Teradata MCP Server

Teradata MCP 服务器模板

概述

Teradata MCP 服务器是一个开源项目，我们欢迎通过拉取请求做出贡献。

我们提供三套工具和相关的帮助提示

1. td_base_工具：
   • execute_read_query - 运行读取查询
   • execute_write_query - 运行写入查询
   • read_table_DDL - 返回显示表结果
   • read_database_list - 返回所有数据库的列表
   • read_table_list - 返回数据库中的表列表
   • read_column_description - 返回表中列的描述
   • read_table_preview - 返回表中的列信息和 5 行
   • read_table_affinity - 获取通常一起使用的表
   • read_table_usage - 测量给定模式中用户对表和视图的使用情况
   • prompt_general-针对数据库创建 SQL 查询
   • prompt_table_business_description - 生成表的业务描述
   • prompt_database_business_description - 根据表生成数据库的业务描述
2. td_dba_工具：
   • read_user_sql_list - 返回用户最近执行的 SQL 列表
   • read_table_sql_list - 返回表的最近执行的 SQL 列表
   • read_table_space - 返回 CurrentPerm 表空间
   • read_database_space - 返回数据库的分配空间、已用空间和已用百分比
   • read_database_version - 返回数据库版本信息
   • read_resuage_summary - 获取每个工作负载类型和查询复杂性存储桶按工作日和小时划分的 Teradata 系统使用情况摘要指标。
   • read_flow_control - 按天和小时获取 Teradata 系统流量控制指标
   • read_feature_usage - 获取用户功能使用情况指标
   • read_user_delay - 获取 Teradata 用户延迟指标。
   • prompt_table_archive - 为数据库表创建表存档策略。
   • prompt_database_lineage - 创建数据库中表的定向沿袭图。
3. td_数据质量工具：
   • missing_values - 返回具有缺失值的列名列表
   • negative_values - 返回具有负值的列名列表
   • distinct_categories - 返回列中的类别列表
   • standard_deviation - 返回列的平均值和标准差

您可以在custom_tools.yaml文件或任何以_tools.yaml结尾的文件中定义自定义“查询”工具。只需指定工具名称、描述和要执行的 SQL 查询即可。目前不支持任何参数。

测试目录包含一个用于测试工具的简单 ClientChatBot 工具。

环境设置

步骤 1 - 假设您已在本地计算机上安装了 uv 软件包，则环境已搭建完毕。uv 的安装说明可在https://github.com/astral-sh/uv找到。

步骤 2 - 使用以下命令克隆 mcp-server 存储库

在 Windows 上

在 Mac/Linux 上

步骤 3 - 您需要更新 .env 文件

• 将 env 文件重命名为 .env
• 数据库 URI 将具有以下格式 teradata://username@host:1025/databasename，使用 ClearScape Analytics Experience https://www.teradata.com/getting-started/demos/clearscape-analytics
  • 用户名需要更新
  • 密码需要更新
  • Teradata 主机需要更新
  • 数据库名称需要更新
• 需要有 LLM 凭证才能使 /test/pydanticaiBedrock.py 代码正常运行
• SSE 设置
  • SSE ：布尔值，用于确定您的服务器是否将使用 SSE 传输（SSE = True）或 stdio 传输（SSE=False）
  • SSE_HOST：服务器的 IP 地址，默认值为 127.0.0.1
  • SSE_PORT：服务器可访问的端口地址，默认为8001

示例 .env 文件

使用 MCP Inspector 测试您的服务器

步骤 1 - 启动服务器，在终端中输入以下内容

注意：如果您在 Windows 计算机上运行此程序并收到 npx、npm 或 node.js 错误，请从此处安装所需的 node.js 软件： https://github.com/nodists/nodist

步骤 2 - 打开 MCP 检查器

• 您应该打开检查工具，转到http://127.0.0.1:6274
• 点击工具
• 点击列表工具
• 点击 read_database_list
• 点击运行

测试其他工具，每个工具都应该有一个成功的结果

Control+c 在终端中停止服务器

运行服务器

您可以使用以下命令运行服务器： uv run teradata-mcp-server

使用 stdio 将服务器添加到代理

选项 1 - pydanticai 聊天机器人

步骤 1 - 确认 .env 文件中的 SSE 标志已设置为 False

第 2 步 - 修改 ./test/ClientChatBot.py 脚本以指向您安装服务器的位置，您需要修改以下行

步骤 3 - 运行 ./test/ClientChatBot.py 脚本，这将与有权访问 MCP 服务器的代理创建一个交互式会话。从终端执行。

• 要求代理列出数据库
• 要��代理列出数据库中的表
• 要求代理显示数据库中的所有对象
• 向代理询问需要针对表运行 SQL 的问题
• 输入“quit”退出。

选项 2 - ADK 聊天机器人

步骤 1 - 确认 .env 文件中的 SSE 标志已设置为 False

第 2 步 - 从终端进入 teradata_mcp_server/test 目录。

步骤 3 - 打开ADK Web 服务器

步骤 4 - 与 td_agent 聊天

选项 3 - mcp_chatbot

步骤0-修改测试目录中的server_config.json，确保路径正确。

步骤 1 - 确认 .env 文件中的 SSE 标志已设置为 False

第 2 步 - 从终端进入 teradata_mcp_server 目录并运行 mcp_chatbot

步骤 3 - 通过输入 /prompts 列出提示

步骤 4 - 运行提示来描述数据库

使用 stdio 向 Visual Studio Code Co-pilot 添加工具

• 确认 .env 文件中的 SSE 标志已设置为 False

• 在 VS Code 中，“显示并运行命令”
• 选择“MCP：添加服务器”
• 选择“Command Stdio”
• 在命令中输入“uv”运行
• 输入服务器名称作为 ID
• 设置.json文件应该打开
• 修改目录路径并确保它指向安装服务器的位置
• 添加参数，使其看起来像：

注意：您需要修改系统参数中的目录路径，该路径必须是完整路径。您可能还需要在命令中使用 uv 的完整路径。

• 您可以从 settings.json 文件中启动服务器，也可以“MCP：启动服务器”

使用 SSE 向 Visual Studio Code Co-pilot 添加工具

• 确认 .env 文件中的 SSE 标志已设置为 False

• 您需要从终端启动服务器

• 在 VS Code 中，“显示并运行命令”
• 选择“MCP：添加服务器”
• 选择“HTTP 服务器发送事件”
• 输入服务器位置的 URL，例如http://127.0.0.1:8001/sse
• 输入服务器名称作为 ID
• 选择用户空间
• 设置.json文件应该打开
• 添加参数，使其看起来像：

• 在 settings.json 文件中，或者您可以“MCP：启动服务器”

将 MCP 服务器添加到 Claude Desktop

您可以将此服务器 Claude 桌面添加到您的claude_desktop_config.json配置文件中：

注意：您需要修改系统参数中的目录路径，该路径必须是完整路径。您可能还需要在命令中使用 uv 的完整路径。

注意：这要求uv在您的系统路径中可供 Claude 使用或在您的系统上全局安装（例如，对于 Mac OS 用户，uv 使用brew安装）。

使用 mcpo 将工具公开为 REST 端点

您可以使用mcpo将此 MCP 工具公开为与 OpenAPI 兼容的 HTTP 服务器。

例如，使用 uv： uvx mcpo --port 8001 --api-key "top-secret" -- uv run teradata-mcp-server

您的 Teradata 工具现在可以作为本地 REST 端点使用，查看文档并在http://localhost:8001/docs上进行测试

使用带有 Open WebUI 的服务器

Open WebUI是一个用户友好的自托管 AI 平台，旨在完全离线运行，支持各种 LLM 运行器，例如 Ollama。它提供了一种通过直观的 GUI 与 LLM 和 MCP 服务器交互的便捷方式。它可以使用mcpo组件与此 MCP 服务器集成。

首先按照上面部分所述运行 mcpo。

通过http://localhost:8080访问用户界面。要添加 MCP 工具，请前往“设置”>“工具”>“添加连接”，然后输入您的 mcpo 服务器连接信息（例如， localhost:8001 ，如果您在 mcpo 部分执行了命令行，则密码为top-secret ）。

您应该能够在右侧的聊天控制阀部分看到工具并让您的模型使用它。

认证