Intégration du serveur Doris MCP

À quoi sert le serveur “Doris” MCP ?

Le serveur Doris MCP (Model Context Protocol) est un service backend construit avec Python et FastAPI, conçu pour connecter les assistants IA et les clients aux bases de données Apache Doris. En implémentant le standard MCP, il facilite les interactions sécurisées et efficaces entre les modèles de langage et les sources de données externes. Le serveur Doris MCP permet des tâches telles que la conversion de requêtes en langage naturel en SQL (NL2SQL), l’exécution de requêtes, la récupération et la gestion des métadonnées, ainsi que la surveillance et l’analytique avancées. Son architecture modulaire inclut des gestionnaires dédiés pour les outils, prompts et ressources, ce qui en fait une solution robuste pour améliorer les workflows de développement de données, automatiser la gestion des bases et intégrer des insights IA dans les systèmes d’entreprise.

Liste des prompts

• Modèles intelligents de prompt pour l’analyse de données
  (Gérés par le gestionnaire de prompts et conçus pour standardiser les interactions LLM pour les tâches analytiques. Les modèles spécifiques sont référencés mais non listés individuellement dans la documentation disponible.)

Prêt à développer votre entreprise?

Commencez votre essai gratuit aujourd'hui et voyez les résultats en quelques jours.

Demander une démo Se connecter

Liste des ressources

• Gestion des ressources et exposition des métadonnées
  (Expose les métadonnées et ressources des bases Doris aux clients IA via le gestionnaire de ressources.)
• Support de fédération de catalogues
  (Permet l’accès aux tables internes Doris et à des sources externes comme Hive et MySQL.)
• Métadonnées de base de données complètes
  (Fournit une extraction détaillée des métadonnées à utiliser comme contexte LLM.)
• Artéfacts d’analytique de requêtes
  (Exporte les résultats d’explication et de profilage de requêtes pour attachement et analyse par LLM.)

Liste des outils

• Outils de surveillance avancée
  (Suivi mémoire avancé, collecte de métriques, découverte de nœuds backend.)
• Outils d’information sur les requêtes
  (Fonctionnalités d’explication SQL, de profilage et d’analytique.)
• Gestionnaire d’outils
  (Interface centrale d’enregistrement et d’orchestration des appels d’outils via MCP.)
• Gestionnaire de ressources
  (Gère l’exposition des ressources et la gestion des métadonnées.)
• Gestionnaire de prompts
  (Gère et diffuse les modèles de prompt pour les workflows IA et LLM.)

Rejoignez notre newsletter

Recevez gratuitement les derniers conseils, tendances et offres.

Adresse e-mail

S'abonner

Cas d’usage de ce serveur MCP

• Langage naturel vers SQL (NL2SQL) :
  Permet aux développeurs de convertir des requêtes en langage naturel en instructions SQL pour les bases Doris, facilitant l’accès et l’analyse des données.
• Surveillance et profilage avancés des requêtes :
  Fournit des outils d’explication SQL, de profilage des performances et d’analytique, utiles pour l’optimisation et le diagnostic.
• Exploration et gestion des métadonnées :
  Permet aux systèmes IA d’explorer les schémas, catalogues et ressources des bases, pour des tâches comme la génération de documentation ou la cartographie automatisée des données.
• Intégration de données multi-sources :
  Prend en charge la fédération de catalogues, intégrant sans couture des sources externes (ex. Hive, MySQL) pour des workflows analytiques complets.
• Opérations sécurisées sur les données :
  Implémente une sécurité renforcée, le contrôle d’accès et le masquage des données pour assurer des interactions sûres entre LLM et données sensibles de l’entreprise.

Comment le configurer

Windsurf

1. Assurez-vous que Python 3.12+ est installé.

2. Installez le package :
   pip install mcp-doris-server@latest

3. Modifiez le fichier de configuration de Windsurf pour ajouter le serveur Doris MCP.

4. Insérez l’extrait suivant sous mcpServers :

   {
     "doris-mcp": {
       "command": "mcp-doris-server",
       "args": []
     }
   }
   

5. Enregistrez et redémarrez Windsurf.

6. Vérifiez que le serveur fonctionne et accepte les connexions.

Claude

1. Installez Python 3.12+.

2. Installez le serveur Doris MCP :
   pip install mcp-doris-server@latest

3. Ajoutez le serveur dans la configuration de Claude sous mcpServers.

4. Utilisez un extrait JSON comme :

   {
     "doris-mcp": {
       "command": "mcp-doris-server",
       "args": []
     }
   }
   

5. Redémarrez Claude et vérifiez l’intégration.

Cursor

1. Assurez-vous que Python 3.12+ est installé.

2. Installez le serveur :
   pip install mcp-doris-server@latest

3. Dans la config de Cursor, ajoutez :

   {
     "mcpServers": {
       "doris-mcp": {
         "command": "mcp-doris-server",
         "args": []
       }
     }
   }
   

4. Enregistrez la configuration et redémarrez Cursor.

5. Confirmez la connexion au serveur Doris MCP.

Cline

1. Installez Python 3.12+.

2. Installez le serveur Doris MCP :
   pip install mcp-doris-server@latest

3. Mettez à jour la configuration MCP de Cline avec :

   {
     "mcpServers": {
       "doris-mcp": {
         "command": "mcp-doris-server",
         "args": []
       }
     }
   }
   

4. Enregistrez la config et redémarrez Cline.

5. Vérifiez l’état du serveur MCP.

Sécurisation des clés API

Stockez les identifiants sensibles et les clés API dans des variables d’environnement. Exemple avec .env :

{
  "env": {
    "DORIS_HOST": "votre-hôte-doris",
    "DORIS_PORT": "votre-port",
    "DORIS_USER": "nom-utilisateur",
    "DORIS_PASSWORD": "mot-de-passe"
  },
  "inputs": {
    "database": "votre-base"
  }
}

Assurez-vous que les variables d’environnement sont référencées dans votre configuration pour une sécurité renforcée.

Comment utiliser ce MCP dans les flux

Utilisation du MCP dans FlowHunt

Pour intégrer des serveurs MCP dans votre workflow FlowHunt, commencez par ajouter le composant MCP à votre flux et connectez-le à votre agent IA :

Cliquez sur le composant MCP pour ouvrir le panneau de configuration. Dans la section de configuration MCP système, insérez les détails de votre serveur MCP au format JSON suivant :

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

Une fois configuré, l’agent IA pourra utiliser ce MCP comme outil avec accès à toutes ses fonctions et capacités. N’oubliez pas de remplacer “doris-mcp” par le nom réel de votre serveur MCP et d’adapter l’URL.

Aperçu

D’après les informations ci-dessus, le serveur Doris MCP est bien documenté en termes de fonctionnalités, ressources et configuration. Cependant, certains détails sur les modèles de prompt et le support d’échantillonnage manquent ou ne sont pas explicitement listés, ce qui limite légèrement son exhaustivité pour des workflows MCP avancés.

Notre avis

Au vu de la présence forte des fonctionnalités MCP de base, de la sécurité et gestion des ressources robustes, ainsi que d’une documentation claire pour la configuration, le serveur Doris MCP obtient la note de 8/10 pour le support du protocole MCP et l’application pratique. Les lacunes concernent principalement l’absence de liste explicite des prompts et le manque d’une documentation sur l’échantillonnage/racines.

Score MCP