MotherDuck MCP Server

Was macht der „MotherDuck“ MCP Server?

MotherDuck MCP Server ist eine Implementierung des Model Context Protocol (MCP), die KI-Assistenten und IDEs mit DuckDB- und MotherDuck-Datenbanken verbindet. Dadurch können Nutzer leistungsfähige SQL-Analysen durchführen, indem eine standardisierte Schnittstelle sowohl für lokale DuckDB-Dateien als auch cloudbasierte MotherDuck-Datenbanken bereitgestellt wird. Der Server unterstützt hybrides Ausführen und ermöglicht nahtlosen Datenzugriff aus lokalen und Cloud-Speichern – inklusive Amazon S3 über die Integrationen von MotherDuck. Durch die Bereitstellung von Datenbankinteraktion als Tool für KI-Systeme wird es Entwicklern und KI-Agenten leicht gemacht, Datenbankabfragen auszuführen, Daten zu verwalten und Datenworkflows ohne manuelle Konfiguration oder Serververwaltung zu optimieren. Dieser serverlose Ansatz beschleunigt Analysen, Datenaustausch und die Entwicklung von Datenpipelines direkt aus KI-gestützten Umgebungen heraus.

Liste der Prompts

• duckdb-motherduck-initial-prompt: Eine Prompt-Vorlage zur Initialisierung einer Verbindung zu DuckDB oder MotherDuck und zum Start der Arbeit mit der Datenbank.

Liste der Ressourcen

• Close the Loop: Schnellere Datenpipelines mit MCP, DuckDB & KI (Blogpost): Blogbeitrag zur Integration von MCP, DuckDB und KI für die schnelle Entwicklung von Datenpipelines.
• Schnellere Entwicklung von Datenpipelines mit MCP und DuckDB (YouTube): Video-Ressource, die die Nutzung von MCP und DuckDB für Datenpipelines demonstriert.

Liste der Tools

• query: Führt eine SQL-Abfrage entweder auf der DuckDB- oder MotherDuck-Datenbank aus.
  • Eingaben:
    • query (string, erforderlich): Die auszuführende SQL-Anweisung.

Anwendungsfälle für diesen MCP Server

• SQL-Analytics in KI-Assistenten: Ermöglicht LLMs oder Coding-Assistenten, SQL-Abfragen direkt gegen DuckDB oder MotherDuck auszuführen und natürliche Sprache in umsetzbare Analysen zu verwandeln.
• Entwicklung von Datenpipelines: Erleichtert die schnelle Entwicklung und das Prototyping von Datenpipelines, indem KI-Systeme mit lokalen und Cloud-Datenquellen interagieren können.
• Hybrides Abfragen lokal & Cloud: Unterstützt Szenarien, in denen Entwickler sowohl lokale (DuckDB) als auch Cloud-(MotherDuck-)Daten nahtlos abfragen müssen und erhöht so die Flexibilität von Workflows.
• Cloud-Speicher-Integration: KI-Agenten können über MotherDuck-Verbindungen auf in Amazon S3 oder anderen integrierten Cloud-Speichern abgelegte Daten zugreifen und diese analysieren.
• Serverloses Daten-Exploring: Beseitigt die Notwendigkeit, Recheninfrastruktur zu verwalten, und ermöglicht schnelle, bedarfsgesteuerte Analysen für Nutzer und KI-Systeme.

Einrichtung

Windsurf

1. Stellen Sie sicher, dass Node.js und Windsurf installiert sind.

2. Öffnen Sie Ihre Windsurf-Konfigurationsdatei (meist windsurf.config.json).

3. Fügen Sie den MotherDuck MCP Server im Abschnitt mcpServers hinzu:

   {
     "mcpServers": {
       "motherduck": {
         "command": "uvx",
         "args": ["mcp-server-motherduck", "--transport", "stream", "--db-path", "md:"]
       }
     }
   }
   

4. Speichern Sie die Konfiguration und starten Sie Windsurf neu.

5. Überprüfen Sie in Windsurf, dass der MotherDuck MCP Server läuft und erreichbar ist.

API-Schlüssel absichern

Verwenden Sie Umgebungsvariablen, um sensible Zugangsdaten wie Ihren MotherDuck-Token bereitzustellen:

{
  "mcpServers": {
    "motherduck": {
      "command": "uvx",
      "args": ["mcp-server-motherduck", "--transport", "stream", "--db-path", "md:"],
      "env": {
        "motherduck_token": "${MOTHERDUCK_TOKEN}"
      }
    }
  }
}

Claude

1. Installieren Sie Claude und stellen Sie sicher, dass Node.js eingerichtet ist.

2. Suchen Sie die Claude-Konfigurationsdatei (meistens claude.config.json).

3. Fügen Sie Folgendes zu Ihren mcpServers hinzu:

   {
     "mcpServers": {
       "motherduck": {
         "command": "uvx",
         "args": ["mcp-server-motherduck", "--transport", "stream", "--db-path", "md:"]
       }
     }
   }
   

4. Starten Sie Claude neu und prüfen Sie, ob der Server in der Oberfläche erscheint.

5. Verwenden Sie wie oben beschrieben Umgebungsvariablen, um API-Schlüssel abzusichern.

Cursor

1. Stellen Sie sicher, dass Cursor installiert und aktuell ist.

2. Öffnen Sie die Cursor-Einstellungen (cursor.config.json).

3. Fügen Sie im Bereich mcpServers Folgendes ein:

   {
     "mcpServers": {
       "motherduck": {
         "command": "uvx",
         "args": ["mcp-server-motherduck", "--transport", "stream", "--db-path", "md:"]
       }
     }
   }
   

4. Speichern Sie und starten Sie Cursor neu.

5. Setzen Sie sensible Token über Umgebungsvariablen.

Cline

1. Installieren Sie Cline und die erforderlichen Abhängigkeiten.

2. Bearbeiten Sie cline.config.json und fügen Sie hinzu:

   {
     "mcpServers": {
       "motherduck": {
         "command": "uvx",
         "args": ["mcp-server-motherduck", "--transport", "stream", "--db-path", "md:"]
       }
     }
   }
   

3. Speichern Sie die Konfiguration und starten Sie Cline neu.

4. Stellen Sie sicher, dass motherduck_token zur Sicherheit als Umgebungsvariable gesetzt ist.

Nutzung dieses MCP in Flows

MCP in FlowHunt verwenden

Um MCP-Server in Ihren FlowHunt-Workflow zu integrieren, fügen Sie 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. Fügen Sie im System-MCP-Konfigurationsbereich Ihre MCP-Serverdaten im folgenden JSON-Format ein:

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

Nach der Konfiguration kann Ihr KI-Agent dieses MCP als Tool mit Zugriff auf alle Funktionen und Fähigkeiten nutzen. Denken Sie daran, "motherduck" ggf. durch den tatsächlichen Namen Ihres MCP-Servers zu ersetzen und die URL mit Ihrer eigenen MCP-Server-URL auszutauschen.

Übersicht

Zwischen diesen beiden Tabellen ist der MotherDuck MCP Server gut dokumentiert: mit klaren Prompts, Tool-Unterstützung, Ressourcen und Sicherheitspraktiken, aber ohne explizite Erwähnung von Roots und Sampling Support. Insgesamt handelt es sich um eine solide, praxisnahe Implementierung für Datenbankanalysen mit MCP-Schnittstelle.

MCP Score