Gravitino MCP 服务器集成

“Gravitino” MCP 服务器有什么用？

Gravitino MCP 服务器是一个模型上下文协议（MCP）服务器，为 AI 助手与 Apache Gravitino（孵化中）服务之间提供无缝集成。通过开放 Gravitino API，该服务器使外部 AI 工具和工作流能够与目录、模式、表等元数据组件交互。Gravitino MCP 服务器作为强大的桥梁，使开发者和 AI 代理能够高效进行元数据操作、查询结构信息和管理用户角色。服务器通过标准化接口简化复杂元数据操作，使数据平台管理任务更容易直接集成到 AI 驱动的开发环境或自动化流程中。

提示模板列表

所提供文档中未明确提及任何提示模板。

Ready to grow your business?

Start your free trial today and see results within days.

Request demo Log in

资源列表

文档中未提及明确的资源列表。

工具列表

• get_list_of_catalogs：从 Gravitino 实例检索目录列表。
• get_list_of_schemas：跨目录检索模式列表。
• get_list_of_tables：获取指定模式下可用表的分页列表。

Join our newsletter

Get latest tips, trends, and deals for free.

Email address

Subscribe

该 MCP 服务器的应用场景

• 元数据发现： 让开发者和 AI 代理高效列举和探索 Apache Gravitino 内的目录、模式和表，支持数据治理和文档化流程。
• 自动化数据平台集成： 简化外部系统或 AI 工作流与 Gravitino 的实时元数据查询，减少手动 API 调用。
• 基于角色的访问管理： 通过用户和角色管理工具（详见功能），开发者可集成访问控制工作流。
• AI 辅助数据探索： 允许 AI 助手呈现可用数据结构，支持智能代码建议或数据分析流程。
• 工作流自动化： 将元数据操作集成到自动化管道中，如同步模式变更或审计表结构。

如何配置

Windsurf

1. 前置条件： 确保已安装 Node.js 和 uv 工具。
2. 定位配置文件： 打开您的 Windsurf 配置文件。
3. 添加 Gravitino MCP 服务器： 在 mcpServers 部分插入以下 JSON 片段：

   {
     "mcpServers": {
       "Gravitino": {
         "command": "uv",
         "args": [
           "--directory",
           "/path/to/mcp-server-gravitino",
           "run",
           "--with",
           "fastmcp",
           "--with",
           "httpx",
           "--with",
           "mcp-server-gravitino",
           "python",
           "-m",
           "mcp_server_gravitino.server"
         ],
         "env": {
           "GRAVITINO_URI": "http://localhost:8090",
           "GRAVITINO_USERNAME": "admin",
           "GRAVITINO_PASSWORD": "admin",
           "GRAVITINO_METALAKE": "metalake_demo"
         }
       }
     }
   }
   

4. 编辑环境变量： 替换 GRAVITINO_URI、GRAVITINO_USERNAME、GRAVITINO_PASSWORD 和 GRAVITINO_METALAKE 为您的实际值。
5. 保存并重启： 保存配置并重启 Windsurf。
6. 验证配置： 确保服务器已启动并可通过配置的端点访问。

注意： 如需保护 API 密钥或敏感凭据，请如上所示在 env 部分使用环境变量。

Claude

1. 确保已安装 Node.js 和 uv。
2. 编辑 Claude 配置文件。
3. 将 Gravitino MCP 服务器配置（同上）添加至 mcpServers 部分。
4. 更新部署环境变量。
5. 保存并重启 Claude，确认服务器可访问。

Cursor

1. 前置条件：已安装 Node.js 和 uv。
2. 打开 Cursor 配置。
3. 插入 Gravitino MCP 服务器 JSON 片段（见上文）。
4. 填写正确的环境变量。
5. 保存并重启 Cursor，检查连接情况。

Cline

1. 安装 Node.js 和 uv。
2. 打开您的 Cline 配置文件。
3. 使用所提供的 JSON 结构添加 Gravitino MCP 服务器。
4. 确保所有敏感信息均在 env 部分安全配置。
5. 保存并重启 Cline，然后验证 MCP 服务器连接。

API 密钥安全：
请在 env 对象中使用环境变量存储如 token、用户名和密码等敏感凭据。
示例：

"env": {
  "GRAVITINO_URI": "http://localhost:8090",
  "GRAVITINO_USERNAME": "admin",
  "GRAVITINO_PASSWORD": "admin"
}

如何在流程中使用 MCP

在 FlowHunt 中集成 MCP

要将 MCP 服务器集成进 FlowHunt 流程，首先在流程中添加 MCP 组件，并将其连接到您的 AI 代理：

点击 MCP 组件打开配置面板。在系统 MCP 配置区域，使用如下 JSON 格式填写您的 MCP 服务器信息：

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

配置完成后，AI 代理即可作为工具使用本 MCP，并访问其全部功能与能力。请将 “Gravitino” 替换为您的 MCP 服务器实际名称，并将 URL 替换为您的 MCP 服务器地址。

概览

| Roots 支持 | ⛔ | 未提及 |

根据以上表格，Gravitino MCP 服务器提供了简洁但实用的集成，有清晰的配置指引与工具开放，但缺少提示模板、资源定义及诸如 Roots 或采样等高级 MCP 功能。

我们的看法

Gravitino MCP 服务器易于配置，开放了有用的元数据工具，但其文档和服务器能力在 MCP 高级功能（如提示、资源、智能代理等）方面较为有限。适用于基础的元数据交互场景，但若能增强 MCP 集成功能会更佳。MCP 评分：5/10

MCP 评分