Skip to main content
Glama
deenesjakoruzh
aidatacooper

cwprep-mcp

by aidatacooper
OverviewSchemaRelated ServersScoreDiscussions
Python
Hybrid

cwprep - Text-to-PrepFlow 엔진

cwprep은 Text-to-PrepFlow 생성을 가능하게 하는 Python 기반 엔진입니다.

.tfl JSON 구조를 리버스 엔지니어링하고 내장 MCP(Model Context Protocol) 서버를 제공함으로써, cwprep은 LLM(Claude, Gemini 등)과 Tableau Prep 사이의 가교 역할을 합니다. 이제 GUI를 열 필요 없이 자연어 대화나 Python 스크립트를 통해 데이터 정리 흐름을 생성, 수정 및 구축할 수 있습니다!

작성자: Cooper Wenhua imgwho@gmail.com

설치

pip install cwprep

Related MCP server: cwtwb

빠른 시작

from cwprep import TFLBuilder, TFLPackager

# Create builder
builder = TFLBuilder(flow_name="My Flow")

# Add database connection
conn_id = builder.add_connection(
    host="localhost",
    username="root",
    dbname="mydb"
)

# Add input tables
orders = builder.add_input_table("orders", "orders", conn_id)
customers = builder.add_input_table("customers", "customers", conn_id)

# Join tables
joined = builder.add_join(
    name="Orders + Customers",
    left_id=orders,
    right_id=customers,
    left_col="customer_id",
    right_col="customer_id",
    join_type="left"
)

# Add output
builder.add_output_server("Output", joined, "My_Datasource")

# Build and save
flow, display, meta = builder.build()
TFLPackager.save_tfl("./my_flow.tfl", flow, display, meta)

기본적으로 SDK와 MCP 모두 최종 .tfl/.tflx 아카이브만 출력합니다. 검사를 위해 압축이 풀린 폴더가 명시적으로 필요한 경우에만 save_to_folder()를 사용하세요.

기능

기능

메서드

설명

데이터베이스 연결

add_connection()

MySQL/PostgreSQL/SQL Server에 연결

파일 연결

add_file_connection()

Excel(.xlsx/.xls) 또는 CSV 파일에 연결

SQL 입력

add_input_sql()

사용자 지정 SQL 쿼리 입력

테이블 입력

add_input_table()

직접 테이블 연결

Excel 입력

add_input_excel()

Excel 워크시트에서 읽기

CSV 입력

add_input_csv()

CSV 파일에서 읽기

CSV 유니온

add_input_csv_union()

여러 CSV 파일 병합

조인

add_join()

왼쪽/오른쪽/내부/전체 조인 (단일 또는 다중 열)

유니온

add_union()

여러 테이블 병합

필터

add_filter()

표현식 기반 필터

값 필터

add_value_filter()

값에 따라 유지/제외

열 유지

add_keep_only()

열 선택

열 제거

add_remove_columns()

열 삭제

이름 변경

add_rename()

열 이름 변경

계산

add_calculation()

Tableau 수식 필드

빠른 계산

add_quick_calc()

빠른 정리 (소문자/대문자/공백 제거/삭제)

유형 변경

add_change_type()

열 데이터 유형 변경

열 복제

add_duplicate_column()

열 복제(복사)

집계

add_aggregate()

SUM/AVG/COUNT를 사용한 GROUP BY

피벗

add_pivot()

행을 열로 변환

언피벗

add_unpivot()

열을 행으로 변환

출력

add_output_server()

Tableau Server에 게시

TFLX 패키징

build(is_packaged=True)

데이터 파일이 포함된 .tflx 생성

SQL 변환

SQLTranslator

TFL 흐름을 동일한 ANSI SQL로 변환

예제

전체 데모는 examples/ 디렉토리를 참조하세요:

  • demo_basic.py - 입력, 조인, 출력

  • demo_cleaning.py - 필터, 계산, 이름 변경

  • demo_field_operations.py - 빠른 계산, 유형 변경, 열 복제

  • demo_aggregation.py - 유니온, 집계, 피벗

  • demo_comprehensive.py - 모든 기능 결합

  • prompts.md - AI 기반 흐름 생성을 위한 8가지 즉시 사용 가능한 MCP 프롬프트 템플릿

MCP 서버

cwprep은 내장 Model Context Protocol 서버를 포함하여 AI 클라이언트(Claude Desktop, Cursor, Gemini CLI 등)가 TFL 파일을 직접 생성할 수 있도록 합니다.

사전 요구 사항

방법

요구 사항

uvx (권장)

uv 설치 — 격리된 환경에서 cwprep을 자동으로 다운로드합니다

pip install

Python ≥ 3.8 + pip install cwprep

빠른 시작

# Local (stdio)
cwprep-mcp

# Remote (Streamable HTTP)
cwprep-mcp --transport streamable-http --port 8000

[!TIP] 업그레이드하시나요? 이전 버전의 uvx를 사용했다면 캐시를 지워 최신 릴리스를 가져오세요:

uv cache clean cwprep

클라이언트 구성

아래의 모든 클라이언트는 uvx 방식(권장)을 사용합니다. 로컬 pip install을 선호하는 경우 uvx를 cwprep-mcp로 바꾸세요.

구성 파일 편집:

  • Windows: %APPDATA%\Claude\claude_desktop_config.json

  • macOS: ~/Library/Application Support/Claude/claude_desktop_config.json

{
  "mcpServers": {
    "cwprep": {
      "command": "uvx",
      "args": ["--from", "cwprep", "cwprep-mcp"]
    }
  }
}

설정 → MCP → 새 MCP 서버 추가, 또는 ~/.cursor/mcp.json 편집:

{
  "mcpServers": {
    "cwprep": {
      "command": "uvx",
      "args": ["--from", "cwprep", "cwprep-mcp"]
    }
  }
}

프로젝트 루트에 .vscode/mcp.json 생성:

{
  "servers": {
    "cwprep": {
      "command": "uvx",
      "args": ["--from", "cwprep", "cwprep-mcp"]
    }
  }
}

~/.codeium/windsurf/mcp_config.json 편집:

{
  "mcpServers": {
    "cwprep": {
      "command": "uvx",
      "args": ["--from", "cwprep", "cwprep-mcp"]
    }
  }
}
claude mcp add cwprep -- uvx --from "cwprep" cwprep-mcp

~/.gemini/settings.json 편집:

{
  "mcpServers": {
    "cwprep": {
      "command": "uvx",
      "args": ["--from", "cwprep", "cwprep-mcp"]
    }
  }
}

~/.continue/config.yaml 편집:

mcpServers:
  - name: cwprep
    command: uvx
    args:
      - --from
      - cwprep
      - cwprep-mcp

서버 시작:

cwprep-mcp --transport streamable-http --port 8000

그런 다음 클라이언트를 엔드포인트 http://your-server-ip:8000/mcp로 구성하세요.

사용 가능한 MCP 기능

유형

이름

설명

🔧 도구

generate_tfl

흐름 정의에서 .tfl/.tflx 파일 생성

🔧 도구

translate_to_sql

흐름 정의 또는 .tfl 파일을 ANSI SQL로 변환

🔧 도구

list_supported_operations

지원되는 모든 노드 유형 나열

🔧 도구

validate_flow_definition

생성 전 흐름 정의 유효성 검사

📖 리소스

cwprep://docs/api-reference

SDK API 참조

📖 리소스

cwprep://docs/calculation-syntax

Tableau Prep 계산 구문

📖 리소스

cwprep://docs/best-practices

일반적인 함정 및 흐름 설계 규칙

💬 프롬프트

design_data_flow

대화형 흐름 설계 도우미

💬 프롬프트

explain_tfl_structure

TFL 파일 구조 설명

AI 기술 지원

이 프로젝트에는 Claude나 Gemini와 같은 어시스턴트가 흐름을 구축하도록 돕는 특수 AI 기술이 포함되어 있습니다.

  • 위치: .agents/skills/tfl-generator/

  • 기능: 대체 SDK 사용 가이드가 포함된 MCP 서버 인덱스. 자세한 API 및 구문 참조는 src/cwprep/references/의 MCP 리소스를 통해 제공됩니다.

디렉토리 구조

cwprep/
├── .agents/skills/      # AI Agent skills (MCP index)
├── src/cwprep/          # SDK source code
│   ├── builder.py       # TFLBuilder class
│   ├── packager.py      # TFLPackager class
│   ├── translator.py    # SQLTranslator class
│   ├── expression_translator.py  # ExpressionTranslator class
│   ├── config.py        # Configuration utilities
│   ├── mcp_server.py    # MCP Server (Tools, Resources, Prompts)
│   └── references/      # MCP Resource documents (.md)
├── examples/            # Demo scripts
├── docs/                # Documentation
└── tests/               # Unit tests

구성

기본 설정을 위해 config.yaml을 생성하세요:

# MySQL (default)
database:
  host: localhost
  port: 3306
  dbname: mydb
  type: mysql

# SQL Server (Windows Authentication)
# database:
#   host: localhost
#   type: sqlserver
#   authentication: sspi
#   schema: dbo

# PostgreSQL
# database:
#   host: localhost
#   port: 5432
#   dbname: mydb
#   type: postgres

tableau_server:
  url: http://your-server
  default_project: Default

변경 로그

버전 기록은 changelog.md를 참조하세요.

라이선스

AGPL-3.0 라이선스

Tool Schema Changelog

Recent tool additions, removals, and schema changes observed during successful MCP inspections. Dates show when Glama detected each change.

No tool schema history has been recorded yet.

This server cannot be installed

RayrunBuild, deploy, and operate MCP servers without becoming an infrastructure team.ray.runAd

Maintenance

ActivitySlowing
ResponsivenessNo issues

Resources

Unclaimed servers have limited discoverability.

Looking for Admin?

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

Related MCP Connectors

Related MCP Servers

Latest Blog Posts

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/aidatacooper/cwprep'

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