Couchbase MCP-server

Vad gör “Couchbase” MCP-servern?

Couchbase MCP-servern är en implementation av Model Context Protocol (MCP) som gör det möjligt för stora språkmodeller (LLM:er) och AI-assistenter att interagera direkt med data lagrad i Couchbase-kluster. Som en mellanprogramvara möjliggör denna server sömlös integrering av Couchbase-databasoperationer i AI-drivna utvecklararbetsflöden. Den stödjer uppgifter såsom att hämta strukturen på samlingar, komma åt dokument via ID, uppdatera eller ta bort dokument samt köra SQL++-frågor. Genom att koppla LLM:er till live Couchbase-data kan utvecklare automatisera databashantering, öka produktiviteten och förenkla komplexa dataoperationer via gränssnitt med naturligt språk. Servern kan konfigureras för endast läsning eller läsning/skrivning och är kompatibel med olika MCP-klienter som Claude Desktop, Cursor och Windsurf.

Lista över Promptar

Ingen information om promptmallar finns tillgänglig i arkivet.

Lista över Resurser

Inga explicita resursdefinitioner är dokumenterade i repository-filer eller README.

Lista över Verktyg

• Hämta en lista över alla scopes och collections: Hämta metadata om organiseringen av en angiven Couchbase-bucket.
• Hämta strukturen för en collection: Få strukturell information (schema) för en given samling.
• Hämta ett dokument via ID: Hämta ett dokument från en angiven scope och collection med dess unika ID.
• Upserta ett dokument via ID: Infoga eller uppdatera ett dokument i en angiven scope och collection.
• Ta bort ett dokument via ID: Ta bort ett dokument från en angiven scope och collection.
• Kör en SQL++-fråga: Kör en endast-läs eller (valfritt) skrivaktiverad SQL++-fråga mot en angiven scope. Som standard är frågor som ändrar data avstängda av säkerhetsskäl.

Användningsområden för denna MCP-server

• Databashantering: Automatisera vanliga databasoperationer såsom att lägga till, uppdatera eller ta bort dokument direkt från AI-gränssnitt, vilket minskar manuellt arbete.
• Datautforskning: Låt utvecklare och AI-agenter snabbt utforska datastrukturer, samlingar och dokumentinnehåll för analys eller felsökning.
• Interaktiv frågeställning: Möjliggör naturliga språkfrågor som översätts till SQL++ och körs på Couchbase, vilket gör datahämtning tillgänglig för icke-experter.
• Automatiserad rapportering: Underlätta skapandet av dynamiska rapporter genom att fråga och aggregera data i AI-drivna arbetsflöden.
• Sömlös integrering i utvecklararbetsflöden: Höj produktiviteten genom att integrera åtkomst till Couchbase-data i verktyg som Claude, Cursor eller Windsurf, vilket effektiviserar kontextmedveten kodning och dokumentationsuppgifter.

Så här sätter du upp det

Windsurf

1. Förutsättningar: Säkerställ att Python 3.10+ och uv är installerade; ha tillgång till ett Couchbase-kluster.
2. Klona arkivet:

   git clone https://github.com/Couchbase-Ecosystem/mcp-server-couchbase.git
   

3. Redigera Windsurf MCP-klientkonfigurationen för att inkludera Couchbase MCP-servern:

   {
     "mcpServers": {
       "couchbase": {
         "command": "uv",
         "args": [
           "--directory",
           "path/to/cloned/repo/mcp-server-couchbase/",
           "run",
           "src/mcp_server.py"
         ],
         "env": {
           "CB_CONNECTION_STRING": "couchbases://connection-string",
           "CB_USERNAME": "username",
           "CB_PASSWORD": "password",
           "CB_BUCKET_NAME": "bucket_name"
         }
       }
     }
   }
   

4. Starta om Windsurf för att tillämpa ändringar.
5. Verifiera anslutningen genom att köra en testfråga.

Claude

1. Förutsättningar: Python 3.10+, uv, tillgång till Couchbase-kluster, Claude Desktop installerat.
2. Klona Couchbase MCP-server-arkivet.
3. Lokalisera konfigurationsfilen:
   • Mac: ~/Library/Application Support/Claude/claude_desktop_config.json
   • Windows: %APPDATA%\Claude\claude_desktop_config.json
4. Lägg till serverkonfigurationen enligt ovan i avsnittet mcpServers.
5. Starta om Claude Desktop.
6. Testa genom att fråga Couchbase-data via Claude-gränssnittet.

Cursor

1. Säkerställ Python 3.10+, uv och tillgång till ett Couchbase-kluster.
2. Klona arkivet och installera beroenden om det behövs.
3. Lägg till Couchbase MCP-servern i Cursors konfiguration:

   {
     "mcpServers": {
       "couchbase": {
         "command": "uv",
         "args": [
           "--directory",
           "path/to/cloned/repo/mcp-server-couchbase/",
           "run",
           "src/mcp_server.py"
         ],
         "env": {
           "CB_CONNECTION_STRING": "couchbases://connection-string",
           "CB_USERNAME": "username",
           "CB_PASSWORD": "password",
           "CB_BUCKET_NAME": "bucket_name"
         }
       }
     }
   }
   

4. Starta om Cursor.
5. Verifiera genom att köra en databasoperation.

Cline

1. Uppfyll förutsättningarna: Python 3.10+, uv, Couchbase-kluster.
2. Klona arkivet lokalt.
3. Lägg till följande i Clines MCP-konfiguration:

   {
     "mcpServers": {
       "couchbase": {
         "command": "uv",
         "args": [
           "--directory",
           "path/to/cloned/repo/mcp-server-couchbase/",
           "run",
           "src/mcp_server.py"
         ],
         "env": {
           "CB_CONNECTION_STRING": "couchbases://connection-string",
           "CB_USERNAME": "username",
           "CB_PASSWORD": "password",
           "CB_BUCKET_NAME": "bucket_name"
         }
       }
     }
   }
   

4. Spara ändringar och starta om Cline.
5. Bekräfta installationen genom att utföra en databasåtgärd.

Skydda API-nycklar:
Alla känsliga värden (t.ex. CB_PASSWORD) lagras som miljövariabler i konfigurationens env-avsnitt.
Exempel:

"env": {
  "CB_CONNECTION_STRING": "couchbases://connection-string",
  "CB_USERNAME": "username",
  "CB_PASSWORD": "password",
  "CB_BUCKET_NAME": "bucket_name"
}

Så här 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 i ditt flöde och koppla den till din AI-agent:

Klicka på MCP-komponenten för att öppna konfigurationspanelen. I systemets MCP-konfigurationsavsnitt, lägg in dina MCP-serveruppgifter enligt detta JSON-format:

{ “couchbase”: { “transport”: “streamable_http”, “url”: “https://yourmcpserver.example/pathtothemcp/url" } }

När det är konfigurerat kan AI-agenten nu använda denna MCP som ett verktyg med tillgång till alla dess funktioner och möjligheter. Kom ihåg att ändra “couchbase” till det faktiska namnet på din MCP-server och byt ut URL:en mot din egen MCP-server-URL.

Översikt

Baserat på ovan tabell är Couchbase MCP-servern väl dokumenterad för installation och verktygsexponering men saknar explicita promptmallar, resursdefinitioner och dokumentation om sampling/roots-stöd. Dess användbarhet för databasanvändning är tydlig, men den kan förbättras med fler MCP-inhemska funktioner. Jag ger denna MCP-server betyget 6/10 för allmän LLM- och utvecklaranvändning.

MCP-betyg