DataHub MCP 서버 통합

“DataHub” MCP 서버는 무엇을 하나요?

DataHub MCP(Model Context Protocol) 서버는 AI 어시스턴트와 귀사의 DataHub 데이터 생태계 간의 다리 역할을 합니다. DataHub의 강력한 메타데이터 및 컨텍스트 API를 MCP 표준을 통해 외부에 노출함으로써, AI 에이전트가 모든 엔터티 유형을 검색하고, 상세 메타데이터를 가져오고, 데이터 계보를 탐색하며, 연관된 SQL 쿼리를 나열할 수 있도록 지원합니다. 이를 통해 AI 모델이 최신 데이터 컨텍스트에 접근하고, 복잡한 질의를 수행하며, 선호하는 AI 인터페이스에서 직접 메타데이터 탐색을 자동화할 수 있어 개발 워크플로우가 획기적으로 향상됩니다. DataHub MCP 서버는 DataHub Core와 DataHub Cloud를 모두 지원하여, 조직의 메타데이터 플랫폼을 AI 기반 도구 및 어시스턴트와 통합하려는 기업에 유연한 솔루션을 제공합니다.

프롬프트 목록

저장소나 README에서 프롬프트 템플릿이 명시되거나 언급되지 않았습니다.

리소스 목록

저장소나 README에서 명시적인 MCP 리소스 프리미티브가 설명되어 있지 않습니다.

도구 목록

• 모든 엔터티 유형 및 임의 필터로 검색
  클라이언트가 사용자 정의 필터를 사용하여 DataHub 엔터티(데이터셋, 대시보드, 파이프라인 등)를 질의할 수 있습니다.
• 엔터티별 메타데이터 가져오기
  특정 DataHub 엔터티에 대한 포괄적 메타데이터를 조회합니다.
• 계보 그래프 탐색(상류·하류)
  주어진 엔터티의 상류(소스) 및 하류(소비자) 계보를 탐색할 수 있습니다.
• 데이터셋에 연결된 SQL 쿼리 목록화
  특정 데이터셋에 연관된 SQL 쿼리를 노출하여 감사 및 데이터 사용 이해에 도움을 줍니다.

MCP 서버의 활용 사례

• 포괄적 데이터 탐색
  개발자와 데이터 과학자는 모든 DataHub 엔터티를 검색·필터링하여 데이터 탐색 속도를 높이고 수작업을 줄일 수 있습니다.
• 자동 메타데이터 조회
  AI 에이전트가 엔터티의 상세 메타데이터를 프로그래밍적으로 조회하여, 자동화된 문서화, 품질 검사, 온보딩 워크플로우를 지원합니다.
• 영향도 평가를 위한 계보 분석
  상류·하류 계보를 탐색하여 변경의 영향을 즉시 평가하고 데이터 거버넌스를 개선할 수 있습니다.
• SQL 쿼리 감사
  데이터셋과 연관된 SQL 쿼리를 쉽게 조회·분석하여 컴플라이언스 모니터링, 성능 튜닝, 데이터 접근 최적화에 활용합니다.
• AI 기반 에이전트와의 통합
  DataHub를 최신 AI 어시스턴트와 원활하게 연결해 반복적인 데이터 관리·탐색 작업을 채팅 또는 코드 환경에서 자동화할 수 있습니다.

설정 방법

Windsurf

저장소에서 Windsurf 전용 안내를 찾을 수 없습니다.

Claude

1. uv 를 설치합니다.

2. which uvx 명령어로 uvx의 전체 경로를 찾습니다.

3. DataHub URL 및 개인 액세스 토큰을 준비합니다.

4. claude_desktop_config.json 파일을 아래와 같이 편집하세요:

   {
     "mcpServers": {
       "datahub": {
         "command": "<full-path-to-uvx>",  // 예: /Users/hsheth/.local/bin/uvx
         "args": ["mcp-server-datahub"],
         "env": {
           "DATAHUB_GMS_URL": "<your-datahub-url>",
           "DATAHUB_GMS_TOKEN": "<your-datahub-token>"
         }
       }
     }
   }
   

5. 파일을 저장하고 Claude Desktop을 (재)시작합니다. 에이전트 인터페이스에서 연결을 확인하세요.

Cursor

1. uv 를 설치합니다.

2. DataHub URL과 개인 액세스 토큰을 준비합니다.

3. .cursor/mcp.json 파일을 아래와 같이 편집하세요:

   {
     "mcpServers": {
       "datahub": {
         "command": "uvx",
         "args": ["mcp-server-datahub"],
         "env": {
           "DATAHUB_GMS_URL": "<your-datahub-url>",
           "DATAHUB_GMS_TOKEN": "<your-datahub-token>"
         }
       }
     }
   }
   

4. 파일을 저장하고 Cursor를 재시작하세요. MCP 상태 패널을 확인하세요.

Cline

저장소에서 Cline 전용 안내를 찾을 수 없습니다.

일반/기타 MCP 클라이언트

1. uv 를 설치합니다.

2. DataHub URL과 개인 액세스 토큰을 준비합니다.

3. 아래 설정을 사용하세요:

   command: uvx
   args:
     - mcp-server-datahub
   env:
     DATAHUB_GMS_URL: <your-datahub-url>
     DATAHUB_GMS_TOKEN: <your-datahub-token>
   

4. MCP 클라이언트 설정에 이 명령을 통합하세요.

API 키 보안

DATAHUB_GMS_TOKEN과 같은 민감한 자격 증명은 항상 환경 변수에 저장하고, 평문 파일에 직접 기록하지 마세요. 위 예시와 같이 구성의 env 필드를 활용해 비밀 정보를 안전하게 주입하세요.

플로우 내에서 MCP 활용법

FlowHunt에서 MCP 사용하기

MCP 서버를 FlowHunt 워크플로우에 통합하려면, 먼저 MCP 컴포넌트를 플로우에 추가하고 AI 에이전트와 연결하세요:

MCP 컴포넌트를 클릭해 구성 패널을 엽니다. 시스템 MCP 구성 섹션에 아래와 같은 JSON 형식으로 MCP 서버 정보를 입력하세요:

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

구성이 완료되면 AI 에이전트가 이 MCP를 도구로 사용하며 모든 기능과 역량에 접근할 수 있습니다. “datahub"는 실제 MCP 서버 이름으로, URL은 귀하의 MCP 서버 주소로 각각 변경해야 합니다.

개요

이 MCP 서버는 6/10 정도로 평가할 수 있습니다. 명확한 오픈소스 라이선스, 실제 도구 제공, 기본적인 보안 설정 안내가 있으나, 문서화된 프롬프트 템플릿, 명시적 리소스 프리미티브, 샘플링·루트 등 고급 MCP 기능이 부족합니다.

MCP 점수