Apache IoTDB MCP Server

Vad gör “IoTDB” MCP Server?

Apache IoTDB MCP Server är en implementation av Model Context Protocol (MCP) som är utformad för att möjliggöra sömlös databasinteraktion och business intelligence-funktioner via IoTDB, en tidsseriedatabas. Genom att agera som en brygga möjliggör den för AI-assistenter och klienter att köra SQL-frågor mot IoTDB, och därmed stödja dataanalys och hanteringsuppgifter direkt via naturligt språk eller programstyrda LLM-baserade arbetsflöden. Utvecklare kan använda MCP-servern för att utföra databasfrågor, se schemainformation och hämta metadata, vilket förbättrar deras förmåga att integrera IoTDB i AI-drivna utvecklingsmiljöer för uppgifter som att fråga tidsseriedata och hantera databasscheman.

Lista över Prompts

Servern tillhandahåller inga prompts.

Lista över Resurser

Servern exponerar inga resurser.

Lista över Verktyg

IoTDB MCP Server erbjuder olika verktyg beroende på vald SQL-dialekt (“tree” eller “table”).

Tree-modell

• metadata_query
  • Utför SHOW/COUNT-frågor för att hämta metadata från IoTDB-databasen.
  • Inmatning: query_sql (string) – SHOW/COUNT SQL-fråga att köra.
  • Utmatning: Frågeresultat som en array av objekt.
• select_query
  • Utför SELECT-frågor för att läsa tidsseriedata från databasen.
  • Inmatning: query_sql (string) – SELECT SQL-fråga att köra.
  • Utmatning: Frågeresultat som en array av objekt.

Table-modell

Frågeverktyg

• read_query
  • Utför SELECT-frågor för att läsa data från databasen.
  • Inmatning: query (string) – SELECT SQL-fråga att köra.
  • Utmatning: Frågeresultat som en array av objekt.

Schemainstrument

• list_tables
  • Hämtar en lista över alla tabeller i databasen.
  • Inmatning: Ingen.
  • Utmatning: Array av tabellnamn.
• describe-table
  • Tillhandahåller schemainformation för en specifik tabell.
  • Inmatning: table_name (string) – Namn på tabellen att beskriva.
  • Utmatning: Array av kolumndefinitioner med namn och typer.

Användningsområden för denna MCP-server

• Hantering av tidsseriedatabaser
  Fråga, bläddra och hantera enkelt storskalig tidsseriedata lagrad i IoTDB direkt från AI-assistenter eller LLM-drivna utvecklingsverktyg.
• Schemautforskning
  Hämta och utforska databasscheman, få listor över tabeller och visa tabellbeskrivningar för att förstå och dokumentera databasstrukturen.
• Business Intelligence-integration
  Integrera IoTDB-data i BI-arbetsflöden med naturlig språkfrågning och schemaanalys, vilket underlättar analys och rapportering.
• Automatiserad dataanalys
  Använd MCP-servern som backend för automatiserade analysflöden, där LLM:er genererar och kör SQL-frågor baserat på användarens intention.
• Metadata-inspektion
  Kör SHOW/COUNT-frågor för att visa databasmetadata, vilket hjälper till med övervakning, revision och optimering av databasen.

Hur du sätter upp det

Windsurf

1. Kontrollera att du har Python installerat och pakethanteraren uv.
2. Installera eller klona IoTDB MCP Server-förvaret.
3. Redigera Windsurf-konfigurationsfilen för att lägga till IoTDB MCP Server.
4. Använd följande JSON-utdrag i din konfiguration:

   {
     "mcpServers": {
       "iotdb": {
         "command": "uv",
         "args": [
           "--directory",
           "YOUR_REPO_PATH/src/iotdb_mcp_server",
           "run",
           "server.py"
         ],
         "env": {
           "IOTDB_HOST": "127.0.0.1",
           "IOTDB_PORT": "6667",
           "IOTDB_USER": "root",
           "IOTDB_PASSWORD": "root",
           "IOTDB_DATABASE": "test",
           "IOTDB_SQL_DIALECT": "table"
         }
       }
     }
   }
   

5. Spara konfigurationen och starta om Windsurf.
6. Kontrollera att servern körs och är ansluten.

Claude

1. Installera Python, uv och IoTDB som förutsättningar.
2. Klona IoTDB MCP Server-förvaret.
3. På MacOS, redigera ~/Library/Application Support/Claude/claude_desktop_config.json; på Windows, redigera %APPDATA%/Claude/claude_desktop_config.json.
4. Lägg till MCP-serverposten:

   {
     "mcpServers": {
       "iotdb": {
         "command": "uv",
         "args": [
           "--directory",
           "YOUR_REPO_PATH/src/iotdb_mcp_server",
           "run",
           "server.py"
         ],
         "env": {
           "IOTDB_HOST": "127.0.0.1",
           "IOTDB_PORT": "6667",
           "IOTDB_USER": "root",
           "IOTDB_PASSWORD": "root",
           "IOTDB_DATABASE": "test",
           "IOTDB_SQL_DIALECT": "table"
         }
       }
     }
   }
   

5. Spara ändringarna och starta om Claude Desktop.
6. Kontrollera att servern är tillgänglig i Claude.

Cursor

1. Kontrollera att Python, uv och IoTDB är installerade.
2. Klona MCP server-förvaret.
3. Redigera Cursors konfiguration för att inkludera MCP-servern.
4. Använd följande JSON:

   {
     "mcpServers": {
       "iotdb": {
         "command": "uv",
         "args": [
           "--directory",
           "YOUR_REPO_PATH/src/iotdb_mcp_server",
           "run",
           "server.py"
         ],
         "env": {
           "IOTDB_HOST": "127.0.0.1",
           "IOTDB_PORT": "6667",
           "IOTDB_USER": "root",
           "IOTDB_PASSWORD": "root",
           "IOTDB_DATABASE": "test",
           "IOTDB_SQL_DIALECT": "table"
         }
       }
     }
   }
   

5. Spara konfigurationen och starta om Cursor.
6. Kontrollera att MCP-servern är aktiv och svarar.

Cline

1. Installera nödvändiga beroenden: Python, uv och IoTDB.
2. Klona Apache IoTDB MCP Server.
3. Öppna Clines konfigurationsfil.
4. Lägg till MCP-serverinformationen enligt nedan:

   {
     "mcpServers": {
       "iotdb": {
         "command": "uv",
         "args": [
           "--directory",
           "YOUR_REPO_PATH/src/iotdb_mcp_server",
           "run",
           "server.py"
         ],
         "env": {
           "IOTDB_HOST": "127.0.0.1",
           "IOTDB_PORT": "6667",
           "IOTDB_USER": "root",
           "IOTDB_PASSWORD": "root",
           "IOTDB_DATABASE": "test",
           "IOTDB_SQL_DIALECT": "table"
         }
       }
     }
   }
   

5. Spara och starta om Cline.
6. Kontrollera integrationen av MCP-servern.

Säkra API-nycklar
API-uppgifter som IOTDB_USER och IOTDB_PASSWORD hanteras via fältet env i konfigurationen. Använd miljövariabler för att undvika hårdkodning av känsliga data. Exempel:

"env": {
  "IOTDB_HOST": "127.0.0.1",
  "IOTDB_PORT": "6667",
  "IOTDB_USER": "${IOTDB_USER}",
  "IOTDB_PASSWORD": "${IOTDB_PASSWORD}",
  "IOTDB_DATABASE": "test"
}

Och sätt dessa miljövariabler i ditt system innan du startar servern.

Hur du använder denna MCP i flöden

Använd MCP i FlowHunt

För att integrera MCP-servrar i ditt FlowHunt-arbetsflöde, börja med att lägga till MCP-komponenten i ditt flöde och koppla den till din AI-agent:

Klicka på MCP-komponenten för att öppna konfigurationspanelen. I systemets MCP-konfigurationssektion, ange dina MCP-serveruppgifter med detta JSON-format:

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

När den är konfigurerad kan AI-agenten nu använda denna MCP som ett verktyg med tillgång till alla dess funktioner och möjligheter. Kom ihåg att byta ut “iotdb” mot ditt faktiska MCP-servernamn och ersätt URL:en med din egen MCP-server-URL.

Översikt

Vår åsikt

IoTDB MCP Server är en fokuserad, minimalistisk implementation som tillhandahåller grundläggande verktyg för databasinteraktion med IoTDB. Den saknar avancerade MCP-funktioner såsom prompts, resurser, roots och sampling, men är väl lämpad för sitt specifika användningsområde inom åtkomst till tidsseriedatabaser. Installationen är väl dokumenterad för Claude Desktop; andra integrationer är förväntade men standard. Sammantaget är detta en nischad men solid MCP-server för databascentrerade arbetsflöden.

MCP-poäng