Apache IoTDB MCP Server

Was macht der „IoTDB“ MCP Server?

Der Apache IoTDB MCP Server ist eine Implementierung des Model Context Protocol (MCP), die entwickelt wurde, um nahtlose Datenbankinteraktionen und Business-Intelligence-Fähigkeiten über IoTDB, eine Zeitreihen-Datenbank, bereitzustellen. Als Brücke ermöglicht er es KI-Assistenten und Clients, SQL-Abfragen gegen IoTDB auszuführen und unterstützt so Datenanalyse- und Verwaltungsaufgaben direkt über natürliche Sprache oder programmatische, LLM-gesteuerte Workflows. Entwickler können den MCP Server nutzen, um Datenbankabfragen durchzuführen, Schema-Informationen anzuzeigen und Metadaten abzurufen – und so IoTDB in KI-gestützte Entwicklungsumgebungen für Aufgaben wie Zeitreihen-Queries und Datenbank-Schema-Management einzubinden.

Liste der Prompts

Der Server stellt keine Prompts bereit.

Bereit, Ihr Geschäft zu erweitern?

Starten Sie heute Ihre kostenlose Testversion und sehen Sie innerhalb weniger Tage Ergebnisse.

Demo anfragen Anmelden

Liste der Ressourcen

Der Server stellt keine Ressourcen zur Verfügung.

Liste der Tools

Der IoTDB MCP Server bietet je nach gewähltem SQL-Dialekt („tree“ oder „table“) verschiedene Tools.

Tree-Modell

• metadata_query
  • Führt SHOW/COUNT-Abfragen aus, um Metadaten aus der IoTDB-Datenbank abzurufen.
  • Eingabe: query_sql (string) – Die auszuführende SHOW/COUNT-SQL-Abfrage.
  • Ausgabe: Abfrageergebnisse als Array von Objekten.
• select_query
  • Führt SELECT-Abfragen aus, um Zeitreihendaten aus der Datenbank zu lesen.
  • Eingabe: query_sql (string) – Die auszuführende SELECT-SQL-Abfrage.
  • Ausgabe: Abfrageergebnisse als Array von Objekten.

Table-Modell

Query Tools

• read_query
  • Führt SELECT-Abfragen aus, um Daten aus der Datenbank zu lesen.
  • Eingabe: query (string) – Die auszuführende SELECT-SQL-Abfrage.
  • Ausgabe: Abfrageergebnisse als Array von Objekten.

Schema Tools

• list_tables
  • Ruft eine Liste aller Tabellen in der Datenbank ab.
  • Eingabe: Keine.
  • Ausgabe: Array mit Tabellennamen.
• describe-table
  • Liefert Schema-Informationen für eine bestimmte Tabelle.
  • Eingabe: table_name (string) – Name der zu beschreibenden Tabelle.
  • Ausgabe: Array mit Spaltendefinitionen (Name und Typ).

Abonnieren Sie unseren Newsletter

Erhalten Sie die neuesten Tipps, Trends und Angebote kostenlos.

E-Mail-Adresse

Abonnieren

Anwendungsfälle dieses MCP Servers

• Zeitreihen-Datenbankverwaltung
  Große Zeitreihendaten aus IoTDB einfach abfragen, durchsuchen und verwalten – direkt aus KI-Assistenten oder LLM-basierten Entwickler-Tools.
• Schema-Exploration
  Datenbankschemata abrufen und erkunden, Listen von Tabellen erhalten und Tabellenbeschreibungen anzeigen, um die Struktur zu verstehen und zu dokumentieren.
• Business-Intelligence-Integration
  IoTDB-Daten in BI-Workflows integrieren, mit natürlichen Sprachabfragen und Schema-Analysen für Analytik und Reporting.
• Automatisierte Datenanalyse
  Den MCP Server als Backend für automatisierte Analyse-Pipelines verwenden, in denen LLMs SQL-Abfragen basierend auf Nutzerintention generieren und ausführen.
• Metadaten-Inspektion
  SHOW/COUNT-Abfragen ausführen, um Metadaten der Datenbank einzusehen – hilfreich für Monitoring, Auditing und Optimierung.

So richten Sie es ein

Windsurf

1. Stellen Sie sicher, dass Python und der Paketmanager uv installiert sind.
2. Installieren oder klonen Sie das IoTDB MCP Server Repository.
3. Bearbeiten Sie die Windsurf-Konfigurationsdatei, um den IoTDB MCP Server hinzuzufügen.
4. Verwenden Sie folgenden JSON-Ausschnitt in Ihrer Konfiguration:

   {
     "mcpServers": {
       "iotdb": {
         "command": "uv",
         "args": [
           "--directory",
           "YOUR_REPO_PATH/src/iotdb_mcp_server",
           "run",
           "server.py"
         ],
         "env": {
           "IOTDB_HOST": "127.0.0.1",
           "IOTDB_PORT": "6667",
           "IOTDB_USER": "root",
           "IOTDB_PASSWORD": "root",
           "IOTDB_DATABASE": "test",
           "IOTDB_SQL_DIALECT": "table"
         }
       }
     }
   }
   

5. Speichern Sie die Konfiguration und starten Sie Windsurf neu.
6. Prüfen Sie, ob der Server läuft und verbunden ist.

Claude

1. Installieren Sie als Voraussetzungen Python, uv und IoTDB.
2. Klonen Sie das IoTDB MCP Server Repository.
3. Unter MacOS bearbeiten Sie ~/Library/Application Support/Claude/claude_desktop_config.json, unter Windows %APPDATA%/Claude/claude_desktop_config.json.
4. Fügen Sie den MCP-Server-Eintrag hinzu:

   {
     "mcpServers": {
       "iotdb": {
         "command": "uv",
         "args": [
           "--directory",
           "YOUR_REPO_PATH/src/iotdb_mcp_server",
           "run",
           "server.py"
         ],
         "env": {
           "IOTDB_HOST": "127.0.0.1",
           "IOTDB_PORT": "6667",
           "IOTDB_USER": "root",
           "IOTDB_PASSWORD": "root",
           "IOTDB_DATABASE": "test",
           "IOTDB_SQL_DIALECT": "table"
         }
       }
     }
   }
   

5. Speichern Sie die Änderungen und starten Sie Claude Desktop neu.
6. Prüfen Sie, ob der Server in Claude verfügbar ist.

Cursor

1. Stellen Sie sicher, dass Python, uv und IoTDB installiert sind.
2. Klonen Sie das MCP Server Repository.
3. Bearbeiten Sie die Cursor-Konfiguration und fügen Sie den MCP Server hinzu.
4. Verwenden Sie diesen JSON-Code:

   {
     "mcpServers": {
       "iotdb": {
         "command": "uv",
         "args": [
           "--directory",
           "YOUR_REPO_PATH/src/iotdb_mcp_server",
           "run",
           "server.py"
         ],
         "env": {
           "IOTDB_HOST": "127.0.0.1",
           "IOTDB_PORT": "6667",
           "IOTDB_USER": "root",
           "IOTDB_PASSWORD": "root",
           "IOTDB_DATABASE": "test",
           "IOTDB_SQL_DIALECT": "table"
         }
       }
     }
   }
   

5. Speichern Sie die Konfiguration und starten Sie Cursor neu.
6. Stellen Sie sicher, dass der MCP Server aktiv und erreichbar ist.

Cline

1. Installieren Sie die nötigen Abhängigkeiten: Python, uv und IoTDB.
2. Klonen Sie den Apache IoTDB MCP Server.
3. Öffnen Sie die Cline-Konfigurationsdatei.
4. Fügen Sie die MCP Server-Info wie folgt hinzu:

   {
     "mcpServers": {
       "iotdb": {
         "command": "uv",
         "args": [
           "--directory",
           "YOUR_REPO_PATH/src/iotdb_mcp_server",
           "run",
           "server.py"
         ],
         "env": {
           "IOTDB_HOST": "127.0.0.1",
           "IOTDB_PORT": "6667",
           "IOTDB_USER": "root",
           "IOTDB_PASSWORD": "root",
           "IOTDB_DATABASE": "test",
           "IOTDB_SQL_DIALECT": "table"
         }
       }
     }
   }
   

5. Speichern Sie und starten Sie Cline neu.
6. Prüfen Sie die MCP Server-Integration.

API-Schlüssel absichern
API-Zugangsdaten wie IOTDB_USER und IOTDB_PASSWORD werden über das Feld env in der Konfiguration verwaltet. Verwenden Sie Umgebungsvariablen, um sensible Daten nicht fest im Code zu speichern. Beispiel:

"env": {
  "IOTDB_HOST": "127.0.0.1",
  "IOTDB_PORT": "6667",
  "IOTDB_USER": "${IOTDB_USER}",
  "IOTDB_PASSWORD": "${IOTDB_PASSWORD}",
  "IOTDB_DATABASE": "test"
}

Und setzen Sie diese Umgebungsvariablen in Ihrem System, bevor Sie den Server starten.

Wie nutze ich diesen MCP in Flows?

MCP in FlowHunt verwenden

Um MCP-Server in Ihren FlowHunt-Workflow zu integrieren, fügen Sie zunächst die MCP-Komponente zu Ihrem Flow hinzu und verbinden Sie sie mit Ihrem KI-Agenten:

Klicken Sie auf die MCP-Komponente, um das Konfigurationspanel zu öffnen. Im System-MCP-Konfigurationsbereich fügen Sie die MCP Server-Daten im folgenden JSON-Format ein:

{
  "iotdb": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

Sobald konfiguriert, kann der KI-Agent diesen MCP als Tool mit Zugriff auf alle Funktionen und Möglichkeiten verwenden. Denken Sie daran, „iotdb“ durch den tatsächlichen Namen Ihres MCP Servers zu ersetzen und die URL durch Ihre MCP Server-Adresse.

Übersicht

Unsere Meinung

Der IoTDB MCP Server ist eine fokussierte, minimalistische Implementierung, die essenzielle Datenbank-Interaktionstools für IoTDB bereitstellt. Fortgeschrittene MCP-Features wie Prompts, Ressourcen, Roots und Sampling fehlen, aber für den spezifischen Use Case des Zeitreihen-Datenbankzugriffs ist er gut geeignet. Die Einrichtung ist für Claude Desktop gut dokumentiert, bei anderen Integrationen Standard. Insgesamt ein spezialisiertes, aber solides MCP Server-Projekt für datenbankzentrierte Workflows.

MCP Score