Keboola MCP Sunucusu

“Keboola” MCP Sunucusu ne yapar?

Keboola MCP Sunucusu, Keboola projeniz ile modern AI araçları arasında açık kaynaklı bir köprü olarak çalışır. AI asistanları ve MCP istemcileri (Claude, Cursor, Windsurf, VS Code ve diğerleri gibi) ile Keboola platformunu bağlar, depolama erişimi, SQL dönüşümleri, bileşen yönetimi ve iş tetikleyicileri gibi özellikleri çağrılabilir araçlar olarak sunar. Bu entegrasyon, AI modellerinin ve ajanlarının tabloları sorgulamasına, yapılandırmaları yönetmesine, işleri başlatmasına ve metadatayla doğrudan kendi ortamlarından etkileşime geçmesine olanak tanır. Böylece geliştirme iş akışlarını hızlandırır, yapıştırıcı kod ihtiyacını ortadan kaldırır ve AI ajanlarına ihtiyaç duyduklarında doğru veri ve yetenekleri sunarak verimliliği artırır ve karmaşık otomasyon senaryolarını mümkün kılar.

Prompt Listesi

Kaynak Listesi

Araç Listesi

Depo özellikleri ve mevcut dokümantasyona göre, Keboola MCP Sunucusu tarafından sağlanan araçlar şunlardır:

• Depolama: Tabloları doğrudan sorgulayın ve Keboola depolamasında tablo veya bucket açıklamalarını yönetin.
• Bileşenler: Extractor, writer, data app ve dönüşüm yapılandırmalarını oluşturun, listeleyin ve inceleyin.
• SQL: Doğal dil ile SQL dönüşümleri oluşturun ve çalıştırın.
• İşler: Bileşenleri çalıştırın, dönüşümleri tetikleyin ve iş yürütme detaylarını alın.
• Metadata: Proje dokümantasyonunu ve nesne metadatasını arayın, okuyun ve güncelleyin.

Bu MCP Sunucusunun Kullanım Senaryoları

• Veritabanı Yönetimi: Keboola depolamasında tablo veya bucket’ları doğrudan sorgulayın ve yönetin; AI ajanlarının proje verilerini almasına veya değiştirmesine izin verin.
• Kod Tabanı & Yapılandırma Keşfi: AI araçlarından extractor, writer ve dönüşüm yapılandırmalarını listeleyin, oluşturun ve inceleyin; yapılandırma yönetimini basitleştirin.
• Otomatik SQL Dönüşümü: Doğal dille SQL sorguları oluşturup çalıştırın; depolanan verilerin hızlı dönüşümünü ve analizini sağlayın.
• İş Orkestrasyonu & İzleme: Bileşenleri çalıştırın, işleri orkestre edin ve yürütme geçmişlerini alın; ETL/veri iş akışlarının otomasyonunu ve gözetimini kolaylaştırın.
• Metadata Yönetimi: Proje dokümantasyonu ve metadatasını arayın, okuyun ve güncelleyin; bilgileri hem insanlar hem AI ajanları için düzenli ve erişilebilir tutun.

Kurulum Nasıl Yapılır

Windsurf

1. Python 3.10+ ve uv kurulu olduğundan emin olun.
2. Keboola Storage API anahtarınızı ve (özel anahtar kullanıyorsanız) workspace şemanızı edinin.
3. Windsurf’te MCP yapılandırma dosyasını bulun.
4. Keboola MCP Sunucusu girişini aşağıdaki JSON örneğiyle ekleyin:

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

5. Yapılandırma dosyasını kaydedin ve Windsurf’ü yeniden başlatın.
6. Windsurf MCP arayüzünde sunucu kullanılabilirliğini doğrulayın.

API Anahtarlarının Güvenli Hale Getirilmesi (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. Python 3.10+ ve uv kurulu olduğundan emin olun.
2. Gerekli Keboola kimlik bilgilerini edinin.
3. Claude istemcisi MCP yapılandırmasını açın.
4. Keboola MCP Sunucusu ayarını ekleyin:

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

5. Kaydedin ve Claude’u yeniden başlatın.
6. Sunucuya Claude’dan erişilebildiğini doğrulayın.

Cursor

1. Python 3.10+ ve uv kurun.
2. Keboola API anahtarınızı ve workspace şemanızı hazırlayın.
3. Cursor MCP yapılandırma dosyasını açın.
4. Aşağıdaki yapılandırmayı ekleyin:

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

5. Dosyayı kaydedin ve Cursor’ı yeniden başlatın.
6. MCP sunucu bağlantısının başarılı olduğunu kontrol edin.

Cline

1. Python 3.10+ ve uv kurulu olduğundan emin olun.
2. Gerekli Keboola kimlik bilgilerini toplayın.
3. Cline yapılandırmasında MCP sunucuları bölümünü düzenleyin.
4. Keboola MCP Sunucusu girişini ekleyin:

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

5. Yapılandırmayı kaydedin ve Cline’ı yeniden başlatın.
6. Sunucunun düzgün çalıştığını doğrulayın.

Not: API anahtarları gibi hassas kimlik bilgilerini, yukarıdaki Windsurf örneğinde gösterildiği şekilde ortam değişkenleri ile güvenli şekilde saklayın.

Bu MCP’yi akışlar içinde nasıl kullanırım

FlowHunt’ta MCP Kullanımı

MCP sunucularını FlowHunt iş akışınıza entegre etmek için, önce MCP bileşenini akışınıza ekleyin ve AI ajanınıza bağlayın:

MCP bileşenine tıklayarak yapılandırma panelini açın. Sistem MCP yapılandırması bölümüne, MCP sunucusu detaylarınızı aşağıdaki JSON formatında girin:

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

Yapılandırma tamamlandığında, AI ajanı artık bu MCP’yi tüm fonksiyonlarına ve yeteneklerine erişebilen bir araç olarak kullanabilir. “keboola-mcp” adını kendi MCP sunucunuzun ismiyle ve URL’yi kendi MCP sunucu adresinizle değiştirmeyi unutmayın.

Genel Bakış

Değerlendirmem: Keboola MCP Sunucusu, güçlü araçlar seti ve net kurulum yönergeleri sunuyor fakat belgelenmiş prompt şablonu ve açık MCP kaynak tanımı eksik. AI ajanlarının karmaşık veri iş akışlarına erişimini sağlamaya odaklı yapısı güçlü. Örnekleme ve roots desteği belgelenmemiş. Genel olarak oldukça pratik ve üretime hazır bir MCP, ancak prompt/kaynak dökümantasyonunda bazı eksiklikler mevcut.

MCP Skoru