Keboola MCP -palvelin

Mitä “Keboola” MCP -palvelin tekee?

Keboola MCP -palvelin toimii avoimen lähdekoodin sillanasi Keboola-projektin ja nykyaikaisten tekoälytyökalujen välillä. Se yhdistää AI-avustajat ja MCP-asiakkaat (esim. Claude, Cursor, Windsurf, VS Code jne.) Keboola-alustaan, tarjoten varaston käytön, SQL-muunnokset, komponenttien hallinnan ja työn laukaisun kutsuttavina työkaluina. Tämä mahdollistaa AI-mallien ja agenttien taulukkojen kyselyn, konfiguraatioiden hallinnan, töiden suorittamisen ja metadatan käsittelyn suoraan omasta ympäristöstään. Näin kehitysprosessit virtaviivaistuvat, välikoodin tarve poistuu ja AI-agentit saavat käyttöönsä oikean datan ja toiminnot juuri silloin, kun niitä tarvitaan – tuottavuutta ja automaatiota parantaen.

Kehotepohjien lista

Resurssien lista

Työkalujen lista

Repositorion ominaisuuksien ja dokumentaation perusteella Keboola MCP -palvelin tarjoaa seuraavat työkalut:

• Varasto: Kysy tauluja suoraan ja hallitse taulujen tai bucketien kuvauksia Keboolan varastossa.
• Komponentit: Luo, listaa ja tarkastele ekstraktoreita, kirjoittajia, data-sovelluksia ja muunnoskonfiguraatioita.
• SQL: Luo ja suorita SQL-muunnoksia luonnollisella kielellä.
• Työt: Suorita komponentteja, laukaise muunnoksia ja hae työn suoritusyksityiskohtia.
• Metadata: Etsi, lue ja päivitä projektin dokumentaatiota ja objektin metadataa.

Tämän MCP-palvelimen käyttötapaukset

• Tietokantojen hallinta: Kysy ja hallitse tauluja tai bucketeja Keboola-varastossa, mahdollistaen AI-agenttien hakea tai muokata projektin dataa.
• Koodipohjan & konfiguraation tutkiminen: Listaa, luo ja tarkastele ekstraktoreita, kirjoittajia ja muunnoskonfiguraatioita AI-työkaluista, helpottaen konfiguraation hallintaa.
• Automaattinen SQL-muunnos: Käytä luonnollista kieltä SQL-kyselyiden generointiin ja suorittamiseen – mahdollistaen nopeat muunnokset ja datan analyysin.
• Töiden orkestrointi & seuranta: Suorita komponentteja, orkestroi töitä ja nouda suoritushistorioita – mahdollistaen ETL-/data-työnkulkujen automaation ja valvonnan.
• Metadatan hallinta: Etsi, lue ja päivitä projektin dokumentaatio ja metadata – pitäen tiedot järjestyksessä ja helposti saatavilla sekä ihmisille että AI-agenteille.

Kuinka se otetaan käyttöön

Windsurf

1. Varmista, että sinulla on Python 3.10+ ja uv asennettuna.
2. Hanki Keboola Storage API -token ja (jos käytät mukautettua tokenia) työtilan skeema.
3. Windsurfissa etsi MCP-konfiguraatiotiedosto.
4. Lisää Keboola MCP -palvelin seuraavalla JSON-pätkällä:

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

5. Tallenna konfiguraatiotiedosto ja käynnistä Windsurf uudelleen.
6. Tarkista palvelimen saatavuus Windsurfin MCP-käyttöliittymästä.

API-avainten suojaaminen (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. Varmista, että Python 3.10+ ja uv on asennettu.
2. Hanki tarvittavat Keboola-tunnisteet.
3. Avaa Clauden MCP-konfiguraatio.
4. Lisää Keboola MCP -palvelin seuraavasti:

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

5. Tallenna ja käynnistä Claude uudelleen.
6. Varmista palvelimen saavutettavuus Claudessa.

Cursor

1. Asenna Python 3.10+ ja uv.
2. Valmistele Keboola API -token ja työtilan skeema.
3. Avaa Cursorin MCP-konfiguraatiotiedosto.
4. Lisää seuraava konfiguraatio:

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

5. Tallenna tiedosto ja käynnistä Cursor uudelleen.
6. Tarkista MCP-palvelinyhteys.

Cline

1. Varmista, että Python 3.10+ ja uv on asennettu.
2. Kerää vaaditut Keboola-tunnisteet.
3. Muokkaa MCP-palvelinten osiota Clinen konfiguraatiossa.
4. Lisää Keboola MCP -palvelin näin:

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

5. Tallenna konfiguraatio ja käynnistä Cline uudelleen.
6. Tarkista palvelimen toiminta.

Huom: Suojaa arkaluonteiset tunnisteet, kuten API-tokenit, ympäristömuuttujilla kuten Windsurf-esimerkissä yllä.

Kuinka käyttää tätä MCP:tä työnkuluissa

MCP:n käyttö FlowHuntissa

Integroi MCP-palvelimet FlowHunt-työnkulkuusi lisäämällä MCP-komponentti työnkulkuun ja yhdistä se AI-agenttiin:

Klikkaa MCP-komponenttia avataksesi konfiguraatiopaneelin. Järjestelmän MCP-konfiguraatio-osioon lisää MCP-palvelimesi tiedot käyttäen tätä JSON-muotoa:

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

Kun konfiguraatio on tehty, AI-agentti voi nyt käyttää tätä MCP:tä työkaluna kaikkine toimintoineen ja ominaisuuksineen. Muista muuttaa “keboola-mcp” MCP-palvelimesi oikeaksi nimeksi ja korvata URL omalla MCP-palvelimesi osoitteella.

Yhteenveto

Oma arvio: Keboola MCP -palvelin tarjoaa laajan työkalupaketin ja selkeät käyttöönotto-ohjeet, mutta dokumentaatiosta puuttuu kehotepohjia ja tarkkoja MCP-resurssimäärittelyjä. Sen painopiste tekoälyagenttien mahdollistamisessa monimutkaisiin datatyönkulkuihin on vahva. Näytteenotto- ja root-tuki eivät ole dokumentoituja. Kokonaisuutena kyseessä on erittäin käytännöllinen ja tuotantovalmis MCP, vaikka dokumentaatiossa on joitakin puutteita kehotteiden ja resurssien osalta.

MCP-pisteet