MotherDuck MCP-server

Vad gör “MotherDuck” MCP-server?

MotherDuck MCP-server är en implementation av Model Context Protocol (MCP) som kopplar samman AI-assistenter och IDE:er med DuckDB- och MotherDuck-databaser. Den möjliggör kraftfull SQL-analys genom att erbjuda ett standardiserat gränssnitt för att köra frågor mot både lokala DuckDB-filer och molnbaserade MotherDuck-databaser. Servern stöder hybridkörning, vilket ger sömlös dataåtkomst från både lokal och molnlagring, inklusive Amazon S3 via MotherDucks integrationer. Genom att exponera databasinteraktion som ett verktyg för AI-system görs det enkelt för utvecklare och AI-agenter att köra databasfrågor, hantera data och effektivisera dataflöden utan manuell konfiguration eller serverhantering. Det här serverlösa tillvägagångssättet påskyndar analys, datadelning och utveckling av datapipelines direkt från AI-drivna miljöer.

Lista över promptar

• duckdb-motherduck-initial-prompt: En promptmall för att initiera en anslutning till DuckDB eller MotherDuck och börja arbeta med databasen.

Lista över resurser

• Close the Loop: Faster Data Pipelines with MCP, DuckDB & AI (Blogginlägg): Blogginlägg om integrationen av MCP, DuckDB och AI för snabb utveckling av datapipelines.
• Faster Data Pipelines development with MCP and DuckDB (YouTube): Videoguide som visar användning av MCP och DuckDB för datapipelines.

Lista över verktyg

• query: Kör en SQL-fråga på antingen DuckDB- eller MotherDuck-databasen.
  • Indata:
    • query (string, obligatorisk): SQL-frågan som ska köras.

Användningsområden för denna MCP-server

• SQL-analys i AI-assistenter: Möjliggör att LLM:er eller kodassistenter kan köra SQL-frågor direkt mot DuckDB eller MotherDuck, så att instruktioner i naturligt språk blir till faktisk analys.
• Datapipeline-utveckling: Underlättar snabbare utveckling och prototypande av datapipelines genom att AI-system kan interagera med både lokala och molnbaserade datakällor.
• Hybrid lokal & molnfrågning: Stöder scenarier där utvecklare behöver fråga både lokala (DuckDB) och molnbaserade (MotherDuck) data sömlöst, vilket ökar flexibiliteten i arbetsflöden.
• Integration med molnlagring: AI-agenter kan komma åt och analysera data som lagras i Amazon S3 eller annan integrerad molnlagring via MotherDuck-anslutningar.
• Serverlös datautforskning: Eliminera behovet av att hantera infrastruktur och möjliggör snabb, behovsanpassad analys för användare och AI-system.

Så här sätter du upp det

Windsurf

1. Kontrollera att du har Node.js och Windsurf installerade.

2. Öppna din Windsurf-konfigurationsfil (vanligen windsurf.config.json).

3. Lägg till MotherDuck MCP-server i avsnittet mcpServers:

   {
     "mcpServers": {
       "motherduck": {
         "command": "uvx",
         "args": ["mcp-server-motherduck", "--transport", "stream", "--db-path", "md:"]
       }
     }
   }
   

4. Spara konfigurationen och starta om Windsurf.

5. Kontrollera i Windsurf att MotherDuck MCP-server körs och är tillgänglig.

Skydda API-nycklar

Använd miljövariabler för att tillhandahålla känsliga autentiseringsuppgifter som din MotherDuck-token:

{
  "mcpServers": {
    "motherduck": {
      "command": "uvx",
      "args": ["mcp-server-motherduck", "--transport", "stream", "--db-path", "md:"],
      "env": {
        "motherduck_token": "${MOTHERDUCK_TOKEN}"
      }
    }
  }
}

Claude

1. Installera Claude och se till att Node.js är installerat.

2. Leta upp Claude-konfigurationsfilen (oftast claude.config.json).

3. Lägg till följande under mcpServers:

   {
     "mcpServers": {
       "motherduck": {
         "command": "uvx",
         "args": ["mcp-server-motherduck", "--transport", "stream", "--db-path", "md:"]
       }
     }
   }
   

4. Starta om Claude och kontrollera att servern visas i gränssnittet.

5. Använd miljövariabler enligt ovan för att skydda API-nycklar.

Cursor

1. Kontrollera att du har Cursor installerat och uppdaterat.

2. Öppna Cursor-inställningarna (cursor.config.json).

3. Lägg in följande under mcpServers:

   {
     "mcpServers": {
       "motherduck": {
         "command": "uvx",
         "args": ["mcp-server-motherduck", "--transport", "stream", "--db-path", "md:"]
       }
     }
   }
   

4. Spara och starta om Cursor.

5. Ange känsliga tokens via miljövariabler.

Cline

1. Installera Cline och nödvändiga beroenden.

2. Redigera cline.config.json och lägg till:

   {
     "mcpServers": {
       "motherduck": {
         "command": "uvx",
         "args": ["mcp-server-motherduck", "--transport", "stream", "--db-path", "md:"]
       }
     }
   }
   

3. Spara konfigurationen och starta om Cline.

4. Kontrollera att motherduck_token är satt som en miljövariabel för säkerhet.

Så använder du denna MCP i flöden

Använda MCP i FlowHunt

För att integrera MCP-servrar i ditt FlowHunt-arbetsflöde börjar du 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:

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

När konfigurationen är klar kan AI-agenten nu använda denna MCP som ett verktyg med tillgång till alla dess funktioner och möjligheter. Kom ihåg att byta ut "motherduck" mot det faktiska namnet på din MCP-server och ersätta URL:en med din egen MCP-server-URL.

Översikt

Bland dessa två tabeller är MotherDuck MCP-server väl dokumenterad med tydliga promptar, verktygsstöd, resurser och säkerhetsrutiner, men saknar uttrycklig information om Roots och Sampling-stöd. Sammantaget är det en stabil och praktisk implementation för databasanalyser via ett MCP-gränssnitt.

MCP-betyg