클릭제타 MCP 서버

개요

Clickzetta Lakehouse 와 데이터베이스 상호작용을 제공하는 모델 컨텍스트 프로토콜(MCP) 서버 구현입니다. 이 서버를 통해 도구를 사용하여 SQL 쿼리를 실행하고 리소스로 제공되는 데이터 인사이트 메모와 상호작용할 수 있습니다.

AI 데이터 엔지니어로서 MCP-ClickZetta-Server/Trae를 사용한 빠른 시작

Trae를 다운로드하고 설치하세요

trae.ai에서 다운로드 하고 로그인하여 AI를 사용하세요.

ClickZetta 계정을 받으세요

MCP-ClickZetta-Server Docker 이미지 가져오기

지엑스피1

Trae에 MCP 서버 추가

AI 채팅 창에서 설정 아이콘 > MCP를 클릭하세요.
MCP 창이 나타납니다.
- 추가 버튼을 클릭합니다.
MCP 서버 마켓플레이스에 들어가게 됩니다.
수동 구성을 클릭하세요. 수동 구성 창이 나타납니다. 다음 JSON 구성을 입력란에 붙여넣어 새 MCP 서버를 추가한 후 "확인" 버튼을 클릭하세요. MCP 서버가 MCP 목록에 추가됩니다.

{
   "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",
            "XINFERENCE_BASE_URL": "http://host.docker.internal:9998",
            "XINFERENCE_EMBEDDING_MODEL_512": "bge-small-zh",
            "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'"
            }
      }
   }
}

CLICKZETTA의 환경은 다음과 같습니다.
XINFERENCE의 유사한 환경과 유사한 환경을 위한 벡터_검색 및 match_all 도구

AI 데이터 엔지니어로서 MCP-ClickZetta-Server/Zettapark-MCP-Server/Claude Desktop을 사용하여 빠르게 시작하세요.

Claude Desktop을 다운로드하고 설치하세요

claude.ai에서 다운로드 하고 로그인하세요.

ClickZetta 계정을 받으세요

Jupyter 랩을 시작하세요

Docker Compose로 시작하세요

폴더 생성

mkdir notebooks
cd notebooks

config.json 파일을 만들고 아래와 같이 로그인 정보를 설정하세요.

{
    "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"
    }
  }

참고: 이렇게 하려면 notebooks 폴더의 config.json 파일을 설정하세요. query_tag는 용도에 맞게 변경해야 하며, 태그로 쿼리를 찾는 데 사용됩니다.

docker-compose.yml을 다운로드하고 docker compose를 시작하세요

여기 에서 docker compose 파일을 다운로드하세요

docker compose up -d

Docker 데스크톱으로 가서 Docker Compose가 시작되었는지 확인하세요.

Jupyter Lab 서버 접속

http://localhost:8888/

토큰: YOUR_SECURE_TOKEN

그런 다음 새 노트북을 만들고 이름을 Untitled.ipynb에서 notebook.ipynb로 변경합니다.

또는 로컬 서버 시작

# 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

Claude Desktop에 MCP 서버 추가

Claude Desktop에서 설정 → 개발자 → 구성 편집으로 이동합니다.
claude_desktop_config.json을 열고 MCP 서버를 구성합니다.

{
   "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", "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",
            "XINFERENCE_BASE_URL": "http://host.docker.internal:9998",
            "XINFERENCE_EMBEDDING_MODEL_512": "bge-small-zh",
            "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'"
            }
      }
   }
}

여기 에서 Zettapark MCP 서버에 대한 자세한 정보를 얻을 수 있습니다.

구성 요소

자원

서버는 단일 동적 리소스를 노출합니다.

memo://insights : 분석 중 발견된 통찰력을 집계하는 지속적으로 업데이트되는 데이터 통찰력 메모
- 추가 인사이트 도구를 통해 새로운 인사이트가 발견되면 자동으로 업데이트됩니다.

도구

서버는 다음과 같은 핵심 도구를 제공합니다.

쿼리 도구

`read_query`

설명 : SELECT 쿼리를 실행하여 데이터베이스에서 데이터를 읽습니다.
입력 :
- query (문자열): 실행할 SELECT SQL 쿼리입니다.
반환값 : 객체 배열 형태의 쿼리 결과입니다.

`write_query` ( `--allow-write` 플래그 필요)

설명 : INSERT , UPDATE 또는 DELETE 쿼리를 실행하여 데이터를 수정합니다.
입력 :
- query (문자열): SQL 수정 쿼리입니다.
반환 값 : { affected_rows: number } 는 영향을 받은 행의 수를 나타냅니다.

`create_table` ( `--allow-write` 플래그 필요)

설명 : 데이터베이스에 새로운 테이블을 생성합니다.
입력 :
- query (문자열): CREATE TABLE SQL 문.
반환 : 테이블 생성 확인.

`create_table_with_prompt` ( `--allow-write` 플래그 필요)

설명 : 사용자에게 테이블 이름, 열, 유형을 입력하라는 메시지를 표시하여 새 테이블을 만듭니다.
입력 :
- table_name (문자열): 생성할 테이블의 이름입니다.
- columns (문자열): column1:type1,column2:type2 형식의 열과 유형입니다.
반환 : 테이블 생성 확인.

스키마 도구

`list_tables`

설명 : 데이터베이스에 있는 모든 테이블 목록을 가져옵니다.
입력 : 입력이 필요하지 않습니다.
반환값 : 테이블 이름의 배열입니다.

`describe_table`

설명 : 특정 테이블의 열 정보를 봅니다.
입력 :
- table_name (문자열): 설명하려는 테이블의 이름(완전한 명칭 가능)
반환 : 이름과 유형이 포함된 열 정의 배열입니다.

`show_object_list`

설명 : 카탈로그, 스키마, 테이블 등 현재 작업 공간에 있는 특정 개체 유형 목록을 가져옵니다.
입력 :
- object_type (문자열): 표시할 객체의 유형입니다.
반환값 : 객체 목록.

`desc_object`

설명 : 카탈로그, 스키마, 테이블 등 특정 개체에 대한 자세한 정보를 얻습니다.
입력 :
- object_type (문자열): 객체의 유형입니다.
- object_name (문자열): 객체의 이름입니다.
반환값 : 객체에 대한 자세한 정보입니다.

분석 도구

`append_insight`

설명 : 메모 리소스에 새로운 데이터 통찰력을 추가합니다.
입력 :
- insight (문자열): 분석을 통해 발견된 데이터 통찰력.
반환 : 통찰력 추가 확인.
트리거 : memo://insights 리소스를 업데이트합니다.

데이터 가져오기 도구

`import_data_into_table_from_url`

설명 : URL(파일 경로 또는 HTTP/HTTPS URL 포함)에서 테이블로 데이터를 가져옵니다. 대상 테이블이 없으면 자동으로 생성됩니다.
입력 :
- from_url (문자열): 데이터 소스 URL입니다.
- dest_table (문자열): 데이터를 가져올 테이블입니다.
반환 : 데이터 가져오기가 성공적으로 완료되었음을 확인합니다.

`import_data_into_table_from_database`

설명 : 데이터베이스에 연결하여 쿼리를 실행하고 결과를 Clickzetta 테이블로 가져옵니다. MySQL, PostgreSQL, SQLite 및 기타 일반적인 데이터베이스 유형을 지원합니다.
입력 :
- db_type (문자열): 데이터베이스 유형(예: mysql , postgresql , sqlite ).
- host (문자열): 데이터베이스 서버의 호스트 이름 또는 IP 주소(SQLite에는 필요하지 않음).
- port (정수): 데이터베이스 서버의 포트 번호(SQLite에는 필요하지 않음).
- database (문자열): 연결할 데이터베이스의 이름(SQLite의 경우 데이터베이스 파일의 경로)
- username (문자열): 인증을 위한 사용자 이름(SQLite에서는 필요하지 않음).
- password (문자열): 인증을 위한 비밀번호(SQLite에서는 필요하지 않음).
- source_table (문자열): 소스 테이블 이름입니다.
- dest_table (문자열): 대상 테이블 이름입니다.
반환 : 데이터 가져오기가 성공적으로 완료되었음을 확인합니다.

유사한 검색 도구

`vector_search`

설명 : 질문을 사용하여 표에서 벡터 검색을 수행하고 가장 가까운 상위 5개 답변을 반환합니다.
입력 :
- table_name (문자열): 테이블 이름입니다.
- content_column_name (문자열): 콘텐츠를 저장하는 열입니다.
- embedding_column_name (문자열): 임베딩을 저장하는 열입니다.
- partition_scope (문자열): WHERE 조건의 일부로 파티션 범위를 정의하는 SQL 코드입니다.
- question (문자열): 검색할 질문입니다.
반환 : 검색 결과.

`match_all`

설명 : 질문이 있는 표에서 "모두 일치" 함수를 사용하여 검색을 수행하고 상위 5개 답변을 반환합니다.
입력 :
- table_name (문자열): 테이블 이름입니다.
- content_column_name (문자열): 콘텐츠를 저장하는 열입니다.
- partition_scope (문자열): WHERE 조건의 일부로 파티션 범위를 정의하는 SQL 코드입니다.
- question (문자열): 검색할 질문입니다.
반환 : 검색 결과.

지식 검색 도구

`get_knowledge_about_how_to_do_something`

설명 : 느린 쿼리 분석, 테이블 생성, 스토리지 연결 관리 등 특정 작업을 수행하는 방법에 대한 지침을 제공합니다.
입력 :
- to_do_something (문자열): 수행할 작업입니다. 지원되는 작업은 다음과 같습니다.
  - 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
반환 : 지정된 작업에 대한 자세한 지침.

사용 참고 사항

데이터를 수정하는 도구(예: write_query , create_table )를 사용할 때 --allow-write 플래그가 활성화되어 있는지 확인하세요.
위에 설명한 대로 각 도구에 대한 올바른 입력 매개변수를 제공합니다.

Claude Desktop과 함께 사용

로컬 MCP 서버로 설치(이 방법은 MacOS에서 테스트 및 검증되었습니다)

이 저장소를 복제하세요:

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

패키지를 설치하세요:

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

구성 자격 증명

Clickzetta Lakehouse 자격 증명을 사용하여 .env.example을 기반으로 .env 파일을 만듭니다.

CLICKZETTA_USERNAME = ""
CLICKZETTA_PASSWORD = ""
CLICKZETTA_SERVICE = "api.clickzetta.com"
CLICKZETTA_INSTANCE = ""
CLICKZETTA_WORKSPACE = ""
CLICKZETTA_SCHEMA = ""
CLICKZETTA_VCLUSTER = ""
XINFERENCE_BASE_URL = "http://********:9998"
XINFERENCE_EMBEDDING_MODEL_512 = "bge-small-zh"
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'"

용법

UV로 실행

패키지를 설치한 후 다음을 사용하여 서버를 직접 실행할 수 있습니다.

uv run mcp_clickzetta_server

처음으로 서버를 실행하는 경우 다음 명령을 실행하여 패키지 설치를 가속화할 수 있습니다.

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

이렇게 하면 stdio 기반 MCP 서버가 시작되고, 이 서버는 Claude Desktop이나 stdio 통신을 지원하는 모든 MCP 클라이언트에 연결할 수 있습니다.

다음과 유사한 출력이 표시됩니다.

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 데스크톱 통합

명령어:도커

MCP 서버(Docker에서 실행)는 MCP 클라이언트 구성을 통해 전달된 환경 변수(예: claude_desktop_config.json )에서 구성을 읽습니다. 주요 변수는 다음과 같습니다.

{
   "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",
            "XINFERENCE_BASE_URL": "http://host.docker.internal:9998",
            "XINFERENCE_EMBEDDING_MODEL_512": "bge-small-zh",
            "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'"
            }
      }
}

명령:uv

Claude Desktop에서 설정 → MCP 서버로 이동합니다.
uv 실행 파일의 전체 경로로 새 서버를 추가합니다.

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

터미널에서 which uv를 실행하면 uv 경로를 찾을 수 있습니다.
서버 구성을 저장합니다

예제 쿼리

Claude와 함께 사용할 경우 다음과 같은 질문을 할 수 있습니다.

"Clickzetta 계정에 있는 모든 스키마를 나열해 주실 수 있나요?"
"PUBLIC 스키마의 모든 뷰를 나열합니다"
"SALES 스키마의 CUSTOMER_ANALYTICS 뷰 구조를 설명하세요"
"FINANCE 스키마의 REVENUE_BY_REGION 뷰에서 샘플 데이터를 보여주세요"
"다음 SQL 쿼리를 실행하세요: SELECT customer_id, SUM(order_total) as total_spend FROM SALES.ORDERS GROUP BY customer_id ORDER BY total_spend DESC LIMIT 10"
"전환율 기준으로 상위 5개 캠페인을 찾으려면 마케팅 데이터베이스를 쿼리하세요"
"저는 Clickzetta中读取数据,分析下에서 public这个schema下git Hub_users는 회사의 응용 프로그램입니다.
"저는 Clickzetta에 中读取数据,分析下这个schema下github_event_issuesevent表里有多少条记录?"

예제 결과

'나는 Clickzetta数据源中读取数据, 先分析基于public这个schema下github_users表里的数据可以做哪些分析? , 趋势, 以及各种经典 의 용도별 분배기 세그먼트를 분할하여 대시보드를 분할합니다.'

결과 "帮我从Clickzetta中读取数据，分析下这个schema下gith" ub_users는 다음과 같은 용도로 사용됩니다.

"帮我从Clickzetta中读取数据，分析下에서 public这个schema下github_users表里每个位置의 결과请用中文返回结果，并对结果进行数据可视化现":

보안 고려 사항

이 서버:

읽기 전용 작업을 시행합니다(SELECT 문만 허용됨)
큰 결과 집합을 방지하기 위해 LIMIT 절을 자동으로 추가합니다.
보안 연결을 위해 서비스 계정 인증을 사용합니다.
SQL 주입을 방지하기 위해 입력을 검증합니다.
⚠️ 중요: .env 파일을 안전하게 보관하고 버전 관리 시스템에 커밋하지 마세요. .gitignore 파일은 해당 파일을 제외하도록 설정되어 있습니다.

Smithery를 통한 설치(이 방법은 테스트 및 검증이 필요합니다)

Smithery 를 통해 Claude Desktop에 Clickzetta Server를 자동으로 설치하려면:

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

UVX를 통한 설치(이 방법은 테스트 및 검증이 필요합니다)

# 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}"]
      ]
  }
}

Integrations