Máy Chủ Keboola MCP

Máy Chủ “Keboola” MCP làm gì?

Máy Chủ Keboola MCP hoạt động như một cầu nối mã nguồn mở giữa dự án Keboola của bạn và các công cụ AI hiện đại. Nó kết nối các trợ lý AI và khách hàng MCP (như Claude, Cursor, Windsurf, VS Code và nhiều cái khác) tới nền tảng Keboola, cung cấp các tính năng như truy cập lưu trữ, biến đổi SQL, quản lý thành phần và kích hoạt công việc dưới dạng các công cụ có thể gọi được. Sự tích hợp này cho phép các mô hình và agent AI truy vấn bảng, quản lý cấu hình, thực thi công việc và tương tác với metadata trực tiếp từ môi trường của họ. Qua đó, quy trình phát triển được tinh gọn, loại bỏ mã kết nối trung gian, và đảm bảo dữ liệu và khả năng phù hợp luôn sẵn sàng cho agent AI khi cần, nâng cao năng suất và cho phép tự động hóa phức tạp.

Danh sách Prompts

Danh sách Tài nguyên

Danh sách Công cụ

Dựa trên các tính năng của repository và tài liệu hiện có, các công cụ sau được Máy Chủ Keboola MCP cung cấp:

• Lưu trữ: Truy vấn bảng trực tiếp và quản lý mô tả bảng hoặc bucket trong lưu trữ Keboola.
• Thành phần: Tạo, liệt kê và kiểm tra các extractor, writer, data app, và cấu hình biến đổi.
• SQL: Tạo và thực thi biến đổi SQL bằng ngôn ngữ tự nhiên.
• Công việc: Chạy thành phần, kích hoạt biến đổi và lấy chi tiết thực thi công việc.
• Metadata: Tìm kiếm, đọc và cập nhật tài liệu dự án cùng metadata của đối tượng.

Các Trường Hợp Sử Dụng của MCP này

• Quản lý Cơ sở Dữ liệu: Truy vấn và quản lý trực tiếp bảng hoặc bucket trong lưu trữ Keboola, cho phép agent AI lấy hoặc thay đổi dữ liệu dự án.
• Khám phá Cơ sở mã & Cấu hình: Liệt kê, tạo và kiểm tra extractor, writer và cấu hình biến đổi từ các công cụ AI, đơn giản hóa việc quản lý cấu hình.
• Tự động hóa Biến đổi SQL: Sử dụng ngôn ngữ tự nhiên để tạo và thực thi truy vấn SQL, giúp biến đổi và phân tích dữ liệu lưu trữ nhanh chóng.
• Điều phối & Giám sát Công việc: Chạy thành phần, điều phối công việc và lấy lịch sử thực thi, giúp tự động hóa và giám sát quy trình ETL/dữ liệu dễ dàng.
• Xử lý Metadata: Tìm kiếm, đọc và cập nhật tài liệu dự án cùng metadata để giữ thông tin được tổ chức và dễ truy cập cho cả con người lẫn agent AI.

Hướng dẫn cài đặt

Windsurf

1. Đảm bảo bạn đã cài đặt Python 3.10+ và uv.
2. Lấy token API Storage của Keboola và (nếu dùng token tùy chỉnh) schema workspace của bạn.
3. Trong Windsurf, tìm tệp cấu hình MCP.
4. Thêm mục Máy Chủ Keboola MCP bằng đoạn JSON sau:

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

5. Lưu tệp cấu hình và khởi động lại Windsurf.
6. Xác minh máy chủ đã sẵn sàng trên giao diện MCP của Windsurf.

Bảo mật API Keys (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. Đảm bảo đã cài đặt Python 3.10+ và uv.
2. Lấy thông tin xác thực Keboola cần thiết.
3. Mở cấu hình MCP cho client Claude.
4. Thêm cấu hình Máy Chủ Keboola MCP:

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

5. Lưu và khởi động lại Claude.
6. Xác nhận máy chủ có thể truy cập từ Claude.

Cursor

1. Cài đặt Python 3.10+ và uv.
2. Chuẩn bị token API Keboola và schema workspace của bạn.
3. Mở tệp cấu hình MCP của Cursor.
4. Thêm cấu hình sau:

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

5. Lưu tệp và khởi động lại Cursor.
6. Kiểm tra kết nối tới máy chủ MCP thành công.

Cline

1. Đảm bảo đã cài đặt Python 3.10+ và uv.
2. Lấy các thông tin xác thực Keboola cần thiết.
3. Chỉnh sửa phần cấu hình máy chủ MCP trong cấu hình của Cline.
4. Thêm mục Máy Chủ Keboola MCP:

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

5. Lưu cấu hình và khởi động lại Cline.
6. Xác minh máy chủ hoạt động bình thường.

Lưu ý: Hãy bảo mật các thông tin xác thực nhạy cảm như API token bằng biến môi trường như hướng dẫn trong ví dụ Windsurf phía trên.

Cách sử dụng MCP này trong flows

Sử dụng MCP trong FlowHunt

Để tích hợp máy chủ MCP vào luồng FlowHunt của bạn, hãy bắt đầu bằng cách thêm thành phần MCP vào flow và kết nối nó với agent AI:

Nhấn vào thành phần MCP để mở bảng cấu hình. Trong phần cấu hình MCP hệ thống, chèn thông tin máy chủ MCP của bạn theo định dạng JSON này:

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

Sau khi cấu hình, agent AI giờ đây có thể sử dụng MCP này như một công cụ với đầy đủ chức năng và khả năng của nó. Hãy nhớ thay “keboola-mcp” bằng tên thực tế của máy chủ MCP của bạn và thay URL bằng URL máy chủ MCP của bạn.

Tổng quan

Đánh giá của tôi: Máy Chủ Keboola MCP cung cấp bộ công cụ mạnh mẽ và hướng dẫn cài đặt rõ ràng, tuy nhiên thiếu template prompt và định nghĩa resource MCP cụ thể trong tài liệu. Trọng tâm hỗ trợ các agent AI truy cập luồng dữ liệu phức tạp là rất tốt. Chưa có tài liệu về sampling và roots. Nhìn chung, đây là MCP thực tiễn và sẵn sàng cho sản xuất, nhưng còn thiếu một số tài liệu về prompt/resource.

Điểm MCP