Teradata MCP Server

Teradata MCP 서버 템플릿

개요

Teradata MCP 서버는 오픈 소스 프로젝트이므로 풀 리퀘스트를 통한 기여를 환영합니다.

우리는 세 가지 도구 세트와 관련 유용한 프롬프트를 제공하고 있습니다.

1. td_base_tools:
   • execute_read_query - 읽기 쿼리를 실행합니다
   • execute_write_query - 쓰기 쿼리를 실행합니다
   • read_table_DDL - 테이블 표시 결과를 반환합니다.
   • read_database_list - 모든 데이터베이스 목록을 반환합니다.
   • read_table_list - 데이터베이스의 테이블 목록을 반환합니다.
   • read_column_description - 테이블의 열에 대한 설명을 반환합니다.
   • read_table_preview - 테이블의 열 정보와 5개 행을 반환합니다.
   • read_table_affinity - 일반적으로 함께 사용되는 테이블을 가져옵니다.
   • read_table_usage - 주어진 스키마의 사용자에 의한 테이블 및 뷰 사용량 측정
   • prompt_general - 데이터베이스에 대한 SQL 쿼리를 생성합니다.
   • prompt_table_business_description - 테이블에 대한 비즈니스 설명을 생성합니다.
   • prompt_database_business_description - 테이블을 기반으로 데이터베이스의 비즈니스 설명을 생성합니다.
2. td_dba_tools:
   • read_user_sql_list - 사용자에 대해 최근에 실행된 SQL 목록을 반환합니다.
   • read_table_sql_list - 테이블에 대해 최근에 실행된 SQL 목록을 반환합니다.
   • read_table_space - CurrentPerm 테이블 공간을 반환합니다.
   • read_database_space - 데이터베이스에 할당된 공간, 사용된 공간 및 사용된 백분율을 반환합니다.
   • read_database_version - 데이터베이스 버전 정보를 반환합니다.
   • read_resuage_summary - 각 작업 유형과 쿼리 복잡성 버킷에 대한 요일 및 시간별 Teradata 시스템 사용 요약 지표를 가져옵니다.
   • read_flow_control - 일별 및 시간별 Teradata 시스템 흐름 제어 메트릭 가져오기
   • read_feature_usage - 사용자 기능 사용 지표 가져오기
   • read_user_delay - Teradata 사용자 지연 지표를 가져옵니다.
   • prompt_table_archive - 데이터베이스 테이블에 대한 테이블 보관 전략을 만듭니다.
   • prompt_database_lineage - 데이터베이스의 테이블에 대한 방향성 계보 맵을 만듭니다.
3. td_데이터_품질_도구:
   • missing_values - 누락된 값이 있는 열 이름 목록을 반환합니다.
   • negative_values - 음수 값을 갖는 열 이름 목록을 반환합니다.
   • distinct_categories - 열 내의 카테고리 목록을 반환합니다.
   • standard_deviation - 열의 평균과 표준 편차를 반환합니다.

custom_tools.yaml 파일이나 _tools.yaml 로 끝나는 파일에 사용자 정의 "쿼리" 도구를 추가할 수 있습니다. 도구 이름, 설명, 실행할 SQL 쿼리만 지정하면 됩니다. 이 시점에서는 매개변수가 지원되지 않습니다.

Test 디렉토리에는 도구를 테스트하기 위한 간단한 ClientChatBot 도구가 포함되어 있습니다.

환경 설정

1단계 - 로컬 컴퓨터에 uv 패키지가 설치되어 있다는 가정 하에 환경이 구성되었습니다. uv 설치 지침은 https://github.com/astral-sh/uv 에서 확인할 수 있습니다.

2단계 - mcp-server 저장소를 복제합니다.

윈도우에서

지엑스피1

Mac/Linux에서

3단계 - .env 파일을 업데이트해야 합니다.

• env 파일 이름을 .env로 바꾸세요
• 데이터베이스 URI는 teradata://username@host:1025/databasename 형식을 가지며 ClearScape Analytics Experience https://www.teradata.com/getting-started/demos/clearscape-analytics 를 사용합니다.
  • 사용자 이름을 업데이트해야 합니다
  • 비밀번호를 업데이트해야 합니다
  • Teradata 호스트를 업데이트해야 합니다.
  • 데이터베이스 이름을 업데이트해야 합니다
• /test/pydanticaiBedrock.py 코드가 작동하려면 LLM 자격 증명을 사용할 수 있어야 합니다.
• SSE 설정
  • SSE: 서버가 SSE 전송(SSE = True)을 사용할지 아니면 stdio 전송(SSE=False)을 사용할지 여부를 결정하는 부울 값입니다.
  • SSE_HOST: 서버를 찾을 수 있는 IP 주소, 기본값은 127.0.0.1입니다.
  • SSE_PORT: 서버가 있는 포트 주소, 기본값은 8001입니다.

.env 파일 예시

MCP Inspector로 서버 테스트

1단계 - 서버를 시작하고 터미널에 다음을 입력하세요.

참고: Windows 컴퓨터에서 이 작업을 실행하고 npx, npm 또는 node.js 오류가 발생하는 경우 여기에서 필요한 node.js 소프트웨어를 설치하세요: https://github.com/nodists/nodist

2단계 - MCP 검사기 열기

• 검사기 도구를 열고 http://127.0.0.1:6274 로 이동하세요.
• 도구를 클릭하세요
• 목록 도구를 클릭하세요
• read_database_list를 클릭하세요
• 실행을 클릭하세요

다른 도구를 테스트하면 각각 성공적인 결과가 나와야 합니다.

터미널에서 서버를 중지하려면 Control+c를 누르세요.

서버 실행

uv run teradata-mcp-server 사용하여 간단히 서버를 실행할 수 있습니다.

stdio를 사용하여 에이전트에 서버 추가

옵션 1 - pydanticai 챗봇

1단계 - .env 파일의 SSE 플래그가 False로 설정되었는지 확인합니다.

2단계 - ./test/ClientChatBot.py 스크립트를 수정하여 서버를 설치한 위치를 가리키도록 합니다. 다음 줄을 수정해야 합니다.

3단계 - ./test/ClientChatBot.py 스크립트를 실행합니다. 이렇게 하면 MCP 서버에 접근 권한이 있는 상담원과 대화형 세션이 생성됩니다. 터미널에서 실행하세요.

• 에이전트에게 데이터베이스를 나열해 달라고 요청하세요.
• 에이전트에게 데이터베이스에 테이블을 나열해 달라고 요청하세요.
• 에이전트에게 데이터베이스의 모든 객체를 표시하도록 요청합니다.
• 테이블에 대해 SQL을 실행해야 하는 질문을 에이전트에게 물어보세요.
• 종료하려면 "quit"를 입력하세요.

옵션 2 - ADK 챗봇

1단계 - .env 파일의 SSE 플래그가 False로 설정되었는지 확인합니다.

2단계 - 터미널에서 teradata_mcp_server/test 디렉토리로 이동합니다.

3단계 - ADK 웹 서버 열기

4단계 - td_agent와 채팅

옵션 3 - mcp_chatbot

0단계 - 테스트 디렉토리에서 server_config.json을 수정하고 경로가 올바른지 확인합니다.

1단계 - .env 파일의 SSE 플래그가 False로 설정되었는지 확인합니다.

2단계 - teradata_mcp_server 디렉토리로 이동합니다. 터미널에서 mcp_chatbot을 실행합니다.

3단계 - /prompts를 입력하여 프롬프트를 나열합니다.

4단계 - 데이터베이스를 설명하는 프롬프트 실행

stdio를 사용하여 Visual Studio Code Co-pilot에 도구 추가

• .env 파일에서 SSE 플래그가 False로 설정되었는지 확인하세요.

• VS Code에서 "명령 표시 및 실행"
• "MCP: 서버 추가"를 선택하세요
• "명�� Stdio"를 선택하세요
• 실행하려면 명령어에 "uv"를 입력하세요.
• ID에 서버 이름을 입력하세요
• settings.json 파일이 열려야 합니다.
• 디렉토리 경로를 수정하고 서버가 설치된 위치를 가리키고 있는지 확인하세요.
• 인수를 다음과 같이 추가합니다.

참고: 시스템의 args에서 디렉토리 경로를 수정해야 합니다. 전체 경로여야 합니다. 명령에 uv의 전체 경로도 포함되어야 할 수 있습니다.

• settings.json 파일 내에서 서버를 시작할 수도 있고 "MCP: 서버 시작"을 할 수도 있습니다.

SSE를 사용하여 Visual Studio Code Co-pilot에 도구 추가

• .env 파일에서 SSE 플래그가 False로 설정되었는지 확인하세요.

• 터미널에서 서버를 시작해야 합니다

• VS Code에서 "명령 표시 및 실행"
• "MCP: 서버 추가"를 선택하세요
• "HTTP 서버가 이벤트를 보냈습니다"를 선택하세요
• 서버 위치에 대한 URL을 입력하세요(예: http://127.0.0.1:8001/sse)
• ID에 서버 이름을 입력하세요
• 사용자 공간 선택
• settings.json 파일이 열려야 합니다.
• 인수를 다음과 같이 추가합니다.

• settings.json 파일 내에서 또는 "MCP: 서버 시작"을 할 수 있습니다.

Claude Desktop에 MCP 서버 추가

claude_desktop_config.json 구성 파일에 다음 항목을 추가하여 Claude 데스크톱 서버를 추가할 수 있습니다.

참고: 시스템의 args에서 디렉토리 경로를 수정해야 합니다. 전체 경로여야 합니다. 명령에 uv의 전체 경로도 포함되어야 할 수 있습니다.

참고: 이를 위해서는 Claude가 시스템 경로에서 uv 사용할 수 있어야 하거나 시스템에 전역적으로 설치되어 있어야 합니다(예: Mac OS 사용자의 경우 brew 와 함께 uv가 설치됨).

mcpo를 사용하여 도구를 REST 엔드포인트로 노출

mcpo를 사용하면 이 MCP 도구를 OpenAPI 호환 HTTP 서버로 노출할 수 있습니다.

예를 들어, uv를 사용합니다: uvx mcpo --port 8001 --api-key "top-secret" -- uv run teradata-mcp-server

이제 Teradata 도구를 로컬 REST 엔드포인트로 사용할 수 있습니다. 설명서를 보고 http://localhost:8001/docs 에서 테스트해 보세요.

Open WebUI를 사용하여 서버 사용

Open WebUI는 Ollama와 같은 다양한 LLM 러너를 지원하며, 완전히 오프라인에서 작동하도록 설계된 사용자 친화적인 셀프 호스팅 AI 플랫폼입니다. 직관적인 GUI를 통해 LLM 및 MCP 서버와 편리하게 상호 작용할 수 있습니다. mcpo 구��� 요소를 사용하여 이 MCP 서버와 통합할 수 있습니다.

먼저 위 섹션에 지정된 대로 mcpo를 실행합니다.

http://localhost:8080 에서 UI에 접속하세요. MCP 도구를 추가하려면 설정 > 도구 > 연결 추가로 이동하여 mcpo 서버 연결 세부 정보(예: localhost:8001 , mcpo 섹션에서 명령줄을 실행한 경우 비밀번호는 top-secret )를 입력하세요.

오른쪽의 채팅 제어 밸브 섹션에서 도구를 확인하고 모델에서 해당 도구를 사용할 수 있어야 합니다.

인증