Snowflake MCP 서버

개요

Snowflake와 데이터베이스 간 상호작용을 제공하는 모델 컨텍스트 프로토콜(MCP) 서버 구현입니다. 이 서버는 도구를 통해 SQL 쿼리를 실행하고 데이터 인사이트와 스키마 컨텍스트를 리소스로 제공합니다.

Related MCP server: Snowflake MCP Server

구성 요소

자원

• memo://insights
  발견된 데이터 통찰력을 집계하여 지속적으로 업데이트되는 메모입니다.
  append_insight 도구를 통해 새로운 통찰력이 추가되면 자동으로 업데이트됩니다.

• context://table/{table_name}
  (사전 페치가 활성화된 경우) 열과 주석을 포함한 테이블별 스키마 요약이 개별 리소스로 표시됩니다.

도구

서버는 다음 도구를 제공합니다.

쿼리 도구

• read_query
SELECT 쿼리를 실행하여 데이터베이스에서 데이터를 읽습니다.
  입력:

  • query (문자열): 실행할 SELECT SQL 쿼리
    반환: 객체 배열로 쿼리 결과

• write_query ( --allow-write 로만 활성화됨)
  INSERT , UPDATE 또는 DELETE 쿼리를 실행합니다.
  입력:

  • query (문자열): SQL 수정 쿼리
    반환: 영향을 받은 행 수 또는 확인

• create_table ( --allow-write 로만 활성화됨)
  데이터베이스에 새로운 테이블을 만듭니다.
  입력:

  • query (문자열): CREATE TABLE SQL 문
    반환: 테이블 생성 확인

스키마 도구

• list_databases
  Snowflake 인스턴스의 모든 데이터베이스를 나열합니다.
  반환: 데이터베이스 이름 배열

• list_schemas
  특정 데이터베이스 내의 모든 스키마를 나열합니다.
  입력:

  • database (문자열): 데이터베이스 이름
    반환: 스키마 이름 배열

• list_tables
  특정 데이터베이스와 스키마 내의 모든 테이블을 나열합니다.
  입력:

  • database (문자열): 데이터베이스 이름

  • schema (문자열): 스키마의 이름
    반환: 테이블 메타데이터 배열

• describe_table
  특정 테이블의 열 정보를 봅니다.
  입력:

  • table_name (문자열): 정규화된 테이블 이름( database.schema.table )
    반환: 이름, 유형, Null 허용 여부, 기본값 및 주석이 포함된 열 정의 배열

분석 도구

• append_insight
  메모 리소스에 새로운 데이터 통찰력을 추가합니다.
  입력:

  • insight (문자열): 분석을 통해 발견된 데이터 통찰력
    반환: 통찰력 추가 확인
    효과: memo://insights 리소스 업데이트를 트리거합니다.

Claude Desktop과 함께 사용

Smithery를 통해 설치

Smithery를 통해 Claude Desktop에 Snowflake Server를 자동으로 설치하는 방법:

지엑스피1

UVX를 통해 설치

"mcpServers": {
  "snowflake_pip": {
    "command": "uvx",
    "args": [
      "--python=3.12",  // Optional: specify Python version <=3.12
      "mcp_snowflake_server",
      "--account", "your_account",
      "--warehouse", "your_warehouse",
      "--user", "your_user",
      "--password", "your_password",
      "--role", "your_role",
      "--database", "your_database",
      "--schema", "your_schema"
      // Optionally: "--allow_write"
      // Optionally: "--log_dir", "/absolute/path/to/logs"
      // Optionally: "--log_level", "DEBUG"/"INFO"/"WARNING"/"ERROR"/"CRITICAL"
      // Optionally: "--exclude_tools", "{tool_name}", ["{other_tool_name}"]
    ]
  }
}

로컬 설치

1. Claude AI 데스크톱 앱 설치

2. uv 설치 :

curl -LsSf https://astral.sh/uv/install.sh | sh

3. Snowflake 자격 증명으로 .env 파일을 만듭니다.

SNOWFLAKE_USER="xxx@your_email.com"
SNOWFLAKE_ACCOUNT="xxx"
SNOWFLAKE_ROLE="xxx"
SNOWFLAKE_DATABASE="xxx"
SNOWFLAKE_SCHEMA="xxx"
SNOWFLAKE_WAREHOUSE="xxx"
SNOWFLAKE_PASSWORD="xxx"
# Alternatively, use external browser authentication:
# SNOWFLAKE_AUTHENTICATOR="externalbrowser"

4. [선택 사항] runtime_config.json 수정하여 데이터베이스, 스키마 또는 테이블에 대한 제외 패턴을 설정합니다.

5. 로컬로 테스트:

uv --directory /absolute/path/to/mcp_snowflake_server run mcp_snowflake_server

6. claude_desktop_config.json 에 서버를 추가합니다.

"mcpServers": {
  "snowflake_local": {
    "command": "/absolute/path/to/uv",
    "args": [
      "--python=3.12",  // Optional
      "--directory", "/absolute/path/to/mcp_snowflake_server",
      "run", "mcp_snowflake_server"
      // Optionally: "--allow_write"
      // Optionally: "--log_dir", "/absolute/path/to/logs"
      // Optionally: "--log_level", "DEBUG"/"INFO"/"WARNING"/"ERROR"/"CRITICAL"
      // Optionally: "--exclude_tools", "{tool_name}", ["{other_tool_name}"]
    ]
  }
}

노트

• 기본적으로 쓰기 작업은 비활성화되어 있습니다 . --allow-write 사용하여 명시적으로 활성화하세요.

• 서버는 제외 패턴을 통해 특정 데이터베이스, 스키마 또는 테이블을 필터링하는 기능을 지원합니다.

• 사전 페칭이 활성화된 경우 서버는 추가적인 테이블별 컨텍스트 리소스를 노출합니다.

• append_insight 도구는 memo://insights 리소스를 동적으로 업데이트합니다.

특허

MIT