Serveur MCP KurrentDB

Que fait le serveur MCP “KurrentDB” ?

Le serveur MCP KurrentDB est un outil conçu pour permettre aux assistants IA et aux développeurs d’interagir facilement avec KurrentDB, une base de données orientée flux. En exposant un ensemble d’outils et d’opérations standardisées, le serveur permet aux clients d’interroger, lire et écrire des données de flux, ainsi que de créer et gérer des projections directement depuis des environnements de développement IA. Cette intégration améliore les flux de travail en permettant des tâches telles que la récupération de flux d’événements, l’enregistrement de nouveaux événements et la création de projections de données de manière programmatique ou en langage naturel. Le serveur MCP KurrentDB rationalise le prototypage, le débogage et l’exploration des données pilotées par événements, ce qui le rend particulièrement précieux pour le développement rapide et l’analyse dans des applications exploitant KurrentDB.

Liste des prompts

• read_stream : Modèle pour récupérer des événements à partir d’un flux spécifié, avec options pour la direction et les limites.
• write_events_to_stream : Modèle pour ajouter des événements à un flux, en spécifiant le type d’événement, les données et les métadonnées.
• list_streams : Modèle pour lister les flux disponibles, avec gestion de la pagination et de la direction.
• build_projection : Modèle pour décrire et générer une nouvelle projection à l’aide de l’IA.
• create_projection : Modèle pour créer une projection à partir d’une spécification.
• update_projection : Modèle pour mettre à jour une projection existante.
• test_projection : Modèle pour tester une projection avec des données d’exemple.
• get_projections_status : Modèle pour récupérer l’état de toutes les projections.

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

• Données de flux : Accès aux données d’événements de flux dans KurrentDB, permettant la lecture et l’analyse.
• Liste des flux : Liste et métadonnées des flux disponibles dans la base de données.
• Projections : Définitions et vues calculées (projections) créées à partir des données de flux.
• Statut des projections : Informations en temps réel sur l’état des projections existantes.

Liste des outils

• read_stream : Lit les événements d’un flux spécifique, avec options d’ordre (arrière/avant) et de comptage.
• write_events_to_stream : Ajoute de nouveaux événements à un flux avec des données personnalisées, un type d’événement et des métadonnées.
• list_streams : Retourne la liste de tous les flux disponibles dans l’instance KurrentDB.
• build_projection : Utilise l’IA pour générer une projection basée sur les besoins de l’utilisateur.
• create_projection : Crée une nouvelle projection dans KurrentDB.
• update_projection : Met à jour une projection existante avec de nouvelles spécifications.
• test_projection : Teste une projection à l’aide de données ou scénarios d’exemple.
• get_projections_status : Récupère les informations d’état et de santé de toutes les projections.

Rejoignez notre newsletter

Recevez gratuitement les derniers conseils, tendances et offres.

Adresse e-mail

S'abonner

Cas d’usage de ce serveur MCP

• Exploration d’événements en base : Les développeurs peuvent rapidement visualiser, filtrer et analyser des données d’événements historiques ou en temps réel dans n’importe quel flux KurrentDB, facilitant le dépannage et les audits.
• Ingestion et journalisation d’événements : Journaux programmatiques de nouveaux événements (ex. : actions utilisateur, changements système) directement dans la base pour un event sourcing robuste et une traçabilité accrue.
• Développement et débogage de projections : Création, test et affinage rapides de projections pour l’analyse ou des modèles de données dérivés, réduisant les cycles de retour pour les fonctionnalités pilotées par les données.
• Découverte de métadonnées de flux : Lister tous les flux et examiner leur structure ou leurs métadonnées pour informer la conception du schéma ou la navigation dans les données.
• Surveillance opérationnelle : Utilisation des outils pour vérifier la santé et l’état des projections, garantissant le bon fonctionnement des transformations de données critiques.

Comment l’installer

Windsurf

1. Prérequis : Assurez-vous que Python est installé et que KurrentDB fonctionne avec les projections activées (--run-projections=all --start-standard-projections).
2. Localiser la configuration : Ouvrez .codeium/windsurf/mcp_config.json.
3. Ajouter le serveur MCP KurrentDB :

   {
     "mcpServers": {
       "kurrentdb": {
         "command": "python",
         "args": ["path to mcp-server folder\\server.py"],
         "env": {
           "KURRENTDB_CONNECTION_STRING": "insérer la connexion kurrentdb ici"
         }
       }
     }
   }
   

4. Sauvegarder et redémarrer : Enregistrez la configuration et redémarrez Windsurf.
5. Vérifier l’installation : Confirmez que le serveur MCP est actif et connecté.

Claude

1. Prérequis : Python installé, KurrentDB fonctionnant avec les options de projection requises.
2. Localiser la configuration : Modifiez le fichier de configuration de Claude Desktop.
3. Ajouter le serveur MCP KurrentDB :

   {
     "servers": {
       "KurrentDB": {
         "type": "stdio",
         "command": "uv",
         "args": [
           "--directory",
           "path to mcp-server folder",
           "run",
           "server.py"
         ],
         "env": {
           "KURRENTDB_CONNECTION_STRING": "insérer la connexion kurrentdb ici"
         }
       }
     }
   }
   

4. Sauvegarder et redémarrer : Enregistrez et relancez Claude Desktop.
5. Vérifier : Assurez-vous que KurrentDB MCP apparaît dans l’interface Claude.

Cursor

1. Prérequis : Python et KurrentDB configurés comme ci-dessus.
2. Localiser la configuration : Modifiez .cursor/mcp.json.
3. Ajouter le serveur MCP KurrentDB :

   {
     "mcpServers": {
       "kurrentdb": {
         "command": "python",
         "args": ["path to mcp-server folder\\server.py"],
         "env": {
           "KURRENTDB_CONNECTION_STRING": "insérer la connexion kurrentdb ici"
         }
       }
     }
   }
   

4. Sauvegarder et redémarrer : Appliquez les modifications et redémarrez Cursor.
5. Vérifier : Confirmez que le serveur MCP fonctionne et est accessible.

Cline

Aucune instruction explicite fournie dans le dépôt pour la configuration de Cline.

Sécurisation des clés API

Utilisez des variables d’environnement dans votre configuration :

"env": {
  "KURRENTDB_CONNECTION_STRING": "insérer la connexion kurrentdb ici"
}

Cela permet de garder les identifiants en sécurité et hors du contrôle de version.

Comment utiliser ce MCP dans les flows

Utilisation du MCP dans FlowHunt

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

Cliquez sur le composant MCP pour ouvrir le panneau de configuration. Dans la section de configuration système MCP, insérez les informations de votre serveur MCP en utilisant ce format JSON :

{
  "kurrentdb": {
    "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. Pensez à changer “kurrentdb” par le nom réel de votre serveur MCP et à remplacer l’URL par celle de votre propre serveur MCP.

Aperçu

Notre avis

Le serveur MCP KurrentDB est bien documenté et fournit un ensemble complet d’outils et de ressources pour interagir avec les flux et les projections dans KurrentDB. Les instructions de configuration sont claires pour les principales plateformes, mais certaines fonctionnalités avancées du MCP comme Roots et Sampling ne sont pas mentionnées. Dans l’ensemble, ce MCP est robuste pour son cas d’usage en base de données.

Note : 8/10

Score MCP