Clickzetta MCP Server

Überblick

Eine Model Context Protocol (MCP)-Serverimplementierung, die die Datenbankinteraktion mit Clickzetta Lakehouse ermöglicht. Dieser Server ermöglicht die Ausführung von SQL-Abfragen mit Tools und die Interaktion mit einem Memo mit Datenerkenntnissen, das als Ressource bereitgestellt wird.

Schnellstart mit MCP-ClickZetta-Server/Trae als Ihrem AI Data Engineer

Laden Sie Trae herunter und installieren Sie es

Laden Sie es von trae.ai herunter und melden Sie sich an, um die Verwendung von KI zu ermöglichen.

Holen Sie sich Ihr ClickZetta-Konto

MCP-ClickZetta-Server Docker Image abrufen

docker pull czqiliang/mcp-clickzetta-server

MCP-Server in Trae hinzufügen

Klicken Sie im KI-Chatfenster auf das Symbol „Einstellungen“ > „MCP“.
Das MCP-Fenster wird angezeigt.
Klicken Sie auf die Schaltfläche + Hinzufügen.
Sie gelangen zum MCP Server Marketplace.
Klicken Sie auf „Manuelle Konfiguration“. Das Fenster „Manuelle Konfiguration“ wird angezeigt. Fügen Sie einen neuen MCP-Server hinzu, indem Sie die folgende JSON-Konfiguration in das Eingabefeld einfügen und anschließend auf „Bestätigen“ klicken. Der MCP-Server wird der MCP-Liste hinzugefügt.

{
   "mcpServers": {
      "clickzetta-mcp-server": {
         "command": "docker",
         "args": [
            "run",
            "-i", 
            "--rm", 
            "-e", "LOG_LEVEL=INFO", 
            "-e", "CLICKZETTA_SERVICE", 
            "-e", "CLICKZETTA_INSTANCE",
            "-e", "CLICKZETTA_WORKSPACE",
            "-e", "CLICKZETTA_SCHEMA",
            "-e", "CLICKZETTA_USERNAME",
            "-e", "CLICKZETTA_PASSWORD",
            "-e", "CLICKZETTA_VCLUSTER",
            "-e", "XINFERENCE_BASE_URL",
            "-e", "XINFERENCE_EMBEDDING_MODEL_512",
            "-e", "Similar_table_name",
            "-e", "Similar_embedding_column_name",
            "-e", "Similar_content_column_name",
            "-e", "Similar_partition_scope",
            "czqiliang/mcp-clickzetta-server:latest" 
         ],
         "env": {
            "CLICKZETTA_SERVICE": "api.clickzetta.com", 
            "CLICKZETTA_INSTANCE": "your clickzetta instance", 
            "CLICKZETTA_WORKSPACE": "your clickzetta workspace" ,
            "CLICKZETTA_SCHEMA": "your clickzetta schema",
            "CLICKZETTA_USERNAME": "your clickzetta usename",
            "CLICKZETTA_PASSWORD": "your clickzetta password",
            "CLICKZETTA_VCLUSTER": "your clickzetta vcluster",
            "Similar_table_name": "clickzegithub_event_issuesevent_embedding.github_event_issuesevent_embedding_512tta_table",
            "Similar_embedding_column_name": "issue_body_embedding",
            "Similar_content_column_name": "issue_body",
            "Similar_partition_scope": "partition_date  >= '2024-01-01' and partition_date  <= '2024-01-15'"
            }
      }
   }
}

CLICKZETTA开头的env参数为必填

Schnellstart mit MCP-ClickZetta-Server/Zettapark-MCP-Server/Claude Desktop als Ihr AI Data Engineer

Laden Sie Claude Desktop herunter und installieren Sie es

Laden Sie es von claude.ai herunter und melden Sie sich an.

Holen Sie sich Ihr ClickZetta-Konto

Starten Sie Ihr Jupyter-Labor

Beginnen Sie mit Docker Compose

Ordner erstellen

mkdir notebooks
cd notebooks

Erstellen Sie die Datei config.json und legen Sie Ihre Anmeldeinformationen wie folgt fest:

{
    "username": "your clickzetta lakehouse user name",
    "password": "your clickzetta lakehouse password",
    "service": "api.clickzetta.com",
    "instance": "your clickzetta lakehouse instance name",
    "workspace": "your clickzetta lakehouse workspac name",
    "schema": "your clickzetta lakehouse schema",
    "vcluster": "your clickzetta lakehouse vcluster name",
    "sdk_job_timeout": 60,
    "hints": {
      "sdk.job.timeout": 60,
      "query_tag": "test_zettapark_vector_ns227206",
      "cz.storage.parquet.vector.index.read.memory.cache": "true",
      "cz.storage.parquet.vector.index.read.local.cache": "false",
      "cz.sql.table.scan.push.down.filter": "true",
      "cz.sql.table.scan.enable.ensure.filter": "true",
      "cz.storage.always.prefetch.internal": "true",
      "cz.optimizer.generate.columns.always.valid": "true",
      "cz.sql.index.prewhere.enabled": "true",
      "cz.storage.parquet.enable.io.prefetch": "false"
    }
  }

Hinweis: Legen Sie dazu die Datei config.json im Ordner „Notebooks“ ab. Ändern Sie „query_tag“ entsprechend Ihrem Zweck und verwenden Sie es, um die Abfrage anhand des Tags zu finden.

Laden Sie docker-compose.yml herunter und starten Sie Docker Compose

Laden Sie die Docker Compose-Datei hier herunter

docker compose up -d

Gehen Sie zum Docker-Desktop und überprüfen Sie, ob Docker Compose gestartet ist.

Zugriff auf den Jupyter Lab Server

http://localhost:8888/

Token: IHR_SICHERES_TOKEN

Erstellen Sie dann ein neues Notizbuch und ändern Sie den Namen von Untitled.ipynb in notebook.ipynb.

Oder starten Sie den lokalen Server

# Create a clean environment (Python 3.10 worked during debugging)
conda create -n jupyter_mcp_env python=3.10 -y

# Activate the environment
conda activate jupyter_mcp_env

# Use 'python -m pip' to ensure correct pip in the activated env
python -m pip install jupyterlab ipykernel

# Install the required v2.0.1
python -m pip install "jupyter_collaboration==2.0.1"

# Uninstall potentially conflicting versions
python -m pip uninstall -y pycrdt datalayer_pycrdt

# Install the required version
python -m pip install datalayer_pycrdt

jupyter server extension enable jupyter_collaboration --py --sys-prefix

# Start JupyterLab, please keep token as YOUR_SECURE_TOKEN
jupyter lab --port 8888 --IdentityProvider.token YOUR_SECURE_TOKEN --ip 0.0.0.0

Fügen Sie den MCP-Server zu Ihrem Claude Desktop hinzu

Gehen Sie in Claude Desktop zu Einstellungen → Entwickler → Konfiguration bearbeiten
Öffnen Sie claude_desktop_config.json und konfigurieren Sie MCP-Server

{
   "mcpServers": {

      "jupyter": {
         "command": "docker",
      "args": [
        "run",
        "-i", 
        "--rm", 
        "-e", "SERVER_URL", 
        "-e", "TOKEN",
        "-e", "NOTEBOOK_PATH",
        "-e", "LOG_LEVEL=INFO", 
        "czqiliang/jupyter-mcp-server:latest" 
      ],
      "env": {
        "SERVER_URL": "http://host.docker.internal:8888", 
        "TOKEN": "YOUR_SECURE_TOKEN", 
        "NOTEBOOK_PATH": "notebook.ipynb" 
         }
      },
      "clickzetta-mcp-server": {
         "command": "docker",
         "args": [
            "run",
            "-i", 
            "--rm", 
            "-e", "LOG_LEVEL=INFO", 
            "-e", "CLICKZETTA_SERVICE", 
            "-e", "CLICKZETTA_INSTANCE",
            "-e", "CLICKZETTA_WORKSPACE",
            "-e", "CLICKZETTA_SCHEMA",
            "-e", "CLICKZETTA_USERNAME",
            "-e", "CLICKZETTA_PASSWORD",
            "-e", "CLICKZETTA_VCLUSTER",
            "-e", "Similar_table_name",
            "-e", "Similar_embedding_column_name",
            "-e", "Similar_content_column_name",
            "-e", "Similar_partition_scope",
            "czqiliang/mcp-clickzetta-server:latest" 
         ],
         "env": {
            "CLICKZETTA_SERVICE": "api.clickzetta.com", 
            "CLICKZETTA_INSTANCE": "your clickzetta instance", 
            "CLICKZETTA_WORKSPACE": "your clickzetta workspace" ,
            "CLICKZETTA_SCHEMA": "your clickzetta schema",
            "CLICKZETTA_USERNAME": "your clickzetta usename",
            "CLICKZETTA_PASSWORD": "your clickzetta password",
            "CLICKZETTA_VCLUSTER": "your clickzetta vcluster",
            "Similar_table_name": "clickzegithub_event_issuesevent_embedding.github_event_issuesevent_embedding_512tta_table",
            "Similar_embedding_column_name": "issue_body_embedding",
            "Similar_content_column_name": "issue_body",
            "Similar_partition_scope": "partition_date  >= '2024-01-01' and partition_date  <= '2024-01-15'"
            }
      }
   }
}

Weitere ausführliche Informationen zum Zettapark MCP-Server erhalten Sie hier .

Komponenten

Ressourcen

Der Server stellt eine einzelne dynamische Ressource bereit:

memo://insights : Ein kontinuierlich aktualisiertes Dateneinblicksmemo, das die während der Analyse gewonnenen Erkenntnisse zusammenfasst
- Automatische Aktualisierungen, wenn über das Append-Insight-Tool neue Erkenntnisse gewonnen werden

Werkzeuge

Der Server bietet die folgenden Kerntools:

Abfragetools

`read_query`

Beschreibung : Führen Sie SELECT -Abfragen aus, um Daten aus der Datenbank zu lesen.
Eingabe :
- query (Zeichenfolge): Die auszuführende SELECT -SQL-Abfrage.
Gibt zurück : Abfrageergebnisse als Array von Objekten.

`write_query` (erfordert das Flag `--allow-write` )

Beschreibung : Führen Sie INSERT , UPDATE oder DELETE -Abfragen aus, um Daten zu ändern.
Eingabe :
- query (Zeichenfolge): Die SQL-Änderungsabfrage.
Gibt zurück : { affected_rows: number } , was die Anzahl der betroffenen Zeilen angibt.

`create_table` (erfordert das Flag `--allow-write` )

Beschreibung : Erstellen Sie neue Tabellen in der Datenbank.
Eingabe :
- query (Zeichenfolge): SQL-Anweisung CREATE TABLE .
Rückgabe : Bestätigung der Tabellenerstellung.

`create_table_with_prompt` (erfordert das Flag `--allow-write` )

Beschreibung : Erstellen Sie eine neue Tabelle, indem Sie den Benutzer nach Tabellenname, Spalten und deren Typen fragen.
Eingabe :
- table_name (Zeichenfolge): Der Name der zu erstellenden Tabelle.
- columns (Zeichenfolge): Die Spalten und ihre Typen im Format column1:type1,column2:type2 .
Rückgabe : Bestätigung der Tabellenerstellung.

Schema-Tools

`list_tables`

Beschreibung : Rufen Sie eine Liste aller Tabellen in der Datenbank ab.
Eingabe : Keine Eingabe erforderlich.
Gibt zurück : Ein Array von Tabellennamen.

`describe_table`

Beschreibung : Spalteninformationen für eine bestimmte Tabelle anzeigen.
Eingabe :
- table_name (Zeichenfolge): Name der zu beschreibenden Tabelle (kann vollständig qualifiziert sein).
Gibt zurück : Ein Array von Spaltendefinitionen mit Namen und Typen.

`show_object_list`

Beschreibung : Ruft die Liste bestimmter Objekttypen im aktuellen Arbeitsbereich ab, z. B. Kataloge, Schemata, Tabellen usw.
Eingabe :
- object_type (Zeichenfolge): Der Typ des anzuzeigenden Objekts.
Gibt zurück : Eine Liste von Objekten.

`desc_object`

Beschreibung : Erhalten Sie detaillierte Informationen zu einem bestimmten Objekt, beispielsweise einem Katalog, Schema oder einer Tabelle.
Eingabe :
- object_type (Zeichenfolge): Der Typ des Objekts.
- object_name (Zeichenfolge): Der Name des Objekts.
Gibt zurück : Detaillierte Informationen zum Objekt.

Analysetools

`append_insight`

Beschreibung : Fügen Sie der Memo-Ressource neue Dateneinblicke hinzu.
Eingabe :
- insight (Zeichenfolge): Durch Analyse gewonnene Dateneinblicke.
Rückgabe : Bestätigung der hinzugefügten Erkenntnisse.
Auslöser : Aktualisiert die Ressource memo://insights .

Datenimport-Tools

`import_data_into_table_from_url`

Beschreibung : Importieren Sie Daten von einer URL (einschließlich Dateipfaden oder HTTP/HTTPS-URLs) in eine Tabelle. Falls die Zieltabelle nicht existiert, wird sie automatisch erstellt.
Eingabe :
- from_url (Zeichenfolge): Die URL der Datenquelle.
- dest_table (Zeichenfolge): Die Tabelle, in die Daten importiert werden sollen.
Rückgabe : Bestätigung des erfolgreichen Datenimports.

`import_data_into_table_from_database`

Beschreibung : Stellen Sie eine Verbindung zu einer Datenbank her, führen Sie eine Abfrage aus und importieren Sie die Ergebnisse in eine Clickzetta-Tabelle. Unterstützt MySQL, PostgreSQL, SQLite und andere gängige Datenbanktypen.
Eingabe :
- db_type (Zeichenfolge): Der Typ der Datenbank (z. B. mysql , postgresql , sqlite ).
- host (Zeichenfolge): Der Hostname oder die IP-Adresse des Datenbankservers (für SQLite nicht erforderlich).
- port (Ganzzahl): Die Portnummer des Datenbankservers (für SQLite nicht erforderlich).
- database (Zeichenfolge): Der Name der Datenbank, mit der eine Verbindung hergestellt werden soll (bei SQLite ist dies der Dateipfad zur Datenbankdatei).
- username (Zeichenfolge): Der Benutzername für die Authentifizierung (für SQLite nicht erforderlich).
- password (Zeichenfolge): Das Passwort für die Authentifizierung (für SQLite nicht erforderlich).
- source_table (Zeichenfolge): Der Name der Quelltabelle.
- dest_table (Zeichenfolge): Der Name der Zieltabelle.
Rückgabe : Bestätigung des erfolgreichen Datenimports.

Tools zur Wissenssuche

`get_knowledge_about_how_to_do_something`

Beschreibung : Bietet Anleitungen zum Ausführen bestimmter Aufgaben, z. B. zum Analysieren langsamer Abfragen, zum Erstellen von Tabellen oder zum Verwalten von Speicherverbindungen.
Eingabe :
- to_do_something (Zeichenfolge): Die auszuführende Aufgabe. Unterstützte Aufgaben sind:
  - analyze_slow_query
  - analyze_table_with_small_file
  - create_table_syntax
  - how_to_create_vcluster
  - how_to_create_index
  - how_to_alter_table_and_column
  - how_to_create_storage_connection
  - how_to_create_external_volume
Rückgabe : Detaillierte Anleitung zur angegebenen Aufgabe.

Verwendungshinweise

Stellen Sie sicher, dass das Flag --allow-write aktiviert ist, wenn Sie Tools verwenden, die Daten ändern (z. B. write_query , create_table ).
Geben Sie für jedes Tool die richtigen Eingabeparameter an, wie oben beschrieben.

Verwendung mit Claude Desktop

Installation als lokaler MCP-Server (Diese Methode wurde unter MacOS getestet und verifiziert)

Klonen Sie dieses Repository:

git clone https://github.com/yunqiqiliang/mcp-clickzetta-server.git
cd mcp-clickzetta-server

Installieren Sie das Paket:

uv pip install -e . -i https://pypi.tuna.tsinghua.edu.cn/simple/

Konfigurations-Anmeldeinformationen

Erstellen Sie eine .env-Datei basierend auf .env.example mit Ihren Clickzetta Lakehouse-Anmeldeinformationen:

CLICKZETTA_USERNAME = ""
CLICKZETTA_PASSWORD = ""
CLICKZETTA_SERVICE = "api.clickzetta.com"
CLICKZETTA_INSTANCE = ""
CLICKZETTA_WORKSPACE = ""
CLICKZETTA_SCHEMA = ""
CLICKZETTA_VCLUSTER = ""
Similar_table_name = "github_event_issuesevent_embedding.github_event_issuesevent_embedding_512"
Similar_embedding_column_name = "issue_body_embedding"
Similar_content_column_name = "issue_body"
Similar_partition_scope = "partition_date  >= '2024-01-01' and partition_date  <= '2024-01-15'"

Verwendung

Laufen mit UV

Nach der Installation des Pakets können Sie den Server direkt ausführen mit:

uv run mcp_clickzetta_server

Wenn Sie den Server zum ersten Mal ausführen, können Sie den folgenden Befehl ausführen, um die Paketinstallation zu beschleunigen:

UV_INDEX_URL=https://pypi.tuna.tsinghua.edu.cn/simple/ uv run mcp_clickzetta_server

Dadurch wird der stdio-basierte MCP-Server gestartet, der mit Claude Desktop oder jedem MCP-Client verbunden werden kann, der die stdio-Kommunikation unterstützt.

Sie sollten eine Ausgabe ähnlich der folgenden sehen:

uv run mcp_clickzetta_server --no-prefetch

2025-03-25 10:11:20,799 - mcp_clickzetta_server - INFO - Starting Clickzetta MCP Server
2025-03-25 10:11:20,799 - mcp_clickzetta_server - INFO - Allow write operations: False
2025-03-25 10:11:20,799 - mcp_clickzetta_server - INFO - Prefetch table descriptions: True
2025-03-25 10:11:20,799 - mcp_clickzetta_server - INFO - Excluded tools: []
2025-03-25 10:11:20,799 - mcp_clickzetta_server - INFO - Prefetching table descriptions
2025-03-25 10:11:21,726 - clickzetta.zettapark.session - INFO - Zettapark Session information: 
"version" : 0.1.3,
"python.version" : 3.12.2,
"python.connector.version" : 0.8.89.0,
"python.connector.session.id" : dd46bd27-920d-4760-94a6-6f994d31e63e,
"os.name" : Darwin

2025-03-25 10:11:21,728 - clickzetta.connector.v0.client - INFO - clickzetta connector submitting job,  id:2025032510112172821098301
2025-03-25 10:11:23,059 - clickzetta.connector.v0.client - INFO - clickzetta connector submitting job,  id:2025032510112305897947697
2025-03-25 10:11:23,728 - mcp_clickzetta_server - INFO - Allowed tools: ['read_query', 'append_insight']
2025-03-25 10:11:23,732 - mcp_clickzetta_server - INFO - Server running with stdio transport

Claude Desktop Integration

Befehl: Docker

Der MCP-Server (der in Docker ausgeführt wird) liest seine Konfiguration aus Umgebungsvariablen, die über die MCP-Clientkonfiguration übergeben werden (z. B. claude_desktop_config.json ). Wichtige Variablen:

{
   "clickzetta-mcp-server": {
         "command": "docker",
         "args": [
            "run",
            "-i", 
            "--rm", 
            "-e", "LOG_LEVEL=INFO", 
            "-e", "CLICKZETTA_SERVICE", 
            "-e", "CLICKZETTA_INSTANCE",
            "-e", "CLICKZETTA_WORKSPACE",
            "-e", "CLICKZETTA_SCHEMA",
            "-e", "CLICKZETTA_USERNAME",
            "-e", "CLICKZETTA_PASSWORD",
            "-e", "CLICKZETTA_VCLUSTER",
            "-e", "Similar_table_name",
            "-e", "Similar_embedding_column_name",
            "-e", "Similar_content_column_name",
            "-e", "Similar_partition_scope",
            "czqiliang/mcp-clickzetta-server:latest" 
         ],
         "env": {
            "CLICKZETTA_SERVICE": "api.clickzetta.com", 
            "CLICKZETTA_INSTANCE": "your clickzetta instance", 
            "CLICKZETTA_WORKSPACE": "your clickzetta workspace" ,
            "CLICKZETTA_SCHEMA": "your clickzetta schema",
            "CLICKZETTA_USERNAME": "your clickzetta usename",
            "CLICKZETTA_PASSWORD": "your clickzetta password",
            "CLICKZETTA_VCLUSTER": "your clickzetta vcluster",
            "Similar_table_name": "clickzegithub_event_issuesevent_embedding.github_event_issuesevent_embedding_512tta_table",
            "Similar_embedding_column_name": "issue_body_embedding",
            "Similar_content_column_name": "issue_body",
            "Similar_partition_scope": "partition_date  >= '2024-01-01' and partition_date  <= '2024-01-15'"
            }
      }
}

Befehl:uv

Gehen Sie in Claude Desktop zu Einstellungen → MCP-Server
Fügen Sie einen neuen Server mit dem vollständigen Pfad zu Ihrer ausführbaren UV-Datei hinzu:

{
   "mcpServers": {
      "clickzetta-mcp-server" : {
         "command": "/Users/******/anaconda3/bin/uv",
         "args": [
            "--directory",
            "/Users/******/Documents/GitHub/mcp-clickzetta-server",
            "run",
            "mcp_clickzetta_server"
         ]
      }
   }
}

Sie können Ihren UV-Pfad finden, indem Sie „which uv“ in Ihrem Terminal ausführen.
Speichern der Serverkonfiguration

Beispielabfragen

Bei der Verwendung mit Claude können Sie Fragen stellen wie:

„Können Sie alle Schemata in meinem Clickzetta-Konto auflisten?“
„Alle Ansichten im PUBLIC-Schema auflisten“
„Beschreiben Sie die Struktur der Ansicht CUSTOMER_ANALYTICS im Schema SALES.“
„Zeigen Sie mir Beispieldaten aus der Ansicht REVENUE_BY_REGION im Schema FINANCE“
„Führen Sie diese SQL-Abfrage aus: SELECT customer_id, SUM(order_total) as total_spend FROM SALES.ORDERS GROUP BY customer_id ORDER BY total_spend DESC LIMIT 10“
„Fragen Sie die MARKETING-Datenbank ab, um die fünf leistungsstärksten Kampagnen nach Konversionsrate zu finden.“
„Die Website von Clickzetta ist eine öffentliche Website mit öffentlichem Schema und Git „hub_users“
„Sie haben Clickzetta 中读取数据, 分析下在public这个schema下github_event_issuesevent表里有多少条记录？“

Beispielergebnis

Klicken Sie auf Clickzetta chema下github_users表里的数据可以做哪些分析？包括指标、统计、趋势、以及各种经典的用户分析模型比如用户价值分析、用户生命周期分析、用户segment等,然后根据这些分析内容生成一个分析报告的dashboard'

Das Ergebnis von „Die Veröffentlichung von Clickzetta und der öffentliche Zugriff auf das Schema von Gith „ub_users“:

Das Ergebnis von „帮我从Clickzetta中读取数据，分析下在public这个schema下github_users表里每个位置"

Sicherheitsüberlegungen

Dieser Server:

Erzwingt schreibgeschützte Operationen (nur SELECT-Anweisungen sind zulässig)
Fügt automatisch LIMIT-Klauseln hinzu, um große Ergebnismengen zu verhindern
Verwendet die Dienstkontoauthentifizierung für sichere Verbindungen
Validiert Eingaben, um SQL-Injection zu verhindern
⚠️ Wichtig: Bewahren Sie Ihre .env-Datei sicher auf und übergeben Sie sie niemals der Versionskontrolle. Die .gitignore-Datei ist so konfiguriert, dass sie ausgeschlossen ist.

Installation über Smithery (Diese Methode muss getestet und überprüft werden)

So installieren Sie Clickzetta Server für Claude Desktop automatisch über Smithery :

npx -y @smithery/cli@latest install @yunqiqiliang/mcp-clickzetta-server --client claude --key ******

Installation über UVX (Dieser Weg muss getestet und überprüft werden)

# Add the server to your claude_desktop_config.json
"mcpServers": {
  "clickzetta_pip": {
      "command": "uvx",
      "args": [
          "mcp_clickzetta_server",
          "--service",
          "the_service",
          "--instance",
          "the_instance",
          "--vcluster",
          "the_vcluster",
          "--workspace",
          "the_workspace",
           "--schema",
          "the_schema",
          "--user",
          "the_user",
          "--password",
          "their_password",
          # Optionally: "--allow_write" (but not recommended)
          # Optionally: "--log_dir", "/absolute/path/to/logs"
          # Optionally: "--log_level", "DEBUG"/"INFO"/"WARNING"/"ERROR"/"CRITICAL"
          # Optionally: "--exclude_tools", "{tool name}", ["{other tool name}"]
      ]
  }
}

This server cannot be installed

security - not tested

license - permissive license

quality - not tested

hybrid server

The server is able to function both locally and remotely, depending on the configuration or use case.

Ein Model Context Protocol-Server, der die Datenbankinteraktion mit Clickzetta ermöglicht und es Benutzern ermöglicht, SQL-Abfragen auszuführen, Tabellen zu verwalten und ein dynamisch aktualisiertes Memo mit Datenerkenntnissen zu pflegen.

Related MCP Servers

MySQL-MCP
zajTools
-
security
F
license
-
quality
A Model Context Protocol server that enables SQL query execution, database management, and business intelligence capabilities through MySQL connections.
Last updated -
JavaScript
SQLite MCP Server
jacksteamdev
A
security
A
license
A
quality
A Model Context Protocol server that provides database interaction capabilities through SQLite, enabling users to run SQL queries, analyze business data, and automatically generate business insight memos.
Last updated -
6
9
TypeScript
MIT License
Database MCP Server
georgi-terziyski
-
security
-
license
-
quality
A Model Context Protocol server that provides tools for connecting to and interacting with various database systems (SQLite, PostgreSQL, MySQL/MariaDB, SQL Server) through a unified interface.
Last updated -
Python
SQLite MCP Server
isaacgounton
-
security
F
license
-
quality
A Model Context Protocol server that enables SQL operations (SELECT, INSERT, UPDATE, DELETE) and table management through a standardized interface with SQLite databases.
Last updated -
JavaScript

View all related MCP servers

Appeared in Searches

ClickHouse: A fast open-source columnar database management system