Doris MCPサーバー統合

「Doris」MCPサーバーとは？

Doris MCP（Model Context Protocol）サーバーは、PythonとFastAPIで構築されたバックエンドサービスで、AIアシスタントやクライアントをApache Dorisデータベースと接続します。MCP標準を実装することで、言語モデルと外部データソース間の安全かつ効率的なやりとりを支援します。Doris MCPサーバーは、自然言語クエリからSQL（NL2SQL）への変換、データベースクエリの実行、メタデータの取得・管理、高度なモニタリングや分析などを可能にします。ツール・プロンプト・リソースごとに専用のマネージャを備えたモジュール構成で、データ開発ワークフローの強化、データベース管理自動化、AIによるインサイトのエンタープライズシステムへの統合などに最適な堅牢なソリューションです。

プロンプト一覧

• データ分析用インテリジェントプロンプトテンプレート
  （Prompts Managerで管理され、LLMによるデータ分析タスクのやりとりを標準化するためのテンプレート。個別テンプレートはドキュメント内に個別リストされていません。）

リソース一覧

• リソース管理とメタデータ公開
  （Resources Managerを通じてDorisデータベースのメタデータやリソースをAIクライアントに公開します。）
• カタログフェデレーション対応
  （Doris内部テーブルだけでなく、HiveやMySQLなど外部ソースへのアクセスも可能です。）
• 包括的なデータベースメタデータ
  （LLMの文脈として活用できる詳細なメタデータ抽出を提供します。）
• クエリアナリティクス成果物
  （クエリの説明やプロファイリング結果をLLMに添付・解析可能な形式でエクスポートします。）

ツール一覧

• 高度なモニタリングツール
  （メモリトラッキング、メトリクス収集、バックエンドノード検出などの機能を強化。）
• クエリ情報ツール
  （SQLのexplain、プロファイリング、分析機能を提供します。）
• Tools Manager
  （MCP経由でツール呼び出しをオーケストレーションする中央管理・ルーティングインターフェース。）
• Resources Manager
  （リソース公開やメタデータ管理を担います。）
• Prompts Manager
  （AI・LLMワークフロー用のプロンプトテンプレートを管理・提供します。）

このMCPサーバーのユースケース

• 自然言語からSQL（NL2SQL）:
  開発者が人間の言葉によるクエリをDoris SQL文に変換し、データアクセスや分析を効率化します。
• 高度なクエリモニタリングとプロファイリング:
  SQLのexplainやパフォーマンスプロファイリング、分析ツールを提供し、パフォーマンスチューニングや診断を支援します。
• メタデータ探索と管理:
  AI搭載システムがデータベーススキーマやカタログ、リソースを探索し、ドキュメント生成や自動データマッピング等に活用できます。
• マルチソースデータ統合:
  カタログフェデレーションによって外部データソース（例：Hive、MySQL）との統合が可能となり、包括的な分析ワークフローを実現します。
• 安全なデータ操作:
  強固なセキュリティ・アクセス制御・データマスキングを実装し、LLMと企業の機密データ間の安全なやりとりを保証します。

セットアップ方法

Windsurf

1. Python 3.12+がインストールされていることを確認します。

2. パッケージをインストール:
   pip install mcp-doris-server@latest

3. Windsurfの設定ファイルを編集し、Doris MCPサーバーを追加します。

4. mcpServersの下に以下のスニペットを挿入します:

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

5. 保存してWindsurfを再起動します。

6. サーバーが稼働し接続を受け付けているか確認します。

Claude

1. Python 3.12+をインストールします。

2. Doris MCPサーバーをインストール:
   pip install mcp-doris-server@latest

3. Claudeの設定のmcpServersにサーバーを追加します。

4. 以下のようなJSONスニペットを使用します:

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

5. Claudeを再起動し、統合を確認します。

Cursor

1. Python 3.12+がインストールされていることを確認します。

2. サーバーをインストール:
   pip install mcp-doris-server@latest

3. Cursorの設定に次を追加します:

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

4. 設定を保存しCursorを再起動します。

5. Doris MCPサーバーへの接続を確認します。

Cline

1. Python 3.12+をインストールします。

2. Doris MCPサーバーをインストール:
   pip install mcp-doris-server@latest

3. Cline MCPの設定を以下で更新します:

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

4. 設定を保存しClineを再起動します。

5. MCPサーバーのステータスを確認します。

APIキーのセキュリティ

機密性の高い認証情報やAPIキーは環境変数で管理してください。.env利用例:

{
  "env": {
    "DORIS_HOST": "your-doris-host",
    "DORIS_PORT": "your-port",
    "DORIS_USER": "username",
    "DORIS_PASSWORD": "password"
  },
  "inputs": {
    "database": "your-database"
  }
}

安全性向上のため、必ず設定ファイルで環境変数を参照してください。

フロー内でのMCPの使い方

FlowHuntでのMCP利用

MCPサーバーをFlowHuntワークフローに統合するには、まずフローにMCPコンポーネントを追加し、AIエージェントに接続します。

MCPコンポーネントをクリックして設定パネルを開き、システムMCP設定セクションで以下のJSON形式でMCPサーバー情報を入力します。

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

設定後、AIエージェントはこのMCPのすべての機能と能力にアクセスできるようになります。doris-mcpは実際のMCPサーバー名、URLも実環境に合わせて変更してください。

概要

上記情報に基づき、Doris MCPサーバーは機能・リソース・セットアップに関するドキュメントが充実しています。ただし、プロンプトテンプレートやサンプリングサポートに関する詳細記載が不足しているため、高度なMCPワークフローにとっては若干の情報不足があります。

当社の見解

コアMCP機能の充実、安全性・リソース管理の強化、明快なセットアップガイダンスなどから、Doris MCPサーバーはMCPプロトコル対応と実用性で8/10と評価できます。主な不足点はプロンプト個別リストとサンプリング/rootsドキュメントの欠如です。

MCPスコア