Snowflake MCP 服务器

“Snowflake” MCP 服务器有什么作用？

Snowflake MCP 服务器是模型上下文协议（MCP）的一种实现，它将 AI 助手和开发工具连接到 Snowflake 数据库。通过标准化 MCP 接口，用户可以无缝执行 SQL 查询、管理数据库模式、访问数据洞察。服务器将 Snowflake 的数据与模式以可访问资源形式公开，并提供读取、写入和管理表的工具，使 AI 工作流、代理和大模型能够执行数据库任务。这极大提升了开发者的生产力，实现了数据分析、表管理和模式探索的自动化，同时保持安全和可配置的边界。

提示模板列表

仓库或文档中未明确提及提示模板。

资源列表

• memo://insights
  • 持续更新的备忘录，聚合已发现的数据洞察。当通过 append_insight 工具追加新洞察时会自动更新。
• context://table/{table_name}
  • （仅在启用预取时可用）为每个表提供模式摘要，包括列与注释，作为独立资源公开。

工具列表

• read_query
  • 执行 SELECT SQL 查询，从 Snowflake 数据库读取数据，结果以对象数组形式返回。
• write_query（仅在启用 --allow-write 时可用）
  • 执行 INSERT、UPDATE 或 DELETE SQL 修改查询，返回受影响行数或确认信息。
• create_table（仅在启用 --allow-write 时可用）
  • 允许使用 CREATE TABLE 语句在 Snowflake 数据库中创建新表，并返回创建确认。
• list_databases
  • 列出 Snowflake 实例中的所有数据库，返回数据库名称数组。
• list_schemas
  • 列出指定数据库下的所有模式。
• list_tables
  • 列出特定数据库与模式下的所有表，返回表元数据。
• describe_table
  • 提供指定表的列信息，包括名称、类型、可为 null、默认值与注释。

该 MCP 服务器的应用场景

• 数据库管理与探索
  • 开发者与 AI 代理可自动化列举、描述和管理 Snowflake 的数据库、模式和表，简化数据基础设施管理。
• 自动化数据分析
  • 执行参数化查询以提取洞察、生成报告或供下游分析管道使用。
• 模式发现与文档化
  • 自动抓取与汇总模式详情，用于文档、合规或新成员入职。
• 上下文数据洞察
  • 利用 memo://insights 资源聚合并访问动态演进的数据洞察，支持协作分析或审计追踪。
• 建表与数据工程
  • 通过安全、可审计的写入操作编程式创建表和更新数据，实现自动化 ETL、数据导入或转换流程。

如何设置

Windsurf

1. 确保已安装 Node.js 并可访问 Windsurf 配置。
2. 打开 Windsurf 配置文件（通常为 windsurf.json）。
3. 在 mcpServers 数组中添加 Snowflake MCP 服务器新条目：

   {
     "mcpServers": [
       {
         "command": "mcp-snowflake-server",
         "args": ["--port", "8080"]
       }
     ]
   }
   

4. 保存配置并重启 Windsurf。
5. 在 Windsurf 界面中验证对 Snowflake MCP 服务器的连接。

API 密钥安全配置示例

{
  "command": "mcp-snowflake-server",
  "env": {
    "SNOWFLAKE_ACCOUNT": "your_account",
    "SNOWFLAKE_USER": "your_user",
    "SNOWFLAKE_PASSWORD": "${SNOWFLAKE_PASSWORD}"
  },
  "inputs": {
    "database": "your_db"
  }
}

Claude

1. 确认 Claude 支持 MCP 服务器集成。
2. 找到 Claude 配置文件或 MCP 集成设置。
3. 作为数据源添加 Snowflake MCP 服务器：

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

4. 保存并重启 Claude。
5. 确认 Claude 已识别并可与 Snowflake MCP 服务器交互。

Cursor

1. 安装必需依赖并访问 Cursor 配置。
2. 打开 cursor.json 或等效设置文件。
3. 在 mcpServers 区块中插入 Snowflake MCP 服务器：

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

4. 保存并重启 Cursor。
5. 在 Cursor 状态页检查 MCP 服务器连接。

Cline

1. 确保已安装并更新 Cline。
2. 打开 Cline 配置文件。
3. 按如下方式注册 Snowflake MCP 服务器：

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

4. 保存配置并重启 Cline。
5. 验证与 Snowflake MCP 服务器的连接。

关于 API 密钥安全性的提示

请将 Snowflake 密码或 API Token 等敏感凭据使用环境变量存储。通过配置文件中的 env 属性进行安全引用。

如何在流程中使用此 MCP

在 FlowHunt 中使用 MCP

要将 MCP 服务器集成到您的 FlowHunt 流程中，请首先在流程中添加 MCP 组件，并连接到您的 AI 代理：

点击 MCP 组件以打开配置面板。在系统 MCP 配置部分，使用如下 JSON 格式插入您的 MCP 服务器信息：

{
  "snowflake-mcp": {
    "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，访问所有功能与能力。请记得将 “snowflake-mcp” 替换为实际 MCP 服务器名称，并将 URL 替换为您自己的 MCP 服务器地址。

概览

综上，Snowflake MCP 服务器为 Snowflake 数据库交互提供了强大的工具及资源，但缺少提示模板和明确的采样/roots 支持信息。

我们的看法

Snowflake MCP 服务器提供了全面的数据访问工具和实用的资源原语，文档完备，并有实用的安全/配置指导。但缺乏提示模板和明确的 roots/采样支持，降低了 MCP 完整性。整体而言，是一个用于数据库工作流的强大实用的 MCP 实现。

MCP 分数