
• البيانات الوصفية: البحث، والقراءة، وتحديث توثيق المشروع وبيانات الكائنات الوصفية.

حالات الاستخدام لهذا الخادم MCP

• إدارة قواعد البيانات: استعلام وإدارة الجداول أو الحاويات في تخزين Keboola مباشرة، مما يسمح لوكلاء الذكاء الاصطناعي بجلب أو تعديل بيانات المشروع.
• استكشاف الشيفرة والإعدادات: عرض، وإنشاء، وفحص المستخلصات، والكُتّاب، وإعدادات التحويل من أدوات الذكاء الاصطناعي لتبسيط إدارة الإعدادات.
• التحويل التلقائي باستخدام SQL: استخدام اللغة الطبيعية لإنشاء وتنفيذ استعلامات SQL، مما يتيح تحويلًا وتحليلًا سريعًا للبيانات المخزنة.
• تنظيم ومراقبة المهام: تشغيل المكونات، وتنظيم المهام، واسترجاع تواريخ التنفيذ لتسهيل أتمتة ومراقبة سير عمل ETL/البيانات.
• إدارة البيانات الوصفية: البحث، والقراءة، وتحديث توثيق المشروع والبيانات الوصفية للحفاظ على تنظيم المعلومات وسهولة الوصول إليها من قبل البشر ووكلاء الذكاء الاصطناعي.

كيفية الإعداد

Windsurf

1. تأكد من وجود Python 3.10+ وuv مثبتين.
2. احصل على رمز API لتخزين Keboola و(إذا كنت تستخدم رمزًا مخصصًا) مخطط مساحة العمل الخاصة بك.
3. في Windsurf، حدد موقع ملف إعدادات MCP.
4. أضف إدخال خادم Keboola MCP مستخدمًا المقتطف التالي:

   {
     "mcpServers": {
       "keboola-mcp": {
         "command": "uv",
         "args": ["pip", "run", "--", "keboola-mcp-server"]
       }
     }
   }
   

5. احفظ ملف الإعدادات وأعد تشغيل Windsurf.
6. تحقق من توفر الخادم في واجهة MCP الخاصة بـ Windsurf.

تأمين مفاتيح API (في Windsurf)

{
  "mcpServers": {
    "keboola-mcp": {
      "command": "uv",
      "args": ["pip", "run", "--", "keboola-mcp-server"],
      "env": {
        "KBC_STORAGE_TOKEN": "${KBC_STORAGE_TOKEN}",
        "KBC_WORKSPACE_SCHEMA": "${KBC_WORKSPACE_SCHEMA}"
      },
      "inputs": {
        "KBC_STORAGE_TOKEN": "env",
        "KBC_WORKSPACE_SCHEMA": "env"
      }
    }
  }
}

Claude

1. تأكد من تثبيت Python 3.10+ وuv.
2. احصل على بيانات اعتماد Keboola اللازمة.
3. افتح إعدادات MCP لعميل Claude.
4. أضف إعداد خادم Keboola MCP:

   {
     "mcpServers": {
       "keboola-mcp": {
         "command": "uv",
         "args": ["pip", "run", "--", "keboola-mcp-server"]
       }
     }
   }
   

5. احفظ وأعد تشغيل Claude.
6. تأكد من إمكانية الوصول للخادم من Claude.

Cursor

1. ثبّت Python 3.10+ وuv.
2. جهّز رمز API الخاص بـ Keboola ومخطط مساحة العمل.
3. افتح ملف إعدادات Cursor MCP.
4. أضف الإعداد التالي:

   {
     "mcpServers": {
       "keboola-mcp": {
         "command": "uv",
         "args": ["pip", "run", "--", "keboola-mcp-server"]
       }
     }
   }
   

5. احفظ الملف وأعد تشغيل Cursor.
6. تحقق من نجاح اتصال خادم MCP.

Cline

1. تأكد من تثبيت Python 3.10+ وuv.
2. اجمع بيانات اعتماد Keboola المطلوبة.
3. عدّل قسم خوادم MCP في إعدادات Cline.
4. أضف إدخال خادم Keboola MCP:

   {
     "mcpServers": {
       "keboola-mcp": {
         "command": "uv",
         "args": ["pip", "run", "--", "keboola-mcp-server"]
       }
     }
   }
   

5. احفظ الإعدادات وأعد تشغيل Cline.
6. تحقق من تشغيل الخادم بشكل صحيح.

ملاحظة: قم بتأمين البيانات الحساسة مثل رموز API باستخدام متغيرات البيئة كما هو موضح في مثال Windsurf أعلاه.

كيفية استخدام هذا MCP داخل التدفقات

استخدام MCP في FlowHunt

لدمج خوادم MCP في سير عمل FlowHunt، ابدأ بإضافة مكون MCP إلى التدفق الخاص بك ثم وصله بوكيل الذكاء الاصطناعي:

انقر على مكون MCP لفتح لوحة الإعدادات. في قسم إعدادات MCP النظامية، أدرج تفاصيل الخادم باستخدام هذا التنسيق:

{
  "keboola-mcp": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

بعد الإعداد، سيتمكن وكيل الذكاء الاصطناعي من استخدام هذا MCP كأداة بكل وظائفه. تذكّر تعديل “keboola-mcp” ليطابق اسم خادم MCP الخاص بك واستبدال الرابط بعنوان خادم MCP الخاص بك.

نظرة عامة

تقييمي: يقدم خادم Keboola MCP مجموعة قوية من الأدوات وتعليمات إعداد واضحة، لكنه يفتقد إلى قوالب محفزات وموارد MCP موثقة صراحة. تركيزه على تمكين وكلاء الذكاء الاصطناعي للوصول إلى سير عمل البيانات المعقدة قوي. دعم العينات والجذور غير موثق. بشكل عام، هو MCP عملي وجاهز للإنتاج، مع وجود بعض الثغرات التوثيقية المتعلقة بالمحفزات/الموارد.

تقييم MCP