Keboola MCP Server

Čo robí “Keboola” MCP Server?

Keboola MCP Server funguje ako open-source most medzi vaším Keboola projektom a modernými AI nástrojmi. Prepája AI asistentov a MCP klientov (ako Claude, Cursor, Windsurf, VS Code a iné) s platformou Keboola a sprístupňuje funkcionality ako prístup k úložisku, SQL transformácie, správu komponentov a spúšťanie úloh ako volateľné nástroje. Táto integrácia umožňuje AI modelom a agentom dopytovať tabuľky, spravovať konfigurácie, spúšťať úlohy a pracovať s metadátami priamo z ich prostredia. Tým zjednodušuje vývojové workflow, eliminuje „lepiaci kód“ a zabezpečuje, že AI agenti majú vždy k dispozícii správne dáta a funkcionality – čo zvyšuje produktivitu a umožňuje komplexnú automatizáciu.

Zoznam promptov

Zoznam zdrojov

Zoznam nástrojov

Na základe vlastností repozitára a dostupnej dokumentácie Keboola MCP Server poskytuje tieto nástroje:

• Storage: Priame dopytovanie tabuliek a správa popisov tabuliek alebo bucketov v úložisku Keboola.
• Components: Vytváranie, vypisovanie a kontrola extractorov, writerov, dátových aplikácií a konfiguračných transformácií.
• SQL: Tvorba a spúšťanie SQL transformácií pomocou prirodzeného jazyka.
• Jobs: Spúšťanie komponentov, spúšťanie transformácií a získavanie detailov o vykonaných úlohách.
• Metadata: Vyhľadávanie, čítanie a aktualizácia dokumentácie projektu a metadát objektov.

Príklady využitia tohto MCP Servera

• Správa databázy: Priame dopytovanie a správa tabuliek či bucketov v úložisku Keboola, AI agenti môžu získavať alebo upravovať projektové dáta.
• Prehliadanie kódu a konfigurácií: Výpis, tvorba a kontrola extractorov, writerov a transformácií cez AI nástroje, čo zjednodušuje správu konfigurácií.
• Automatizované SQL transformácie: Generovanie a spúšťanie SQL dotazov cez prirodzený jazyk pre rýchlu transformáciu a analýzu uložených dát.
• Orchestrácia a monitoring úloh: Spúšťanie komponentov, orchestrácia úloh a získavanie histórie spustení, čo uľahčuje automatizáciu a dohľad nad ETL/dátovými workflow.
• Správa metadát: Vyhľadávanie, čítanie a aktualizácia dokumentácie a metadát projektu, aby boli informácie organizované a dostupné pre ľudí aj AI agentov.

Ako ho nastaviť

Windsurf

1. Uistite sa, že máte nainštalovaný Python 3.10+ a uv.
2. Získajte svoj Keboola Storage API token a (ak používate vlastný token) schému vášho workspace.
3. Vo Windsurf vyhľadajte konfiguračný súbor MCP.
4. Pridajte záznam pre Keboola MCP Server pomocou tohto JSON úseku:

   {
     "mcpServers": {
       "keboola-mcp": {
         "command": "uv",
         "args": ["pip", "run", "--", "keboola-mcp-server"]
       }
     }
   }
   

5. Uložte konfiguračný súbor a reštartujte Windsurf.
6. Overte dostupnosť servera v MCP rozhraní Windsurf.

Zabezpečenie API kľúčov (Windsurf)

{
  "mcpServers": {
    "keboola-mcp": {
      "command": "uv",
      "args": ["pip", "run", "--", "keboola-mcp-server"],
      "env": {
        "KBC_STORAGE_TOKEN": "${KBC_STORAGE_TOKEN}",
        "KBC_WORKSPACE_SCHEMA": "${KBC_WORKSPACE_SCHEMA}"
      },
      "inputs": {
        "KBC_STORAGE_TOKEN": "env",
        "KBC_WORKSPACE_SCHEMA": "env"
      }
    }
  }
}

Claude

1. Uistite sa, že máte nainštalovaný Python 3.10+ a uv.
2. Získajte potrebné Keboola prihlasovacie údaje.
3. Otvorte klientskú konfiguráciu MCP v Claude.
4. Vložte nastavenie pre Keboola MCP Server:

   {
     "mcpServers": {
       "keboola-mcp": {
         "command": "uv",
         "args": ["pip", "run", "--", "keboola-mcp-server"]
       }
     }
   }
   

5. Uložte a reštartujte Claude.
6. Overte, že je server prístupný z Claude.

Cursor

1. Nainštalujte Python 3.10+ a uv.
2. Pripravte svoj Keboola API token a schému workspace.
3. Otvorte konfiguračný súbor MCP v Cursor.
4. Pridajte túto konfiguráciu:

   {
     "mcpServers": {
       "keboola-mcp": {
         "command": "uv",
         "args": ["pip", "run", "--", "keboola-mcp-server"]
       }
     }
   }
   

5. Uložte súbor a reštartujte Cursor.
6. Skontrolujte úspešné pripojenie k MCP serveru.

Cline

1. Uistite sa, že Python 3.10+ a uv sú nainštalované.
2. Pripravte požadované Keboola prihlasovacie údaje.
3. Upravte sekciu MCP serverov v konfigurácii Cline.
4. Pridajte záznam pre Keboola MCP Server:

   {
     "mcpServers": {
       "keboola-mcp": {
         "command": "uv",
         "args": ["pip", "run", "--", "keboola-mcp-server"]
       }
     }
   }
   

5. Uložte konfiguráciu a reštartujte Cline.
6. Overte správnu funkčnosť servera.

Poznámka: Citlivé údaje ako API tokeny zabezpečte cez environmentálne premenné, ako je ukázané vo Windsurf príklade vyššie.

Ako používať tento MCP vo flowoch

Použitie MCP vo FlowHunt

Ak chcete integrovať MCP server do svojho workflow vo FlowHunt, začnite pridaním MCP komponentu do flow a jeho prepojením s AI agentom:

Kliknite na MCP komponent pre otvorenie konfiguračného panela. V sekcii konfigurácie MCP systému vložte detaily MCP servera v tomto JSON formáte:

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

Po nakonfigurovaní má AI agent možnosť používať tento MCP ako nástroj s prístupom ku všetkým jeho funkciám. Nezabudnite zmeniť “keboola-mcp” na skutočný názov vášho MCP servera a URL na vlastnú adresu MCP servera.

Prehľad

Moje hodnotenie: Keboola MCP Server poskytuje silnú sadu nástrojov a jasné inštrukcie na nastavenie, ale chýbajú dokumentované šablóny promptov a explicitné definície MCP zdrojov. Jeho zameranie na umožnenie AI agentom prístup k komplexným dátovým workflow je robustné. Sampling a podpora roots nie sú zdokumentované. Celkovo ide o veľmi praktický a pripravený MCP na produkciu, avšak s určitými medzerami v dokumentácii promptov/zdrojov.

MCP skóre