MCP Data Catalog Server

Ein MCP-Server, der Tools für einen synthetischen Unternehmensdatenkatalog bereitstellt: Asset-Suche mit einer komponierbaren AND/OR-Filter-DSL, Lineage, Beispieldaten, Profiling, Historie, Qualitätsregeln und KI-gesteuerte Klassifizierung (CDE-Erkennung, PII-Tagging, Generierung von Geschäftsbegriffen).

Unabhängige Neuimplementierung von Grund auf eines Systemdesigns, das ich in einem beruflichen Kontext entwickelt habe – synthetische Katalogdaten, keine proprietäre Geschäftslogik, für Portfolio-/Demo-Zwecke. Nicht verbunden mit einem Arbeitgeber oder Kunden und enthält keinen Code oder Daten von diesen.

Was es demonstriert

• Komponierbare AND/OR-Filter-DSL (src/catalog/filter_dsl.py) – die Asset-Suche akzeptiert einen verschachtelten {"and": [...]} / {"or": [...]}-Filterbaum anstelle eines festen Satzes von Abfrageparametern, sodass Aufrufer beliebige boolesche Kombinationen von Feldprädikaten ausdrücken können, ohne dass das Tool-Schema pro Anwendungsfall wächst.

• Heuristik-zuerst-Klassifizierung mit KI-Fallback (src/catalog/classification.py) – die Erkennung Kritischer Datenelemente (CDE) führt zunächst kostengünstige Heuristiken (Namens-/Typ-Musterabgleich) aus und ruft den (gestubten) KI-Klassifikator nur dann auf, wenn die Heuristiken nicht eindeutig sind; das PII-Tagging ist vollständig KI-gesteuert auf Basis der Asset-Metadaten.

• Generierung von Geschäftsbegriffen, validiert gegen Governance-Heuristiken (src/catalog/business_terms.py) – Kandidatenbegriffe werden über Kosinus-Ähnlichkeit von Embeddings mit Katalog-Assets abgeglichen und anschließend durch Governance-Regeln (Namenskonvention, Domain-Allowlist) gefiltert, bevor sie zur Veröffentlichung bereitgestellt werden.

• MCP-Tool-Oberfläche (src/tools/) – Suche, Lineage, Beispieldaten, Profiling, Historie, Qualitätsregeln, CDE-Klassifizierung, PII-Klassifizierung und Generierung von Geschäftsbegriffen, registriert auf einem echten mcp-SDK-Server in src/server.py.

Related MCP server: DataHub MCP Server

Ausführen

python -m venv .venv
source .venv/bin/activate   # or .venv\Scripts\activate on Windows
pip install -r requirements.txt
python -m src.main

Der Server läuft über stdio und ist bereit, in die Konfiguration eines MCP-Clients (z. B. Claude Desktop oder Claude Code) aufgenommen zu werden, die auf python -m src.main in diesem Verzeichnis verweist. Alle Katalogdaten sind synthetisch und werden prozessintern generiert – keine externe Datenbank erforderlich.

pytest

Projektstruktur

src/
  main.py               # entrypoint
  server.py              # MCP server + tool registration
  catalog/
    store.py              # in-memory synthetic catalog
    models.py              # Asset, LineageEdge, QualityRule
    filter_dsl.py            # AND/OR filter tree evaluator
    classification.py         # heuristic-first CDE + AI-driven PII
    business_terms.py          # embedding similarity + governance validation
  tools/
    search.py, lineage.py, sample_data.py, profiling.py,
    history.py, quality_rules.py, classification_tools.py,
    business_term_tool.py
tests/