Couchbase MCP 服务器

“Couchbase” MCP 服务器能做什么？

Couchbase MCP 服务器是模型上下文协议（MCP）的实现，使大语言模型（LLM）和 AI 助手能够直接与存储在 Couchbase 集群中的数据交互。作为中间件，该服务器让 Couchbase 数据库操作无缝集成到 AI 驱动的开发工作流中。它支持获取集合结构、按 ID 访问文档、插入/更新或删除文档、执行 SQL++ 查询等任务。通过将 LLM 连接到实时 Couchbase 数据，开发者可以自动化数据库管理、提升效率，并通过自然语言界面简化复杂数据操作。服务器可配置为只读或读写模式，并兼容 Claude Desktop、Cursor、Windsurf 等多种 MCP 客户端。

Prompt 列表

仓库中未提供任何 prompt 模板的信息。

资源列表

仓库文件或 README 中未明确记录资源定义。

工具列表

• 获取所有 scopes 和 collections 列表：检索指定 Couchbase bucket 的组织元数据。
• 获取集合结构：访问指定集合的结构信息（schema）。
• 按 ID 获取文档：通过唯一 ID，从指定 scope 和 collection 获取文档。
• 按 ID 插入/更新文档：在指定 scope 和 collection 插入或更新文档。
• 按 ID 删除文档：从指定 scope 和 collection 删除文档。
• 运行 SQL++ 查询：针对指定 scope 执行只读或（可选启用）写入的 SQL++ 查询。为安全起见，默认禁用数据修改查询。

典型用例

• 数据库管理：通过 AI 界面自动化常见数据库操作，如新增、更新、删除文档，减少手动操作。
• 数据探索：让开发者和 AI 代理快速探索数据结构、集合和文档内容，用于分析或调试。
• 交互式查询：支持自然语言查询，经转换为 SQL++ 并在 Couchbase 上执行，让非专业用户也能轻松检索数据。
• 自动化报表：通过 AI 驱动的工作流查询和聚合数据，动态生成报表。
• 无缝集成开发流程：结合 Claude、Cursor 或 Windsurf 等工具，将 Couchbase 数据访问集成到上下文感知的编码与文档任务中，提升开发效率。

如何设置

Windsurf

1. 依赖要求：确保已安装 Python 3.10+ 和 uv ，并有 Couchbase 集群访问权限。
2. 克隆仓库：

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

3. 编辑 Windsurf MCP 客户端配置，添加 Couchbase MCP 服务器：

   {
     "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. 重启 Windsurf 应用配置生效。
5. 运行测试查询验证连接。

Claude

1. 依赖要求：Python 3.10+、uv 、Couchbase 集群访问、已安装 Claude Desktop。
2. 克隆 Couchbase MCP 服务器仓库。
3. 找到配置文件路径：
   • Mac: ~/Library/Application Support/Claude/claude_desktop_config.json
   • Windows: %APPDATA%\Claude\claude_desktop_config.json
4. 按上述方式将服务器配置添加到 mcpServers 部分。
5. 重启 Claude Desktop。
6. 通过 Claude 界面查询 Couchbase 数据进行测试。

Cursor

1. 确保已安装 Python 3.10+、uv ，并能访问 Couchbase 集群。
2. 克隆仓库并按需安装依赖。
3. 在 Cursor 配置中添加 Couchbase MCP 服务器：

   {
     "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. 重启 Cursor。
5. 运行数据库操作进行验证。

Cline

1. 确保已准备：Python 3.10+、uv 、Couchbase 集群。
2. 本地克隆仓库。
3. 在 Cline 的 MCP 配置中添加如下内容：

   {
     "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. 保存并重启 Cline。
5. 通过数据库操作确认配置成功。

API 密钥安全指引：
所有敏感信息（如 CB_PASSWORD）均存储在配置的 env 部分作为环境变量。
示例：

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

如何在 FlowHunt 流程中使用 MCP

在 FlowHunt 中使用 MCP

要将 MCP 服务器集成进 FlowHunt 工作流，首先添加一个 MCP 组件，并与 AI 代理连接：

点击 MCP 组件，打开配置面板。在系统 MCP 配置部分，按如下 JSON 格式填写服务器信息：

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

配置完成后，AI 代理即可将该 MCP 作为工具，访问其所有功能。请将 “couchbase” 替换为你实际的 MCP 服务器名称，并填写你自己的 MCP 服务器 URL。

概览

从上表可以看出，Couchbase MCP 服务器在搭建和工具文档方面表现良好，但缺少 prompt 模板、资源定义和采样/roots 支持说明。其数据库任务实用性明确，但若能补充更多 MCP 原生特性会更佳。整体来看，我给这个 MCP 服务器在 LLM 和开发者通用场景下的评分为 6/10。

MCP 评分