MCP Data Catalog Server

一个 MCP 服务器，通过一个合成企业数据目录暴露工具：资产搜索（支持可组合的 AND/OR 过滤器 DSL）、lineage、sample data、profiling、history、quality rules，以及 AI 驱动的分类（CDE 检测、PII 标记、业务术语生成）。

独立、从零开始重新实现我在专业环境中构建的系统设计——合成目录数据，不包含任何专有业务逻辑，仅用于作品集/演示目的。与任何雇主或客户无关，也不包含其任何代码或数据。

它展示了什么

• 可组合的 AND/OR 过滤器 DSL（src/catalog/filter_dsl.py）——资产搜索接受嵌套的 {"and": [...]} / {"or": [...]} 过滤器树，而不是固定的查询参数集，因此调用方可以表达任意布尔组合的字段谓词，而无需工具模式随用例增长。

• 启发式优先分类，AI 回退（src/catalog/classification.py）——关键数据元素（CDE）检测首先运行廉价启发式（名称/类型模式匹配），仅在启发式不确定时才调用（存根）AI 分类器；PII 标记完全由 AI 驱动，基于资产元数据。

• 业务术语生成，并通过治理启发式验证（src/catalog/business_terms.py）——候选术语通过嵌入的余弦相似度与目录资产匹配，然后通过治理规则（命名约定、域允许列表）过滤，再发布。

• MCP 工具表面（src/tools/）——搜索、lineage、sample data、profiling、history、quality rules、CDE 分类、PII 分类和业务术语生成，注册在 src/server.py 中的真实 mcp SDK 服务器上。

Related MCP server: DataHub MCP Server

运行它

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

服务器通过 stdio 运行，可添加到 MCP 客户端（例如 Claude Desktop 或 Claude Code）配置中，指向此目录下的 python -m src.main。所有目录数据均为合成数据，并在进程内生成——无需外部数据库。

pytest

项目布局

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/