Keboola MCPサーバー

「Keboola」MCPサーバーは何をするのか？

Keboola MCPサーバーは、あなたのKeboolaプロジェクトと最新のAIツールをつなぐオープンソースのブリッジとして機能します。AIアシスタントやMCPクライアント（Claude、Cursor、Windsurf、VS Codeなど）をKeboolaプラットフォームに接続し、ストレージアクセス、SQL変換、コンポーネント管理、ジョブトリガーなどの機能を呼び出し可能なツールとして公開します。この統合により、AIモデルやエージェントはテーブルのクエリ、設定の管理、ジョブの実行、メタデータとのやりとりを自分の環境から直接行うことができます。その結果、開発ワークフローが効率化され、グルーコードが不要になり、必要なデータや機能をAIエージェントが必要なタイミングで利用できるようになり、生産性が向上し複雑な自動化シナリオも実現可能です。

プロンプト一覧

リソース一覧

ツール一覧

リポジトリの特徴や利用可能なドキュメントに基づき、Keboola MCPサーバーが提供する主なツールは以下のとおりです：

• ストレージ: テーブルを直接クエリし、Keboolaストレージ内のテーブルやバケットの説明を管理します。
• コンポーネント: エクストラクタ、ライター、データアプリ、変換設定の作成・一覧・詳細確認が可能です。
• SQL: 自然言語でSQL変換を作成・実行できます。
• ジョブ: コンポーネントの実行、変換のトリガー、ジョブ実行結果の取得が行えます。
• メタデータ: プロジェクトドキュメントやオブジェクトのメタデータの検索、読み取り、更新が可能です。

このMCPサーバーのユースケース

• データベース管理: Keboolaストレージ内のテーブルやバケットを直接クエリ・管理し、AIエージェントがプロジェクトデータを取得・変更できます。
• コードベース＆設定探索: エクストラクタ、ライター、変換設定をAIツールから一覧・作成・確認でき、設定管理が容易になります。
• 自動SQL変換: 自然言語でSQLクエリを生成＆実行し、ストレージデータの迅速な変換や分析が可能です。
• ジョブのオーケストレーション＆監視: コンポーネントの実行、ジョブのオーケストレーション、実行履歴の取得でETLやデータワークフローの自動化・監視が簡単に行えます。
• メタデータ管理: プロジェクトドキュメントやメタデータの検索・読み取り・更新で、人間とAIの双方にとって情報が整理・利用しやすくなります。

セットアップ方法

Windsurf

1. Python 3.10以上とuvがインストールされていることを確認します。
2. Keboola Storage APIトークンと（カスタムトークンを使う場合）ワークスペーススキーマを取得します。
3. WindsurfでMCP設定ファイルを探します。
4. 以下のJSONスニペットでKeboola MCPサーバーエントリーを追加します：

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

5. 設定ファイルを保存し、Windsurfを再起動します。
6. WindsurfのMCPインターフェースでサーバーが利用可能か確認します。

APIキーのセキュリティ保護方法（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. Python 3.10以上とuvがインストールされていることを確認します。
2. 必要なKeboola認証情報を取得します。
3. ClaudeクライアントのMCP設定を開きます。
4. Keboola MCPサーバー設定を挿入します：

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

5. 保存してClaudeを再起動します。
6. Claudeからサーバーへアクセスできるか確認します。

Cursor

1. Python 3.10以上とuvをインストールします。
2. Keboola APIトークンとワークスペーススキーマを準備します。
3. CursorのMCP設定ファイルを開きます。
4. 以下の設定を追加します：

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

5. ファイルを保存し、Cursorを再起動します。
6. MCPサーバーへの接続が成功しているか確認します。

Cline

1. Python 3.10以上とuvがインストールされていることを確認します。
2. 必要なKeboola認証情報を取得します。
3. Clineの設定ファイル内のMCPサーバーセクションを編集します。
4. Keboola MCPサーバーエントリーを追加します：

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

5. 設定を保存しClineを再起動します。
6. サーバーが正しく動作しているか確認します。

注意： APIトークンなど機密情報は、上記Windsurfの例のように環境変数を利用して安全に管理してください。

フロー内でこのMCPを使う方法

FlowHuntでMCPを利用

FlowHuntワークフローにMCPサーバーを統合するには、MCPコンポーネントをフローに追加し、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設定欄に以下のJSON形式でサーバー情報を入力します：

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

設定後、AIエージェントはこのMCPをツールとして利用でき、すべての機能にアクセス可能になります。“keboola-mcp"はご自身のMCPサーバー名に、URLもご自身のMCPサーバーのURLに変更してください。

概要

私の評価：Keboola MCPサーバーは多機能なツールと明確なセットアップ手順を備えていますが、プロンプトテンプレートや明示的なMCPリソース定義のドキュメントは不足しています。AIエージェントによる高度なデータワークフロー実現に注力した堅牢な設計です。サンプリングやrootsサポートの記載はありません。全体として非常に実用的かつ本番利用可能なMCPですが、プロンプトやリソースに関するドキュメントにやや不足があります。

MCPスコア