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.

비즈니스 성장 준비가 되셨나요?

오늘 무료 평가판을 시작하고 며칠 내로 결과를 확인하세요.

데모 요청 로그인

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.

뉴스레터 가입

최신 팁, 트렌드 및 특가 정보를 무료로 받아보세요.

이메일 주소

구독

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