Lightdash MCP 服务器

“Lightdash” MCP 服务器能做什么？

Lightdash MCP（模型上下文协议）服务器是一款将 AI 助手与 Lightdash——现代商业智能（BI）和分析平台——连接起来的工具。通过为 Lightdash API 提供兼容 MCP 的访问接口，该服务器让 AI 代理与开发工具可编程地与 Lightdash 数据交互。这项集成允许开发者直接在 AI 工作流中执行如列出项目、获取项目详情、探索分析空间和图表等操作。因此，Lightdash MCP 服务器通过简化数据访问、自动化分析相关操作，并支持更智能、具备上下文感知的 AI 驱动流程，有效提升了开发效率，助力工程和商业智能工作流。

提示词列表

仓库或文档中未提及任何提示词模板。

准备好发展您的业务了吗？

今天开始免费试用，几天内即可看到结果。

申请演示 登录

资源列表

仓库或文档中未提供明确的 MCP 资源定义。

工具列表

• list_projects：列出 Lightdash 组织下的所有项目，让用户了解可用的分析项目。
• get_project：获取指定项目的详细信息，便于数据探索和管理。
• list_spaces：列出指定项目下的所有空间，帮助用户梳理仪表盘和分析内容的组织结构。
• list_charts：列出项目中的所有图表，便于快速发现和访问可视化报表与仪表盘。

加入我们的新闻通讯

免费获取最新提示、趋势和优惠。

电子邮件地址

订阅

此 MCP 服务器的应用场景

• 商业智能自动化：开发者和 AI 代理可自动获取分析项目、空间、图表列表，简化报告与数据发现流程。
• 数据目录集成：通过暴露 Lightdash 项目、空间、图表的元数据，实现自动化数据目录的构建，可用于索引或文档化。
• AI 驱动的 BI 助手：赋能 AI 助手回答关于分析资源的问题，定位仪表盘，或自动获取图表信息，无需人工查询。
• 工作流自动化：支持自动化工作流，如 Lightdash 项目或图表的状态变更可触发后续动作或通知。
• 开发者数据探索：开发人员可在应用开发、集成或测试环节以编程方式探索和访问组织的分析资源。

如何设置

Windsurf

1. 确保你的系统已安装 Node.js。
2. 打开 Windsurf 配置文件（如 windsurf.json）。
3. 在 mcpServers 节点下添加 Lightdash MCP 服务器：

   {
     "mcpServers": {
       "lightdash": {
         "command": "npx",
         "args": ["lightdash-mcp-server"]
       }
     }
   }
   

4. 保存配置并重启 Windsurf。
5. 验证 Lightdash MCP 服务器是否已启动并可访问。

API 密钥安全： 将你的 Lightdash API 密钥存储在环境变量中：

{
  "command": "npx",
  "args": ["lightdash-mcp-server"],
  "env": {
    "LIGHTDASH_API_KEY": "your_api_key"
  }
}

Claude

1. 如未安装 Node.js 请先安装。
2. 找到 Claude MCP 配置文件。
3. 添加 Lightdash MCP 服务器配置：

   {
     "mcpServers": {
       "lightdash": {
         "command": "npx",
         "args": ["lightdash-mcp-server"]
       }
     }
   }
   

4. 保存并重启 Claude。
5. 确认已成功连接 Lightdash MCP 服务器。

API 密钥安全：

{
  "env": {
    "LIGHTDASH_API_KEY": "your_api_key"
  }
}

Cursor

1. 先安装 Node.js。
2. 编辑 Cursor 配置文件。
3. 在 mcpServers 节点添加如下配置：

   {
     "mcpServers": {
       "lightdash": {
         "command": "npx",
         "args": ["lightdash-mcp-server"]
       }
     }
   }
   

4. 保存并重启 Cursor。
5. 确认 MCP 服务器已正常运行。

API 密钥安全：

{
  "env": {
    "LIGHTDASH_API_KEY": "your_api_key"
  }
}

Cline

1. 确认本机已安装 Node.js。
2. 打开 Cline MCP 服务器配置。
3. 添加 Lightdash MCP 服务器配置如下：

   {
     "mcpServers": {
       "lightdash": {
         "command": "npx",
         "args": ["lightdash-mcp-server"]
       }
     }
   }
   

4. 保存配置并重启 Cline。
5. 检查 MCP 服务器是否可用。

API 密钥安全：

{
  "env": {
    "LIGHTDASH_API_KEY": "your_api_key"
  }
}

在流程中如何使用 MCP

在 FlowHunt 中集成 MCP

要将 MCP 服务器集成到 FlowHunt 工作流中，首先在流程中添加 MCP 组件并将其连接至你的 AI 代理：

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

{
  "lightdash": {
    "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该 MCP，并访问其全部功能。请记得将 “lightdash” 修改为实际的 MCP 服务器名，并将 URL 替换为你自己的 MCP 服务器地址。

概览

结合上表，Lightdash MCP 服务器为 Lightdash 分析提供了基础工具集成，但缺少提示词模板、显式资源定义及采样/roots 支持。其安装配置文档完善，API 密钥安全配置示例清晰。就当前状态来看，我会给该 MCP 服务器的完整性与实用性打 5/10。

MCP 评分