Gravitino MCP 서버 통합

“Gravitino” MCP 서버는 무엇을 하나요?

Gravitino MCP 서버는 Model Context Protocol (MCP) 서버로, AI 어시스턴트와 Apache Gravitino(인큐베이팅) 서비스 간의 원활한 통합을 제공합니다. Gravitino API를 노출함으로써 외부 AI 도구와 워크플로가 카탈로그, 스키마, 테이블 등과 같은 메타데이터 구성 요소와 상호작용할 수 있게 합니다. Gravitino MCP 서버는 강력한 브릿지 역할을 하여 개발자와 AI 에이전트가 메타데이터 작업을 수행하고, 구조 정보를 쿼리하며, 사용자 역할을 효율적으로 관리할 수 있도록 지원합니다. 이 서버는 표준화된 인터페이스를 제공하여 복잡한 메타데이터 작업을 단순화하고, AI 기반 개발 환경이나 자동화된 플로우에 데이터 플랫폼 관리 작업을 쉽게 통합할 수 있게 합니다.

프롬프트 목록

제공된 문서에는 명시적으로 언급된 프롬프트 템플릿이 없습니다.

리소스 목록

문서에 명시적인 리소스 목록이 언급되어 있지 않습니다.

도구 목록

• get_list_of_catalogs: Gravitino 인스턴스에서 카탈로그 목록을 조회합니다.
• get_list_of_schemas: 카탈로그 전반의 스키마 목록을 조회합니다.
• get_list_of_tables: 스키마 내 이용 가능한 테이블의 페이지별 목록을 조회합니다.

이 MCP 서버의 활용 사례

• 메타데이터 탐색: 개발자와 AI 에이전트가 Apache Gravitino 내의 카탈로그, 스키마, 테이블을 효율적으로 조회 및 탐색할 수 있어 데이터 거버넌스와 문서화 워크플로를 지원합니다.
• 자동 데이터 플랫폼 통합: 실시간 메타데이터 쿼리를 위해 외부 시스템이나 AI 워크플로를 Gravitino에 쉽게 연결하여 수동 API 호출을 줄입니다.
• 역할 기반 접근 관리: 사용자 및 역할 관리 도구(기능 참고)를 통해 접근 제어 워크플로를 통합할 수 있습니다.
• AI 기반 데이터 탐색: AI 어시스턴트가 이용 가능한 데이터 구조를 탐색하여 지능형 코드 추천이나 데이터 분석 파이프라인을 지원합니다.
• 워크플로 자동화: 스키마 변경 동기화나 테이블 구조 감사를 위한 자동화된 파이프라인에 메타데이터 작업을 통합합니다.

설치 방법

Windsurf

1. 사전 준비: Node.js와 uv 툴이 설치되어 있는지 확인하세요.
2. 구성 파일 찾기: Windsurf 구성 파일을 여세요.
3. Gravitino MCP 서버 추가: mcpServers 섹션 아래에 다음 JSON 스니핏을 삽입하세요:

   {
     "mcpServers": {
       "Gravitino": {
         "command": "uv",
         "args": [
           "--directory",
           "/path/to/mcp-server-gravitino",
           "run",
           "--with",
           "fastmcp",
           "--with",
           "httpx",
           "--with",
           "mcp-server-gravitino",
           "python",
           "-m",
           "mcp_server_gravitino.server"
         ],
         "env": {
           "GRAVITINO_URI": "http://localhost:8090",
           "GRAVITINO_USERNAME": "admin",
           "GRAVITINO_PASSWORD": "admin",
           "GRAVITINO_METALAKE": "metalake_demo"
         }
       }
     }
   }
   

4. 환경 변수 수정: GRAVITINO_URI, GRAVITINO_USERNAME, GRAVITINO_PASSWORD, GRAVITINO_METALAKE를 실제 값으로 교체하세요.
5. 저장 및 재시작: 구성 파일을 저장하고 Windsurf를 재시작하세요.
6. 설정 확인: 서버가 정상적으로 실행되어 구성된 엔드포인트에서 접근 가능한지 확인하세요.

참고: API 키 또는 민감한 자격 증명을 안전하게 보관하려면 위 예시와 같이 env 섹션의 환경 변수를 사용하세요.

Claude

1. Node.js와 uv가 설치되어 있는지 확인하세요.
2. Claude 구성 파일을 수정하세요.
3. 위와 같이 Gravitino MCP 서버 구성을 mcpServers 섹션에 추가하세요.
4. 배포 환경에 맞게 환경 변수를 수정하세요.
5. 저장 후 Claude를 재시작하고 서버에 접근 가능한지 확인하세요.

Cursor

1. 사전 준비: Node.js와 uv가 설치되어 있어야 합니다.
2. Cursor 구성 파일을 여세요.
3. Gravitino MCP 서버 JSON 스니핏(위 참고)을 삽입하세요.
4. 올바른 환경 변수를 입력하세요.
5. 저장 후 Cursor를 재시작하고 연결을 확인하세요.

Cline

1. Node.js와 uv를 설치하세요.
2. Cline 구성 파일로 이동하세요.
3. 제공된 JSON 구조로 Gravitino MCP 서버를 추가하세요.
4. 모든 민감 정보를 env 섹션에 안전하게 저장하세요.
5. 저장 후 Cline을 재시작하고 MCP 서버 연결을 확인하세요.

API 키 보안:
민감한 자격 증명(토큰, 사용자명, 비밀번호 등)은 env 객체의 환경 변수로 저장하세요.
예시:

"env": {
  "GRAVITINO_URI": "http://localhost:8090",
  "GRAVITINO_USERNAME": "admin",
  "GRAVITINO_PASSWORD": "admin"
}

플로우 내에서 MCP 사용 방법

FlowHunt에서 MCP 사용하기

FlowHunt 워크플로에 MCP 서버를 통합하려면, MCP 컴포넌트를 플로우에 추가하고 AI 에이전트에 연결하세요:

MCP 컴포넌트를 클릭하여 구성 패널을 엽니다. 시스템 MCP 구성 섹션에서 다음과 같은 JSON 형식으로 MCP 서버 정보를 입력하세요:

{
  "Gravitino": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

구성이 완료되면, AI 에이전트가 이 MCP를 도구로 사용하여 모든 기능과 역량에 접근할 수 있습니다. “Gravitino"를 실제 MCP 서버 이름으로, 그리고 URL도 본인 MCP 서버의 주소로 꼭 변경하세요.

개요

| Roots 지원 | ⛔ | 미기재 |

위 표에 따르면 Gravitino MCP 서버는 최소한의 기능적 통합과 명확한 설치 지침, 도구 노출을 제공하지만, 프롬프트 템플릿, 리소스 정의, roots나 sampling 등의 고급 MCP 기능은 제공하지 않습니다.

의견

Gravitino MCP 서버는 설정이 쉽고 유용한 메타데이터 도구를 노출하지만, 문서와 서버 기능 면에서 프롬프트, 리소스, 고급 에이전트 기능 등 MCP 확장 기능은 부족합니다. 기본적인 메타데이터 상호작용에는 적합하지만, 더 포괄적인 MCP 통합이 보완된다면 더욱 유용할 것입니다. MCP 점수: 5/10

MCP 점수