도리스 MCP 서버 통합

“도리스” MCP 서버란 무엇을 하나요?

Doris MCP(Model Context Protocol) 서버는 Python과 FastAPI로 구축된 백엔드 서비스로, AI 어시스턴트와 클라이언트를 Apache Doris 데이터베이스와 연결합니다. MCP 표준을 구현하여 언어 모델과 외부 데이터 소스 간의 안전하고 효율적인 상호작용을 지원합니다. Doris MCP 서버는 자연어 쿼리를 SQL로 변환(NL2SQL), 데이터베이스 쿼리 실행, 메타데이터 조회 및 관리, 고급 모니터링 및 분석 작업을 가능하게 합니다. 도구, 프롬프트, 리소스 전용 매니저가 포함된 모듈형 아키텍처로 데이터 개발 워크플로우 강화, 데이터베이스 관리 자동화, 엔터프라이즈 시스템의 AI 기반 인사이트 통합에 적합한 강력한 솔루션입니다.

프롬프트 목록

• 데이터 분석을 위한 지능형 프롬프트 템플릿
  (프롬프트 매니저에서 관리되며, LLM의 데이터 분석 작업 표준화를 위해 설계되었습니다. 구체적인 템플릿은 문서에 개별적으로 나열되어 있지 않습니다.)

리소스 목록

• 리소스 관리 및 메타데이터 노출
  (Resources Manager를 통해 Doris 데이터베이스의 메타데이터와 리소스를 AI 클라이언트에 노출합니다.)
• 카탈로그 연동 지원
  (내부 Doris 테이블뿐만 아니라 Hive, MySQL 등 외부 소스 접근을 지원합니다.)
• 포괄적 데이터베이스 메타데이터
  (LLM 컨텍스트로 활용할 수 있도록 상세한 메타데이터를 제공합니다.)
• 쿼리 분석 산출물
  (쿼리 설명 및 프로파일링 결과를 LLM에 첨부 및 분석용으로 내보냅니다.)

도구 목록

• 고급 모니터링 도구
  (고급 메모리 추적, 지표 수집, 백엔드 노드 탐색 기능 제공)
• 쿼리 정보 도구
  (SQL 설명, 프로파일링, 분석 기능 제공)
• 도구 매니저
  (중앙 집중식 도구 등록 및 MCP를 통한 도구 호출 라우팅 인터페이스)
• 리소스 매니저
  (리소스 노출 및 메타데이터 관리 담당)
• 프롬프트 매니저
  (AI 및 LLM 워크플로우용 프롬프트 템플릿 관리 및 제공)

MCP 서버 활용 사례

• 자연어→SQL(NL2SQL):
  개발자가 자연어 쿼리를 Doris 데이터베이스용 SQL로 자동 변환해 데이터 접근과 분석을 간소화합니다.
• 고급 쿼리 모니터링 및 프로파일링:
  SQL 설명, 성능 프로파일링, 분석 도구를 통해 성능 튜닝과 진단을 지원합니다.
• 메타데이터 탐색 및 관리:
  AI 기반 시스템이 데이터베이스 스키마, 카탈로그, 리소스를 탐색할 수 있어 문서 자동 생성이나 데이터 매핑 자동화에 활용됩니다.
• 다중 소스 데이터 통합:
  카탈로그 연동으로 외부 데이터 소스(Hive, MySQL 등)와의 통합을 지원해 포괄적 분석 워크플로우를 구현합니다.
• 안전한 데이터 작업:
  강력한 보안, 접근 제어, 데이터 마스킹을 적용해 LLM과 민감한 엔터프라이즈 데이터 간의 안전한 상호작용을 보장합니다.

설치 방법

Windsurf

1. Python 3.12+가 설치되어 있는지 확인하세요.

2. 패키지 설치:
   pip install mcp-doris-server@latest

3. Windsurf 설정 파일에 Doris MCP 서버를 추가하세요.

4. mcpServers 항목 아래에 다음 코드를 삽입하세요:

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

5. 저장하고 Windsurf를 재시작하세요.

6. 서버가 정상 실행되고 연결을 수락하는지 확인하세요.

Claude

1. Python 3.12+를 설치하세요.

2. Doris MCP 서버 설치:
   pip install mcp-doris-server@latest

3. Claude 설정의 mcpServers 항목에 서버를 추가하세요.

4. 다음과 같은 JSON 코드를 사용하세요:

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

5. Claude를 재시작하고 통합 상태를 확인하세요.

Cursor

1. Python 3.12+가 설치되어 있는지 확인하세요.

2. 서버 설치:
   pip install mcp-doris-server@latest

3. Cursor 설정에 다음을 추가하세요:

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

4. 설정을 저장하고 Cursor를 재시작하세요.

5. Doris MCP 서버 연결을 확인하세요.

Cline

1. Python 3.12+를 설치하세요.

2. Doris MCP 서버 설치:
   pip install mcp-doris-server@latest

3. 다음과 같이 Cline MCP 설정을 업데이트하세요:

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

4. 설정을 저장하고 Cline을 재시작하세요.

5. MCP 서버 상태를 확인하세요.

API 키 보안 관리

민감한 계정 정보 및 API 키는 환경 변수로 저장하세요. .env 예시:

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

설정에서 환경 변수를 참조하여 보안을 강화하세요.

플로우에서 MCP 사용 방법

FlowHunt에서 MCP 사용하기

FlowHunt 워크플로우에 MCP 서버를 통합하려면, 플로우에 MCP 컴포넌트를 추가한 뒤 AI 에이전트와 연결하세요:

MCP 컴포넌트를 클릭하여 설정 패널을 엽니다. 시스템 MCP 설정 섹션에 아래와 같은 JSON 형식으로 MCP 서버 정보를 입력하세요:

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

설정이 완료되면 해당 AI 에이전트는 MCP의 모든 기능과 역량을 도구로 활용할 수 있습니다. “doris-mcp"를 실제 MCP 서버 이름으로, URL도 알맞게 변경하세요.

개요

상기 정보에 따르면 Doris MCP 서버는 기능, 리소스, 설치 방법 측면에서 충실히 문서화되어 있습니다. 다만 프롬프트 템플릿과 샘플링 지원에 관한 세부 정보가 부족해 일부 고급 MCP 워크플로우에서 완성도가 다소 떨어질 수 있습니다.

의견

핵심 MCP 기능과 강력한 보안, 리소스 관리, 명확한 설치 가이드가 잘 갖춰져 있어 Doris MCP 서버는 MCP 프로토콜 지원과 실용성 측면에서 8/10의 평가를 받을 만합니다. 다만 프롬프트 목록의 명시, 샘플링/루트 관련 문서가 미흡한 점은 아쉽습니다.

MCP 점수