Azure Data Explorer MCP-server

Vad gör “Azure Data Explorer” MCP-servern?

Azure Data Explorer (ADX) MCP-servern är en Model Context Protocol (MCP)-server som möjliggör för AI-assistenter att sömlöst ansluta till Azure Data Explorer/Eventhouse-kluster och databaser. Genom standardiserade MCP-gränssnitt kan AI-verktyg och agenter köra KQL-frågor (Kusto Query Language), utforska databaser, hämta tabellscheman, provta data och komma åt tabellstatistik. Servern stöder interaktiva verktyg och autentisering via Azure-uppgifter, vilket gör det möjligt att säkert hantera och analysera storskalig data direkt i AI-drivna arbetsflöden. Denna integration ökar utvecklares produktivitet genom att automatisera datautforskning, frågor och hantering i Azure Data Explorer-miljöer.

Lista över Prompter

Inga explicita promptmallar anges i förvaret.

Lista över Resurser

• Tabellista
  • Gör det möjligt för AI-assistenter att lista alla tabeller i den konfigurerade Azure Data Explorer-databasen.
• Tabellschema
  • Tillhandahåller schemainformation för vald tabell, inklusive kolumnnamn och typer.
• Provtagning av tabell
  • Möjliggör att provta rader från en tabell för att ge kontext eller förhandsvisning för nedströmsuppgifter.
• Tabellstatistik
  • Hämtar detaljerad statistik eller metadata för tabeller, såsom radantal och storlek.

Lista över Verktyg

• KQL-frågeexekvering
  • Kör Kusto Query Language (KQL)-frågor mot ansluten Azure Data Explorer-databas.
• Lista tabeller
  • Hämta en lista över alla tillgängliga tabeller i den angivna databasen.
• Visa tabellschema
  • Visa och hämta schemat (strukturen) för en vald tabell.
• Provtagningsdata från tabell
  • Hämta ett litet prov av data från en tabell för inspektion eller kontext.
• Hämta tabellstatistik
  • Hämta statistik eller övergripande information om en tabell, t.ex. radantal och lagringsinfo.

Användningsområden för denna MCP-server

• Databashantering
  • Automatisera tabellistor, schemainhämtning och provtagning för att förenkla utforskning och hantering för utvecklare och data scientists.
• Interaktiv dataanalys
  • Kör snabbt KQL-frågor och hämta resultat för explorativ analys, vilket gör det lättare för AI-assistenter och användare att ta fram insikter ur stora datamängder.
• AI-drivna datautforskning
  • Möjliggör för LLM:er eller AI-agenter att bläddra, sammanfatta och kontextualisera data från Azure Data Explorer, t.ex. vid rapportgeneratorer eller avvikelsedetektering.
• Integration med DevOps-pipelines
  • Använd MCP-servern i CI/CD-processer för att validera data, köra hälsokontroller och säkerställa databereddhet före driftsättning.
• Säkerhetsmedvetna dataoperationer
  • Utnyttja Azure-autentisering och stöd för arbetsbelastningsidentitet för säker och efterlevnadsanpassad åtkomst till känsliga databaser inom organisationen.

Så här installerar du

Windsurf

1. Säkerställ att Node.js och nödvändiga förutsättningar är installerade.
2. Öppna din Windsurf-konfigurationsfil.
3. Lägg till Azure Data Explorer MCP-servern med följande JSON-snippet:

   {
     "mcpServers": {
       "adx-mcp": {
         "command": "npx",
         "args": ["@adx/mcp-server@latest"]
       }
     }
   }
   

4. Spara konfigurationen och starta om Windsurf.
5. Kontrollera att MCP-servern är igång och åtkomlig.

Säkra API-nycklar (Windsurf)

{
  "mcpServers": {
    "adx-mcp": {
      "command": "npx",
      "args": ["@adx/mcp-server@latest"],
      "env": {
        "ADX_CLUSTER_URL": "https://yourcluster.region.kusto.windows.net",
        "ADX_DATABASE": "your_database"
      },
      "inputs": {}
    }
  }
}

Claude

1. Installera nödvändiga beroenden för MCP-integration i Claude.
2. Lokalisera Claudes konfigurationsfil.
3. Lägg till följande MCP-serverkonfiguration:

   {
     "mcpServers": {
       "adx-mcp": {
         "command": "npx",
         "args": ["@adx/mcp-server@latest"]
       }
     }
   }
   

4. Spara ändringarna och starta om Claude.
5. Kontrollera att serveranslutningen fungerar.

Säkra API-nycklar (Claude)

{
  "mcpServers": {
    "adx-mcp": {
      "command": "npx",
      "args": ["@adx/mcp-server@latest"],
      "env": {
        "ADX_CLUSTER_URL": "https://yourcluster.region.kusto.windows.net",
        "ADX_DATABASE": "your_database"
      },
      "inputs": {}
    }
  }
}

Cursor

1. Installera Node.js och kontrollera att Cursor kan ansluta till externa MCP-servrar.
2. Öppna Cursors MCP-serverkonfigurationsfil.
3. Lägg till MCP-servern enligt nedan:

   {
     "mcpServers": {
       "adx-mcp": {
         "command": "npx",
         "args": ["@adx/mcp-server@latest"]
       }
     }
   }
   

4. Spara och starta om Cursor.
5. Testa MCP-integrationen genom att köra ett exempel på KQL-fråga.

Säkra API-nycklar (Cursor)

{
  "mcpServers": {
    "adx-mcp": {
      "command": "npx",
      "args": ["@adx/mcp-server@latest"],
      "env": {
        "ADX_CLUSTER_URL": "https://yourcluster.region.kusto.windows.net",
        "ADX_DATABASE": "your_database"
      },
      "inputs": {}
    }
  }
}

Cline

1. Kontrollera att Node.js och Cline är installerade.
2. Redigera din Cline MCP-konfigurationsfil.
3. Lägg till servern enligt följande:

   {
     "mcpServers": {
       "adx-mcp": {
         "command": "npx",
         "args": ["@adx/mcp-server@latest"]
       }
     }
   }
   

4. Spara filen och starta om Cline.
5. Kontrollera anslutningen genom att köra en schemainhämtning.

Säkra API-nycklar (Cline)

{
  "mcpServers": {
    "adx-mcp": {
      "command": "npx",
      "args": ["@adx/mcp-server@latest"],
      "env": {
        "ADX_CLUSTER_URL": "https://yourcluster.region.kusto.windows.net",
        "ADX_DATABASE": "your_database"
      },
      "inputs": {}
    }
  }
}

Så använder du denna MCP i flöden

Använda MCP i FlowHunt

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

Klicka på MCP-komponenten för att öppna konfigurationspanelen. I systemets MCP-konfigurationssektion lägger du in dina MCP-serverdetaljer i detta JSON-format:

{
  "adx-mcp": {
    "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 kapaciteter. Kom ihåg att byta ut “adx-mcp” mot det faktiska namnet på din MCP-server och ersätt URL:en med din egen MCP-serveradress.

Översikt

Baserat på den tillgängliga informationen och dess fullständighet får denna MCP-server ett betyg på cirka 7/10. Den täcker alla större MCP-krav för Azure Data Explorer men saknar explicita promptmallar och detaljer om roots-stöd.

MCP-poäng