Couchbase MCP Server

Was macht der “Couchbase” MCP Server?

Der Couchbase MCP Server ist eine Implementierung des Model Context Protocol (MCP), die es Large Language Models (LLMs) und KI-Assistenten ermöglicht, direkt mit in Couchbase-Clustern gespeicherten Daten zu interagieren. Als Middleware erlaubt dieser Server die nahtlose Integration von Couchbase-Datenbankoperationen in KI-gestützte Entwicklungs-Workflows. Unterstützt werden Aufgaben wie das Abrufen der Struktur von Collections, das Zugreifen auf Dokumente per ID, das Upserten oder Löschen von Dokumenten sowie das Ausführen von SQL++-Abfragen. Durch die Anbindung von LLMs an Live-Couchbase-Daten können Entwickler das Datenbankmanagement automatisieren, die Produktivität steigern und komplexe Datenoperationen über natürliche Sprachschnittstellen vereinfachen. Der Server kann für Nur-Lese- oder Lese-/Schreibmodus konfiguriert werden und ist mit verschiedenen MCP-Clients wie Claude Desktop, Cursor und Windsurf kompatibel.

Liste der Prompts

Im Repository sind keine Informationen zu Prompt-Vorlagen hinterlegt.

Bereit, Ihr Geschäft zu erweitern?

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

Demo anfragen Anmelden

Liste der Ressourcen

In den Repository-Dateien oder dem README sind keine expliziten Ressourcen-Definitionen dokumentiert.

Liste der Tools

• Liste aller Scopes und Collections abrufen: Metadaten zur Organisation eines angegebenen Couchbase-Buckets abrufen.
• Struktur einer Collection abrufen: Strukturelle Informationen (Schema) für eine bestimmte Collection anzeigen.
• Dokument per ID abrufen: Ein Dokument aus einem angegebenen Scope und einer Collection mittels eindeutiger ID abrufen.
• Dokument per ID upserten: Ein Dokument in einem angegebenen Scope und einer Collection einfügen oder aktualisieren.
• Dokument per ID löschen: Ein Dokument aus einem angegebenen Scope und einer Collection entfernen.
• SQL++-Abfrage ausführen: Eine Lese- oder (optional) schreibberechtigte SQL++-Abfrage für einen angegebenen Scope ausführen. Standardmäßig sind schreibende Abfragen aus Sicherheitsgründen deaktiviert.

Abonnieren Sie unseren Newsletter

Erhalten Sie die neuesten Tipps, Trends und Angebote kostenlos.

E-Mail-Adresse

Abonnieren

Anwendungsfälle dieses MCP Servers

• Datenbankmanagement: Automatisieren Sie gängige Datenbankoperationen wie das Hinzufügen, Aktualisieren oder Löschen von Dokumenten direkt über KI-Schnittstellen und reduzieren Sie manuellen Aufwand.
• Datenexploration: Ermöglichen Sie es Entwicklern und KI-Agenten, schnell Datenstrukturen, Collections und Dokumenteninhalte für Analysen oder Debugging zu erkunden.
• Interaktive Abfragen: Erlauben Sie Abfragen in natürlicher Sprache, die in SQL++ übersetzt und auf Couchbase ausgeführt werden, damit auch Nicht-Experten Daten abrufen können.
• Automatisierte Berichte: Unterstützen Sie die Erstellung dynamischer Berichte durch Abfragen und Aggregieren von Daten in KI-gesteuerten Workflows.
• Nahtlose Integration in Entwicklungs-Workflows: Steigern Sie die Produktivität, indem Sie den Zugriff auf Couchbase-Daten in Tools wie Claude, Cursor oder Windsurf integrieren und kontextbasierte Codierungs- und Dokumentationsaufgaben erleichtern.

So richten Sie es ein

Windsurf

1. Voraussetzungen: Stellen Sie sicher, dass Python 3.10+ und uv installiert sind und Sie Zugriff auf einen Couchbase-Cluster haben.
2. Repository klonen:

   git clone https://github.com/Couchbase-Ecosystem/mcp-server-couchbase.git
   

3. Bearbeiten Sie die Windsurf-MCP-Client-Konfiguration, um den Couchbase MCP Server hinzuzufügen:

   {
     "mcpServers": {
       "couchbase": {
         "command": "uv",
         "args": [
           "--directory",
           "path/to/cloned/repo/mcp-server-couchbase/",
           "run",
           "src/mcp_server.py"
         ],
         "env": {
           "CB_CONNECTION_STRING": "couchbases://connection-string",
           "CB_USERNAME": "username",
           "CB_PASSWORD": "password",
           "CB_BUCKET_NAME": "bucket_name"
         }
       }
     }
   }
   

4. Starten Sie Windsurf neu, um die Änderungen zu übernehmen.
5. Überprüfen Sie die Verbindung mit einer Testabfrage.

Claude

1. Voraussetzungen: Python 3.10+, uv , Zugriff auf einen Couchbase-Cluster, Claude Desktop installiert.
2. Klonen Sie das Couchbase MCP Server-Repository.
3. Suchen Sie die Konfigurationsdatei:
   • Mac: ~/Library/Application Support/Claude/claude_desktop_config.json
   • Windows: %APPDATA%\Claude\claude_desktop_config.json
4. Fügen Sie die oben gezeigte Server-Konfiguration in den Abschnitt mcpServers ein.
5. Starten Sie Claude Desktop neu.
6. Testen Sie die Verbindung, indem Sie Couchbase-Daten über die Claude-Oberfläche abfragen.

Cursor

1. Stellen Sie sicher, dass Python 3.10+, uv und Zugriff auf einen Couchbase-Cluster vorhanden sind.
2. Klonen Sie das Repository und installieren Sie ggf. Abhängigkeiten.
3. Fügen Sie den Couchbase MCP Server zur Cursor-Konfiguration hinzu:

   {
     "mcpServers": {
       "couchbase": {
         "command": "uv",
         "args": [
           "--directory",
           "path/to/cloned/repo/mcp-server-couchbase/",
           "run",
           "src/mcp_server.py"
         ],
         "env": {
           "CB_CONNECTION_STRING": "couchbases://connection-string",
           "CB_USERNAME": "username",
           "CB_PASSWORD": "password",
           "CB_BUCKET_NAME": "bucket_name"
         }
       }
     }
   }
   

4. Starten Sie Cursor neu.
5. Überprüfen Sie die Einrichtung mit einer Datenbankoperation.

Cline

1. Voraussetzungen erfüllen: Python 3.10+, uv , Couchbase-Cluster.
2. Klonen Sie das Repository lokal.
3. Fügen Sie Folgendes zur MCP-Konfiguration von Cline hinzu:

   {
     "mcpServers": {
       "couchbase": {
         "command": "uv",
         "args": [
           "--directory",
           "path/to/cloned/repo/mcp-server-couchbase/",
           "run",
           "src/mcp_server.py"
         ],
         "env": {
           "CB_CONNECTION_STRING": "couchbases://connection-string",
           "CB_USERNAME": "username",
           "CB_PASSWORD": "password",
           "CB_BUCKET_NAME": "bucket_name"
         }
       }
     }
   }
   

4. Änderungen speichern und Cline neu starten.
5. Bestätigen Sie die Einrichtung mit einer Datenbankaktion.

Sichern von API-Schlüsseln:
Alle sensiblen Werte (z. B. CB_PASSWORD) werden als Umgebungsvariablen im env-Bereich der Konfiguration gespeichert.
Beispiel:

"env": {
  "CB_CONNECTION_STRING": "couchbases://connection-string",
  "CB_USERNAME": "username",
  "CB_PASSWORD": "password",
  "CB_BUCKET_NAME": "bucket_name"
}

Wie nutzt man dieses 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 Bereich System-MCP-Konfiguration fügen Sie Ihre MCP-Serverdetails im folgenden JSON-Format ein:

{ “couchbase”: { “transport”: “streamable_http”, “url”: “https://yourmcpserver.example/pathtothemcp/url" } }

Nach der Konfiguration kann der KI-Agent dieses MCP nun als Tool mit Zugriff auf alle Funktionen und Möglichkeiten nutzen. Denken Sie daran, “couchbase” durch den tatsächlichen Namen Ihres MCP-Servers zu ersetzen und die URL durch Ihre eigene MCP-Server-URL auszutauschen.

Übersicht

Basierend auf der obigen Tabelle ist der Couchbase MCP Server für Einrichtung und Tool-Exposure gut dokumentiert, es fehlen jedoch explizite Prompt-Vorlagen, Ressourcen-Definitionen, und Dokumentation zur Sampling-/Root-Unterstützung. Der Nutzen für Datenbankaufgaben ist klar, jedoch könnte der MCP Server durch mehr MCP-native Features verbessert werden. Ich bewerte diesen MCP Server mit 6/10 für den allgemeinen Einsatz mit LLMs und in Entwicklerumgebungen.

MCP Score