Keboola MCP 服务器

“Keboola” MCP 服务器的作用是什么？

Keboola MCP 服务器充当您的 Keboola 项目与现代 AI 工具之间的开源桥梁。它将 AI 助理和 MCP 客户端（如 Claude、Cursor、Windsurf、VS Code 等）与 Keboola 平台连接起来，将存储访问、SQL 转换、组件管理和作业触发等功能作为可调用工具暴露。这一集成使 AI 模型与代理能够直接从其环境中查询表、管理配置、执行作业并与元数据交互。通过这样做，它简化了开发工作流，消除了粘合代码，并确保 AI 代理在需要时能够获得所需的数据和能力，从而提升生产力并实现复杂的自动化场景。

提示词列表

资源列表

工具列表

根据仓库功能和可用文档，Keboola MCP 服务器提供如下工具：

• 存储（Storage）：直接查询表，并管理 Keboola 存储中的表或桶的描述。
• 组件（Components）：创建、列出和查看抽取器、写入器、数据应用和转换配置。
• SQL：使用自然语言创建和执行 SQL 转换。
• 作业（Jobs）：运行组件、触发转换并获取作业执行详情。
• 元数据（Metadata）：搜索、读取和更新项目文档及对象元数据。

典型应用场景

• 数据库管理：直接查询和管理 Keboola 存储中的表或桶，使 AI 代理能够获取或修改项目信息。
• 代码库与配置探索：通过 AI 工具列出、创建和检查抽取器、写入器及转换配置，简化配置管理。
• 自动化 SQL 转换：用自然语言生成并执行 SQL 查询，实现对存储数据的快速转换与分析。
• 作业编排与监控：运行组件、编排作业并获取执行历史，轻松自动化和监管 ETL/数据流程。
• 元数据处理：搜索、读取和更新项目文档及元数据，便于人类与 AI 代理共同维护信息的有序与可访问性。

如何进行设置

Windsurf

1. 确保已安装 Python 3.10+ 和 uv。
2. 获取 Keboola Storage API 令牌，以及（如使用自定义令牌）工作区 schema。
3. 在 Windsurf 中找到 MCP 配置文件。
4. 使用以下 JSON 片段添加 Keboola MCP 服务器条目：

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

5. 保存配置文件并重启 Windsurf。
6. 在 Windsurf MCP 界面验证服务器是否可用。

API 密钥安全设置（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. 确保已安装 Python 3.10+ 和 uv。
2. 获取所需的 Keboola 凭证。
3. 打开 Claude 客户端 MCP 配置。
4. 插入 Keboola MCP 服务器配置：

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

5. 保存并重启 Claude。
6. 确认 Claude 能访问该服务器。

Cursor

1. 安装 Python 3.10+ 和 uv。
2. 准备 Keboola API 令牌和工作区 schema。
3. 打开 Cursor MCP 配置文件。
4. 添加如下配置：

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

5. 保存文件并重启 Cursor。
6. 检查 MCP 服务器连接是否成功。

Cline

1. 确保已安装 Python 3.10+ 和 uv。
2. 获取所需 Keboola 凭证。
3. 编辑 Cline 配置中的 MCP servers 部分。
4. 添加 Keboola MCP 服务器条目：

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

5. 保存配置并重启 Cline。
6. 验证服务器是否正常运行。

注意： 请参考上述 Windsurf 示例，使用环境变量安全存储 API 令牌等敏感凭证。

如何在流程中使用 MCP

在 FlowHunt 中使用 MCP

要将 MCP 服务器集成到您的 FlowHunt 工作流中，请首先在流程中添加 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，按如下 JSON 格式填写您的 MCP 服务器信息：

{
  "keboola-mcp": {
    "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，访问其全部功能。请将 “keboola-mcp” 替换为您实际的 MCP 服务器名称，并将 URL 替换为您自己的 MCP 服务器地址。

概览

我的评价：Keboola MCP 服务器提供了一套强大的工具和清晰的设置说明，但缺乏文档化的提示模板和明确的 MCP 资源定义。其重点在于为 AI 代理开放复杂数据工作流的能力。采样和根支持未见文档说明。总体来看，这是一个高度实用、面向生产的 MCP，但在提示/资源文档上仍有提升空间。

MCP 评分