Teradata MCP 서버

“Teradata” MCP 서버는 무엇을 하나요?

Teradata MCP(Model Context Protocol) 서버는 AI 어시스턴트와 Teradata 데이터베이스 간의 원활한 통합을 제공하도록 설계되어, 고급 데이터베이스 상호작용 및 비즈니스 인텔리전스 워크플로우를 지원합니다. 이 서버를 통해 AI 기반 시스템은 Teradata 데이터 웨어하우스에서 직접 SQL 쿼리를 실행하고, 데이터베이스 스키마를 탐색하며, 분석 작업을 수행할 수 있습니다. 쿼리, 스키마 점검, 데이터 분석을 위한 다양한 도구를 제공하여 개발자와 AI 에이전트가 비즈니스 인사이트 조회, 대용량 데이터셋 관리, 데이터 기반 애플리케이션 개발을 자동화할 수 있도록 돕습니다. Teradata에 저장된 엔터프라이즈 데이터에 실시간으로 접근해야 하는 데이터 분석가, 엔지니어, AI 시스템의 생산성을 향상시킵니다.

프롬프트 목록

저장소에 명시적으로 언급된 프롬프트 템플릿이 없습니다.

리소스 목록

저장소에 명시적으로 문서화된 리소스가 없습니다.

도구 목록

• query
  데이터베이스에서 데이터를 읽기 위한 SELECT 쿼리를 실행합니다.
  입력: query (문자열) — 실행할 SELECT SQL 쿼리
  반환: 객체 배열 형태의 쿼리 결과

• list_db
  Teradata 시스템의 모든 데이터베이스를 나열합니다.
  반환: 데이터베이스 목록

• list_objects
  데이터베이스 내의 오브젝트를 나열합니다.
  입력: db_name (문자열) — 데이터베이스 이름
  반환: 지정 또는 기본 데이터베이스의 오브젝트 목록

• show_tables
  데이터베이스의 테이블 정보를 상세히 보여줍니다.
  입력: table_name (문자열) — 테이블 이름
  반환: 컬럼 이름 및 데이터 타입 배열

• list_missing_values
  테이블 내 결측치가 많은 주요 피처를 나열합니다.

• list_negative_values
  테이블 내 음수 값을 가진 피처 수를 나열합니다.

• list_distinct_values
  테이블의 한 컬럼에 대해 고유 카테고리 개수를 나열합니다.

• standard_deviation
  테이블의 한 컬럼에 대한 평균 및 표준편차를 반환합니다.

이 MCP 서버의 활용 사례

• 데이터베이스 쿼리 자동화
  query 도구를 활용해 비즈니스 데이터 조회를 자동화하고, AI 에이전트나 개발자가 복잡한 SELECT 작업을 수동 SQL 스크립팅 없이 수행할 수 있습니다.

• 스키마 탐색
  list_db, list_objects, show_tables를 사용해 데이터베이스 구조를 파악하고, 사용 가능한 테이블 및 컬럼 타입을 조사할 수 있습니다. 이는 신규 데이터셋 온보딩이나 데이터 기반 애플리케이션 구축에 필수적입니다.

• 데이터 품질 분석
  list_missing_values, list_negative_values를 통해 결측치나 오류 데이터를 탐지하여 데이터 전처리 및 분석에 활용할 수 있습니다.

• 범주형 데이터 인사이트
  list_distinct_values로 컬럼 내 고유 카테고리를 파악해 피처 엔지니어링이나 비즈니스 리포팅에 응용할 수 있습니다.

• 통계 요약
  standard_deviation 도구로 평균 및 표준편차 등 주요 통계를 신속히 조회하여 기초 분석이나 이상치 탐지에 활용할 수 있습니다.

설치 방법

Windsurf

구체적인 설치 안내가 제공되지 않았습니다.

Claude

1. uv가 사전 설치되어 있는지 확인하세요.
2. mcp-teradata 저장소를 클론하거나 다운로드하세요.
3. claude_desktop_config.json 구성 파일을 찾으세요.
4. mcpServers 오브젝트 아래에 Teradata MCP 서버 구성을 추가하세요:

   {
     "mcpServers": {
       "teradata": {
         "command": "uv",
         "args": [
           "--directory",
           "/Users/MCP/mcp-teradata",
           "run",
           "teradata-mcp"
         ],
         "env": {
           "DATABASE_URI": "teradata://user:passwd@host"
         }
       }
     }
   }
   

5. 설정 파일을 저장하고 Claude Desktop을 재시작하세요.
6. 테스트 쿼리 실행 또는 로그 확인으로 연결을 검증하세요.

API 키 보안 관리

민감한 정보(DATABASE_URI 등)는 env 섹션에 저장하세요:

"env": {
  "DATABASE_URI": "teradata://user:passwd@host"
}

필요 시 환경 변수 또는 시크릿 매니저를 사용하세요.

Cursor

구체적인 설치 안내가 제공되지 않았습니다.

Cline

구체적인 설치 안내가 제공되지 않았습니다.

플로우 내에서 MCP 사용 방법

FlowHunt에서 MCP 사용하기

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

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

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

설정이 완료되면 AI 에이전트가 이 MCP를 도구로 사용하여 모든 기능을 활용할 수 있습니다. "teradata"는 실제 MCP 서버 이름으로, URL은 본인 MCP 서버의 URL로 변경하는 것을 잊지 마세요.

개요

Roots 지원: 문서화되어 있지 않음

제공된 문서와 기능 세트를 바탕으로 볼 때, Teradata MCP 서버는 견고한 데이터베이스 도구를 제공하지만 리소스, 프롬프트 템플릿, Roots, 샘플링 지원에 관한 포괄적 문서가 부족합니다. 데이터베이스 작업에는 기능이 풍부하나 표준 MCP 기능 및 가이드에서는 제한적입니다.

MCP 점수

평가:
이 MCP 서버는 10점 만점에 5점을 주겠습니다. 데이터베이스 도구와 명확한 라이선스는 잘 갖추었으나, 프롬프트 템플릿·리소스·Roots·샘플링·플랫폼 독립적 설치 안내 등의 문서가 부족합니다. Teradata와 MCP 개념에 익숙한 기술 사용자에게 적합합니다.