ArangoDB MCP Server

Co dělá “ArangoDB” MCP Server?

ArangoDB MCP Server je server Model Context Protocolu (MCP) postavený na TypeScriptu, který poskytuje bezproblémové možnosti interakce s databází ArangoDB. Slouží jako výkonný most mezi AI asistenty a databází ArangoDB a umožňuje vývojářům i agentům poháněným LLM provádět základní databázové operace přímo prostřednictvím standardizovaných MCP nástrojů. Tento server umožňuje úkoly jako dotazování na data, vkládání a aktualizace dokumentů, správu kolekcí a provádění záloh – to vše pomocí jednoduchých volání nástrojů. Díky integraci s platformami jako Claude, VSCode (přes rozšíření jako Cline) a dalšími je všestranným backendem pro zlepšení vývojových workflow, které vyžadují přístup ke strukturovaným datům v reálném čase nebo programově.

Seznam promptů

V repozitáři nejsou konkrétně uvedeny žádné šablony promptů.

Seznam zdrojů

V dokumentaci repozitáře nejsou popsány žádné explicitní MCP zdroje.

Seznam nástrojů

• arango_query
  Spouští AQL (ArangoDB Query Language) dotazy. Přijímá řetězec dotazu a volitelné bind proměnné, vrací výsledky dotazu ve formátu JSON.

• arango_insert
  Vkládá dokumenty do kolekcí. Vyžaduje název kolekce a objekt dokumentu; klíč dokumentu se vygeneruje automaticky, pokud není zadán.

• arango_update
  Aktualizuje existující dokumenty v kolekci. Vyžaduje název kolekce, klíč dokumentu a aktualizační objekt.

• arango_remove
  Maže dokumenty z kolekcí. Vyžaduje název kolekce a klíč dokumentu.

• arango_backup
  Zálohuje všechny kolekce do JSON souborů ve zvoleném adresáři – vhodné pro migraci a zálohování dat.

• arango_list_collections
  Vypíše všechny kolekce v databázi a vrací jejich názvy, ID a typy.

• arango_create_collection
  Vytvoří novou kolekci (dokumentovou nebo hraniční), s možnostmi pro název, typ a synchronizační chování.

Příklady použití tohoto MCP Serveru

• Správa databáze
  Snadno provádějte CRUD operace (vytváření, čtení, aktualizace, mazání) nad kolekcemi ArangoDB přímo z AI nástrojů nebo chatovacích agentů.

• Průzkum kódu pro projekty řízené daty
  Umožněte vývojářům dotazovat se a upravovat aplikační data bez opuštění vývojového prostředí, což urychluje průzkum dat.

• Automatizované zálohy a migrace dat
  Použijte nástroj zálohování k exportu kolekcí jako JSON, což podporuje automatizované workflow záloh a usnadňuje migrace.

• Integrace s AI agenty
  Umožněte LLM a AI asistentům (například Claude nebo v rámci VSCode přes Cline) načítat, aktualizovat či analyzovat databázová data jako součást workflow agentů.

• Dynamická správa kolekcí
  Umožněte programové vytváření a výpis kolekcí, což podporuje rychlé prototypování nebo víceklientské aplikace.

Jak jej nastavit

Windsurf

Žádné instalační instrukce pro Windsurf nejsou uvedeny.

Claude

Žádné instalační instrukce pro Claude nejsou uvedeny.

Cursor

Žádné instalační instrukce pro Cursor nejsou uvedeny.

Cline (rozšíření pro VSCode)

1. Předpoklady: Ujistěte se, že máte nainstalovaný VSCode (verze 1.99.0 nebo novější).
2. Upravit/vytvořit MCP konfiguraci:
   • Workspace: .vscode/mcp.json
   • Uživatel: Přidejte do uživatelských nastavení VSCode pro globální použití.
3. Přidat konfiguraci ArangoDB MCP serveru:

   {
     "servers": {
       "arango-mcp": {
         "type": "stdio",
         "command": "npx",
         "args": ["arango-server"],
         "env": {
           "ARANGO_URL": "http://localhost:8529",
           "ARANGO_DB": "v20",
           "ARANGO_USERNAME": "app",
           "ARANGO_PASSWORD": "75Sab@MYa3Dj8Fc"
         }
       }
     }
   }
   

4. Spuštění MCP serveru:
   • Otevřete Command Palette (Ctrl+Shift+P nebo Cmd+Shift+P na Macu)
   • Spusťte MCP: Start Server a vyberte arango-mcp.

Zabezpečení API klíčů

Doporučuje se používat proměnné prostředí pro přihlašovací údaje. Příklad:

{
  "servers": {
    "arango-mcp": {
      "type": "stdio",
      "command": "npx",
      "args": ["arango-server"],
      "env": {
        "ARANGO_URL": "${env:ARANGO_URL}",
        "ARANGO_DB": "${env:ARANGO_DB}",
        "ARANGO_USERNAME": "${env:ARANGO_USERNAME}",
        "ARANGO_PASSWORD": "${env:ARANGO_PASSWORD}"
      }
    }
  }
}

Jak tento MCP použít uvnitř flow

Použití MCP ve FlowHunt

Pro integraci MCP serverů do vašeho workflowu ve FlowHunt začněte přidáním MCP komponenty do vašeho flow a propojte ji se svým AI agentem:

Klikněte na komponentu MCP pro otevření konfiguračního panelu. V sekci konfigurace systémového MCP vložte údaje o svém MCP serveru v tomto JSON formátu:

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

Po konfiguraci může AI agent tento MCP používat jako nástroj se všemi jeho funkcemi a možnostmi. Nezapomeňte změnit “arango-mcp” na skutečný název vašeho MCP serveru a URL na adresu vašeho MCP serveru.

Přehled

Náš názor

Tento MCP server je dobře zdokumentovaný z hlediska podpory nástrojů a nastavení, zejména pro VSCode/Cline. Chybí však explicitní šablony promptů a popisy zdrojů a není zmínka o podpoře sampling nebo roots. Jeho hlavní silou je komplexní sada databázových nástrojů a jasné použití proměnných prostředí.
Celkově hodnotíme tento MCP server 7/10 za praktickou užitečnost a dokumentaci, ale chybí mu některé pokročilé MCP funkce.

MCP Skóre