Keboola MCP Server

K čemu slouží “Keboola” MCP Server?

Keboola MCP Server slouží jako open-source most mezi vaším projektem Keboola a moderními AI nástroji. Propojuje AI asistenty a MCP klienty (například Claude, Cursor, Windsurf, VS Code a další) s platformou Keboola a zpřístupňuje funkce jako přístup ke storage, SQL transformace, správu komponent a spouštění úloh jako volatelné nástroje. Tato integrace umožňuje AI modelům a agentům dotazovat tabulky, spravovat konfigurace, spouštět úlohy a pracovat s metadaty přímo z jejich prostředí. Díky tomu zjednodušuje vývojové workflow, eliminuje nutnost psát spojovací kód a zajišťuje, že AI agenti mají vždy k dispozici správná data i funkce, čímž zvyšuje produktivitu a otevírá možnosti komplexní automatizace.

Seznam promptů

Připraveni rozšířit své podnikání?

Začněte svou bezplatnou zkušební verzi ještě dnes a viďte výsledky během několika dní.

Požádat o demo Přihlásit se

Seznam zdrojů

Seznam nástrojů

Na základě funkcí repozitáře a dostupné dokumentace Keboola MCP Server poskytuje tyto nástroje:

• Storage: Přímé dotazování na tabulky i správa popisků tabulek nebo bucketů ve storage Keboola.
• Komponenty: Vytváření, výpis a inspekce extraktorů, writerů, datových aplikací a konfiguračních transformací.
• SQL: Vytváření a spouštění SQL transformací pomocí přirozeného jazyka.
• Úlohy (Jobs): Spouštění komponent, spouštění transformací, získávání detailů o průběhu úloh.
• Metadata: Vyhledávání, čtení a aktualizace projektové dokumentace a metadat objektů.

Přihlaste se k odběru newsletteru

Získejte nejnovější tipy, trendy a nabídky zdarma.

E-mailová adresa

Přihlásit se

Příklady využití tohoto MCP Serveru

• Správa databáze: Přímé dotazování a správa tabulek nebo bucketů ve storage Keboola, což umožňuje AI agentům získávat nebo upravovat projektová data.
• Prozkoumávání kódu a konfigurací: Výpis, vytváření a inspekce extraktorů, writerů i konfiguračních transformací z AI nástrojů pro snadnější správu konfigurací.
• Automatizovaná SQL transformace: Využití přirozeného jazyka k tvorbě a spouštění SQL dotazů a umožnění rychlé transformace a analýzy uložených dat.
• Orchestrace a monitoring úloh: Spouštění komponent, orchestraci úloh a získávání historie běhu – jednoduše automatizujte a sledujte ETL/datové workflow.
• Správa metadat: Vyhledávání, čtení i aktualizace projektové dokumentace a metadat pro lepší organizaci a dostupnost informací jak pro lidi, tak AI agenty.

Jak jej nastavit

Windsurf

1. Ujistěte se, že máte Python 3.10+ a nainstalovaný uv.
2. Získejte svůj Keboola Storage API token a případně schéma workspace.
3. Ve Windsurf najděte konfigurační soubor MCP.
4. Přidejte záznam Keboola MCP Serveru pomocí tohoto JSONu:

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

5. Uložte konfigurační soubor a restartujte Windsurf.
6. Ověřte dostupnost serveru v rozhraní Windsurf MCP.

Zabezpečení API klíčů (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. Ujistěte se, že je nainstalován Python 3.10+ a uv.
2. Získejte potřebné přihlašovací údaje do Keboola.
3. Otevřete klientskou konfiguraci MCP v Claude.
4. Vložte konfiguraci Keboola MCP Serveru:

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

5. Uložte a restartujte Claude.
6. Ověřte dostupnost serveru z Claude.

Cursor

1. Nainstalujte Python 3.10+ a uv.
2. Připravte si Keboola API token a schéma workspace.
3. Otevřete konfigurační soubor Cursor MCP.
4. Přidejte následující konfiguraci:

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

5. Uložte soubor a restartujte Cursor.
6. Zkontrolujte úspěšné připojení MCP serveru.

Cline

1. Ujistěte se, že máte Python 3.10+ a uv nainstalovaný.
2. Připravte požadované přihlašovací údaje do Keboola.
3. Upravte sekci MCP serverů v konfiguraci Cline.
4. Přidejte záznam Keboola MCP Serveru:

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

5. Uložte konfiguraci a restartujte Cline.
6. Ověřte správnou funkčnost serveru.

Poznámka: Citlivé údaje jako API tokeny zabezpečujte pomocí proměnných prostředí, jak je ukázáno na příkladu ve Windsurf výše.

Jak používat tento MCP ve flow

Použití MCP ve FlowHunt

Pro integraci MCP serverů do vašeho workflow ve FlowHunt začněte přidáním komponenty MCP do svého flow a připojením k vašemu AI agentovi:

Kliknutím na MCP komponentu otevřete konfigurační panel. Do sekce systémové konfigurace MCP vložte detaily svého MCP serveru v tomto formátu JSON:

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

Po nastavení může AI agent využívat tento MCP jako nástroj se všemi jeho funkcemi a možnostmi. Nezapomeňte změnit “keboola-mcp” na skutečný název svého MCP serveru a nahradit URL vlastní adresou MCP serveru.

Přehled

Moje hodnocení: Keboola MCP Server nabízí silnou sadu nástrojů a jasné instrukce k nastavení, ale chybí dokumentované šablony promptů a explicitní definice MCP zdrojů. Jeho zaměření na umožnění AI agentům přístup k komplexním datovým workflow je robustní. Podpora vzorkování a roots není popsána. Celkově jde o vysoce praktický a produkčně připravený MCP, i když s jistými dokumentačními mezerami v oblasti promptů/zdrojů.

MCP Score