Which integrations are available for this server?

Enables executing SQL queries and performing data analysis directly on ClickHouse databases, including automatic SQL dialect translation. Provides an embedded analytical engine for ML tasks (clustering, forecasting) and federated queries across multiple databases, with automatic SQL translation. Enables executing SQL queries and performing data analysis directly on MySQL databases, including automatic SQL dialect translation. Provides LLM-based classification (classify_rows) and semantic search (semantic_search) using locally hosted Ollama models. Enables executing SQL queries and performing data analysis directly on PostgreSQL databases, including automatic SQL dialect translation. Enables executing SQL queries and performing data analysis directly on SQLite databases.

How do I use DataSearcher MCP?

1. Click on "Install Server". 2. Wait a few minutes for the server to deploy. Once ready, it will show a "Started" state. 3. In the chat, type @ followed by the MCP server name and your instructions, e.g., "@DataSearcher MCP show top 5 regions by revenue" That's it! The server will respond to your query, and you can continue using it as needed. Here is a step-by-step guide with screenshots.

DataSearcher MCP

by MarkIvor

Overview Schema Related Servers Score Discussions

Python

Hybrid

DataSearcher MCP

Python MCP DuckDB License Language

Подключи базу данных к Claude или Cursor — и спрашивай на русском: «какие товары продаются хуже всего», «найди аномалии в продажах», «прогноз на 3 месяца». 46 инструментов: SQL, статистика, ML, графики, дашборды + enterprise: read-only guard, PII masking, аудит-логи, Knowledge Base, dbt, DataHub, semantic search.

Что это такое?

DataSearcher MCP — это мост между вашей базой данных и ИИ-ассистентом (Claude Desktop, Cursor, VS Code).

Обычно, чтобы проанализировать данные из БД, нужно писать SQL-запросы вручную или открывать BI-систему. С этим MCP-сервером вы просто разговариваете с ИИ на обычном русском языке, а он сам:

пишет и выполняет SQL к вашей базе (read-only, с защитой от изменений)
строит графики и дашборды
находит аномалии, корреляции, инсайты
прогнозирует тренды (ML)
генерирует HTML-отчёты и XLSX-экспорты
маскирует PII (email, телефон, ИНН) в результатах
логирует все запросы для аудита

Пример диалога

Вы: Подключись к моей PostgreSQL и покажи топ-5 регионов по выручке

ИИ: [вызывает sql_query → SQL выполняется прямо в вашей PostgreSQL]
    Вот топ-5 регионов по выручке:
    | Регион       | Выручка     | Заказов |
    |--------------|-------------|---------|
    | Москва       | 1 358 468 ₽ | 55      |
    | Новосибирск  | 1 036 564 ₽ | 45      |
    ...

Вы: Найди аномалии в суммах заказов

ИИ: [вызывает detect_anomalies → z-score + IQR]
    Обнаружено 3 выброса в колонке amount:
    - Заказ #1047: 49 870 ₽ (z-score = 4.2)
    - Заказ #2891: 48 200 ₽ (z-score = 3.8)
    ...

Вы: Построй дашборд и сохрани как HTML

ИИ: [вызывает create_public_dashboard → генерирует HTML с графиками и фильтрами]
    Дашборд создан! Откройте файл:
    /tmp/datasearcher_mcp_dashboards/abc123/dashboard.html

Почему это круто?

Без DataSearcher MCP	С DataSearcher MCP
Пишешь SQL вручную	ИИ сам пишет и выполняет SQL
Открываешь BI-систему для графиков	Графики и дашборды прямо в чате
Excel для сводных таблиц	`pivot_table` одним вызовом
Python + Jupyter для ML	Прогнозы и кластеризация через чат
Каждая БД — свой диалект SQL	Пишешь на DuckDB SQL — сервер переводит
Нет защиты от случайного DROP	Read-only guard блокирует DML/DDL
PII в открытом виде	Авто-маскирование email/телефон/ИНН
Нет аудита кто что запросил	Полный лог запросов и ошибок

Related MCP server: GraphJin

Чем отличается от других MCP-серверов?

1. SQL выполняется в вашей базе, а не во встроенной

Когда вы спрашиваете «покажи продажи по регионам», SQL выполняется напрямую в вашей PostgreSQL/MySQL/ClickHouse — с индексами, оптимизатором, кешем. DuckDB подключается только для ML-задач (кластеризация, прогнозы), выгружая только нужные колонки.

2. Пишешь на одном SQL — работает в любой БД

Написали DATE_TRUNC('month', date_col) (DuckDB-синтаксис)? Сервер автоматически переведёт под диалект source DB через sqlglot.

3. Кросс-БД JOIN через federated-режим

Прицепите PostgreSQL и MySQL к DuckDB одновременно и сделайте JOIN между ними — без выгрузки данных.

4. Enterprise-безопасность

Read-only guard — блокирует INSERT/UPDATE/DELETE/DROP/TRUNCATE
PII auto-detection + masking — автоматически находит email, телефон, ИНН, СНИЛС, паспорт и маскирует в результатах
Schema ACL — фильтрация raw/staging таблиц, allowed_schemas/blocked_tables
Rate limiting — ограничение SQL/ML запросов в минуту
HTTP Bearer auth — для удалённого доступа
Query timeout — защита от тяжёлых запросов

5. Knowledge Base + метаданные

SQLite-хранилище бизнес-описаний: что значит каждая таблица и колонка, кто владелец данных, какие метрики как считаются. Наполняется из:

Схемы БД (автоматически)
dbt manifest (описания, тесты, теги)
DataHub (lineage, глоссарий)
Ручной правки через update_metadata

6. Семантический поиск + Example Store

semantic_search — поиск по текстовым данным через LLM embeddings
Example Store — база пар «NL-запрос → SQL» для few-shot обучения
search_knowledge — поиск по метаданным и примерам

7. REST API как источник данных

Подключайте не только БД, но и REST API — данные выгружаются в DuckDB и доступны всем 46 инструментам анализа.

8. BI link builder

Генерация URL для Superset, Grafana, Yandex Datalens, Tableau, Power BI с предзаполненными фильтрами.

Быстрый старт

Шаг 1. Установка

git clone https://github.com/MarkIvor/mcp-datasearcher.git
cd mcp-datasearcher
pip install -e ".[all]"

Шаг 2. Настройка подключений

cp connections.example.yaml connections.yaml

connections:
  - name: my_db
    db_type: postgresql          # postgresql | mysql | clickhouse | sqlite | api
    host: localhost
    port: 5432
    database: mydb
    username: ${DB_USER}
    password: ${DB_PASSWORD}
    mode: auto                   # auto | remote | dump | federated
    # ── Семантический слой ──
    allowed_schemas: [mart, analytics]
    blocked_tables: [raw_*, stg_*, tmp_*]

  # REST API тоже можно:
  - name: crm_api
    db_type: api
    base_url: https://api.company.com/v1
    auth_header: "Authorization: Bearer ${CRM_TOKEN}"
    endpoints:
      - path: /customers
        table_name: customers
    mode: dump

# dbt (опционально):
# dbt:
#   manifest_path: ./target/manifest.json

# DataHub (опционально):
# datahub:
#   server_url: http://datahub.company.com:8080
#   token: ${DATAHUB_TOKEN}

Шаг 3. Подключение к Claude Desktop

{
  "mcpServers": {
    "datasearcher": {
      "command": "datasearcher-mcp",
      "args": ["--config", "/path/to/connections.yaml"]
    }
  }
}

Cursor (.cursor/mcp.json):

{"mcpServers": {"datasearcher": {"command": "datasearcher-mcp", "args": ["--config", "/path/to/connections.yaml"]}}}

Docker:

cp connections.example.yaml connections.yaml
docker compose up -d    # → http://localhost:8000/mcp

HTTP:

datasearcher-mcp --transport http --host 0.0.0.0 --port 8000 --auth-token secret123

46 инструментов

SQL и подключения

Инструмент	Что делает
`sql_query`	SQL-запрос (read-only, markdown/json/csv, авто-трансляция диалектов)
`query_explain`	План выполнения SQL (EXPLAIN)
`get_schema`	Структура таблицы (remote или DuckDB)
`attach_database`	Подключить новую БД в рантайме
`refresh_schema`	Обновить схему после изменений в БД
`test_connection`	Проверить доступность подключения
`load_file`	Загрузить CSV/Excel/Parquet

Аналитика данных

Инструмент	Что делает
`smart_summary`	Умное саммари таблицы
`profile_data`	Статистика по колонкам
`data_quality_report`	Аудит качества (пропуски, дубликаты)
`auto_insights`	Топ-5 инсайтов автоматически
`sample_data`	Выборка строк
`find_duplicates`	Дубликаты (точные и fuzzy)
`detect_anomalies`	Выбросы (z-score, IQR)
`detect_patterns`	Паттерны в тексте (email, ИНН, телефон)
`sql_query`	SQL с форматами markdown/json/csv

Статистика и связи

Инструмент	Что делает
`correlation_analysis`	Корреляции (Пирсон/Спирмен)
`distribution_analysis`	Форма распределения
`cross_tab`	Кросс-табуляция + Хи-квадрат
`pivot_table`	Сводная таблица (Excel PIVOT)
`statistical_test`	t-тест, Mann-Whitney, KS, Хи-квадрат
`segment_data`	Сегментация, RFM-анализ
`compare_tables`	Сравнение двух таблиц
`time_analysis`	Тренды, сезонность, скользящее среднее

ML и прогнозы

Инструмент	Что делает
`predict_trend`	Прогноз тренда (регрессия)
`cluster_analysis`	Кластеризация K-Means/DBSCAN
`feature_importance`	Важность признаков (Random Forest)
`classify_rows`	Классификация строк через LLM
`semantic_search`	Семантический поиск через embeddings
`generate_sql`	Генерация SQL из описания на русском

Визуализация и отчёты

Инструмент	Что делает
`visualize_data`	График → PNG + JSON
`build_dashboard`	Дашборд 4-6 графиков
`create_public_dashboard`	Standalone HTML с фильтрами
`data_story`	Нарратив с графиками
`export_data`	Экспорт в CSV
`export_xlsx`	Экспорт в XLSX с форматированием
`build_bi_link`	URL для Superset/Grafana/Datalens

Управление данными

Инструмент	Что делает
`transform_data`	Нормализация, one-hot, извлечение дат
`merge_tables`	JOIN (с авто-определением ключей по FK)
`update_metadata`	Обновить метаописание в Knowledge Base
`list_metrics`	Список расчётных метрик с формулами
`scan_pii`	Скан PII в таблице
`get_logs`	Логи запросов/ошибок/аудита
`add_example`	Добавить эталон «NL→SQL» в Example Store
`search_knowledge`	Поиск по базе знаний и примерам
`load_dbt`	Импорт метаданных из dbt manifest
`sync_datahub`	Синхронизация с DataHub

Ресурсы (5)

schema://tables — таблицы с типами, бизнес-описаниями, PII-метками
schema://diagram — Mermaid ER-диаграмма
knowledge://tables — метаданные, владельцы, метрики
connection://list — подключения и режимы
reasoning://last — Chain of Thought (история запросов)

Промпты (2)

analyze_table — системный промпт аналитика
weekly_report — шаблон еженедельного отчёта

Enterprise-фичи

Read-only guard

Все SQL-запросы проверяются: INSERT/UPDATE/DELETE/DROP/TRUNCATE/ALTER — заблокированы. Разрешены только SELECT/WITH/EXPLAIN/SHOW/DESCRIBE.

# Настройка
DATASEARCHER_MCP_READ_ONLY=true   # false = отключить guard

PII auto-detection + masking

При загрузке схемы сервер сканирует текстовые колонки и автоматически определяет: email, телефон (РФ), ИНН, СНИЛС, паспорт, банковскую карту, IP-адрес.

В результатах SQL-запросов PII маскируется: a***@company.com, +7(912)***-**-89, 7710******.

DATASEARCHER_MCP_PII_MASKING=true

Knowledge Base (SQLite)

Бизнес-метаданные в SQLite: описания таблиц, колонок, владельцы, теги, расчётные метрики. Наполняется из 4 источников (fallback-цепочка):

Схема БД — автоматически (DESCRIBE, information_schema, FK)
dbt manifest — load_dbt инструмент (описания, тесты, теги, слои)
DataHub — sync_datahub инструмент (lineage, глоссарий, владельцы)
Ручная правка — update_metadata инструмент

Логирование и аудит

Каждый SQL-запрос, ML-вызов, ошибка — логируется в SQLite (append-only):

query_log: timestamp, tool, SQL, таблица, длительность, статус
error_log: тип ошибки, сообщение, SQL, stack trace
audit_log: действия (attach, refresh, load_file, update_metadata)

DATASEARCHER_MCP_LOG_ENABLED=true

Rate limiting

Per-tool throttling: SQL — 60/мин, ML — 10/мин (настраивается).

Schema ACL

Фильтрация таблиц по бизнес-слою:

allowed_schemas: [mart, analytics]    # только эти схемы
blocked_tables: [raw_*, stg_*, tmp_*]  # glob-паттерны исключений

REST API connector

Подключение данных из REST API как обычных таблиц:

- name: crm_api
  db_type: api
  base_url: https://api.company.com/v1
  auth_header: "Authorization: Bearer ${CRM_TOKEN}"
  endpoints:
    - path: /customers
      table_name: customers
  pagination: offset    # offset | cursor | none
  mode: dump            # выгрузить в DuckDB

Режимы работы подключений

Режим	Как работает	Когда использовать
`auto` (по умолч.)	SQL → source DB, ML → DuckDB (лениво)	Универсальный
`remote`	Всё SQL в source DB, без DuckDB	БД быстрая, ML не нужен
`dump`	Таблицы выгружаются в DuckDB при старте	Файлы, маленькие БД
`federated`	Source DB прицепляется к DuckDB	Кросс-БД JOIN

Поддерживаемые БД

БД	db_type	Remote SQL	Federated
PostgreSQL	`postgresql`	✅	✅
MySQL / MariaDB	`mysql`	✅	✅
ClickHouse	`clickhouse`	✅	—
SQLite	`sqlite`	✅	✅
REST API	`api`	—	—
CSV	файл	—	—
Excel (.xlsx)	файл	—	—
Parquet	файл	—	—

LLM для классификации и поиска

`llm_mode`	Как работает	Когда использовать
`builtin`	LLM-клиент (`LLM_BASE_URL`/`LLM_MODEL`)	Ollama, vLLM, OpenAI
`sampling`	Модель хоста через MCP sampling	Claude Desktop
`none`	Инструкция для хоста	Без LLM

Работает на бюджетных LLM — достаточно 7B-14B.

Переменные окружения

Префикс DATASEARCHER_MCP_:

Переменная	По умолчанию	Описание
`DATASEARCHER_MCP_CONNECTIONS_FILE`	`connections.yaml`	Файл подключений
`DATASEARCHER_MCP_READ_ONLY`	`true`	Read-only guard (блок DML/DDL)
`DATASEARCHER_MCP_PII_MASKING`	`true`	Авто-маскирование PII
`DATASEARCHER_MCP_LOG_ENABLED`	`true`	Логирование запросов/ошибок
`DATASEARCHER_MCP_RATE_LIMIT_ENABLED`	`true`	Rate limiting
`DATASEARCHER_MCP_RATE_LIMIT_SQL`	`60`	SQL-запросов в минуту
`DATASEARCHER_MCP_RATE_LIMIT_ML`	`10`	ML-запросов в минуту
`DATASEARCHER_MCP_QUERY_TIMEOUT`	`60`	Таймаут SQL (сек)
`DATASEARCHER_MCP_AUTO_TRANSLATE`	`true`	Трансляция SQL между диалектами
`DATASEARCHER_MCP_AUTH_TOKEN`	``	Bearer token для HTTP auth
`DATASEARCHER_MCP_DUCKDB_ENABLED`	`false`	DuckDB при старте
`DATASEARCHER_MCP_DEFAULT_MODE`	`auto`	Режим по умолчанию
`DATASEARCHER_MCP_EXAMPLE_STORE_ENABLED`	`true`	Example Store (few-shot)
`LLM_BASE_URL`	—	URL LLM API (OpenAI-compatible)
`LLM_MODEL`	—	Модель LLM

Архитектура

datasearcher-mcp/
  src/datasearcher_mcp/
    __main__.py             # CLI: --transport, --config, --auth-token
    config.py               # 30+ настроек (pydantic-settings)
    engine.py               # движок: remote/dump/auto/federated, ACL, KB, PII
    server.py               # FastMCP: 46 tools + 5 resources + 2 prompts
    session.py              # DuckDB-сессия (ленивая)
    sql_guard.py            # read-only enforcement (блок DML/DDL)
    error_handler.py        # человекочитаемые SQL-ошибки
    logging_db.py           # SQLite append-only логи (query/error/audit)
    pii_detector.py         # авто-детекция + маскирование PII
    rate_limiter.py         # per-tool throttling
    knowledge_base.py       # SQLite KB (описания, владельцы, метрики)
    dbt_loader.py           # парсинг dbt manifest.json
    datahub_client.py       # DataHub GraphQL клиент
    example_store.py        # NL→SQL пары + semantic search
    bi_linker.py            # URL builder для BI-инструментов
    llm_client.py           # LLM-клиент (OpenAI-compatible)
    embeddings.py           # semantic search через embeddings
    connectors/
      base.py, sqlalchemy_base.py
      postgres.py, mysql.py, clickhouse.py, sqlite_conn.py
      api.py                # REST API коннектор
    tools/                  # 30 аналитических инструментов
    render/                 # matplotlib PNG + парсинг маркеров
    prompts/                # системный промпт аналитика

Ключевые решения

Решение	Почему так
DuckDB выключен по умолчанию	Source DB умнее (индексы, оптимизатор)
sqlglot для трансляции SQL	Один SQL — работает в любой БД
Federated через DuckDB extensions	Кросс-БД JOIN без ETL
Read-only guard	Защита production-данных от случайных изменений
PII auto-detection	Compliance без ручной разметки
SQLite для KB и логов	Zero-dependency, embedded, не требует сервера
Example Store	Few-shot обучение из прошлых запросов

Технологии

Слой	Технология
MCP	mcp[cli] 1.28 (FastMCP, stdio/SSE/HTTP)
SQL	Source DB (push-down) или DuckDB (lazy/federated)
Трансляция SQL	sqlglot
ML	scikit-learn, scipy, numpy
Графики	matplotlib (PNG)
KB / логи	SQLite (embedded)
Embeddings	OpenAI-compatible /v1/embeddings
Драйверы БД	psycopg2, pymysql, clickhouse-connect, aiosqlite
Файлы	CSV/Parquet (DuckDB), Excel (openpyxl)
Дашборды	HTML + DuckDB-WASM + Chart.js
Auth	Bearer token (Starlette)

Лицензия

MIT

This server cannot be installed

license - permissive license

quality - not tested

maintenance

How are these scores calculated?

Resources

GitHub Repository

Need Help?

Related Servers

Unclaimed servers have limited discoverability.

Looking for Admin?

If you are the server author, to access and configure the admin panel.

Related MCP Servers

TalkDB
Databases Search Data Visualization
Nitin-Gupta1109
A
license
-
quality
C
maintenance
Enables natural language querying of databases with multi-turn conversations, auto-generated charts, and proactive monitoring via scheduled queries and alerts.
Last updated 2026-04-25
1
MIT
GraphJinofficial
Databases Search
dosco
A
license
-
quality
B
maintenance
Enables AI assistants to query databases using natural language, with automatic schema discovery and SQL compilation.
Last updated 2026-08-02
1,159
3,130
Apache 2.0
Database MCP Server
Databases Data Platforms Search
tomtomjskim
A
license
-
quality
C
maintenance
Enables AI agents to securely interact with multiple databases (MySQL, PostgreSQL) via natural language queries, with cross-database querying and enterprise-grade security.
Last updated 2026-07-30
19
MIT
Presso MCP Serverofficial
E-commerce & Retail Marketing
stellagent
A
license
-
quality
D
maintenance
Connects e-commerce and marketing data sources like Shopify, GA4, Google Ads, and Meta Ads to AI assistants, enabling natural language queries about store performance, ad campaigns, and customer behavior.
Last updated 2026-02-27
32
2
MIT

View all related MCP servers

Related MCP Connectors

mcp
The grounded data layer for any LLM: governed SQL, metrics, lineage and catalog over your data.
Rootr
Connect your team's living knowledge base — docs, data, issues, CRM — to Claude and ChatGPT.
SeedBase Test Data
Generate realistic, FK-consistent synthetic test data for your databases from your AI assistant.

View all MCP Connectors

Latest Blog Posts

Who's Calling? MCP Hosts Are an Identity Blind Spot (And the Spec Knows It)
By Om-Shree-0709 on July 25, 2026.
mcp
Agent Identity
OAuth 2.1
Your AI Chatbot Just Exposed Your CEO's Salary to an Intern
By Om-Shree-0709 on July 2, 2026.
Agent Identity
MCP Security
OAuth Delegation
Why MCP Servers Need Execution Sandboxing (And Why Your Current Stack Isn't Enough)
By Om-Shree-0709 on June 30, 2026.
Agentic Ai
Prompt Injection
WebAssembly

MCP directory API

We provide all the information about MCP servers via our MCP API.

curl -X GET 'https://glama.ai/api/mcp/v1/servers/MarkIvor/mcp-datasearcher'

If you have feedback or need assistance with the MCP directory API, please join our Discord server

DataSearcher MCP

Что это такое?

Пример диалога

Почему это круто?

Чем отличается от других MCP-серверов?

1. SQL выполняется в вашей базе, а не во встроенной

2. Пишешь на одном SQL — работает в любой БД

3. Кросс-БД JOIN через federated-режим

4. Enterprise-безопасность

5. Knowledge Base + метаданные

6. Семантический поиск + Example Store

7. REST API как источник данных

8. BI link builder

Быстрый старт

Шаг 1. Установка

Шаг 2. Настройка подключений

Шаг 3. Подключение к Claude Desktop

46 инструментов

SQL и подключения

Аналитика данных

Статистика и связи

ML и прогнозы

Визуализация и отчёты

Управление данными

Ресурсы (5)

Промпты (2)

Enterprise-фичи

Read-only guard

PII auto-detection + masking

Knowledge Base (SQLite)

Логирование и аудит

Rate limiting

Schema ACL

REST API connector

Режимы работы подключений

Поддерживаемые БД

LLM для классификации и поиска

Переменные окружения

Архитектура

Ключевые решения

Технологии

Лицензия

Resources

Looking for Admin?

Related MCP Servers

TalkDB

GraphJinofficial

Database MCP Server

Presso MCP Serverofficial

Related MCP Connectors

Latest Blog Posts

MCP directory API