Keboola Explorer MCP Server
Keboola MCP Server
Verbinden Sie Ihre KI-Agenten, MCP-Clients ( Cursor , Claude , Windsurf , VS Code usw.) und andere KI-Assistenten mit Keboola. Stellen Sie Daten, Transformationen, SQL-Abfragen und Job-Trigger bereit – ganz ohne Glue-Code. Liefern Sie den Agenten die richtigen Daten, wann und wo sie diese benötigen.
Überblick
Der Keboola MCP Server ist eine Open-Source-Brücke zwischen Ihrem Keboola-Projekt und modernen KI-Tools. Er verwandelt Keboola-Funktionen – wie Speicherzugriff, SQL-Transformationen und Job-Trigger – in aufrufbare Tools für Claude, Cursor, CrewAI, LangChain, Amazon Q und mehr.
Related MCP server: Google BigQuery MCP Server by CData
Merkmale
Speicher : Tabellen direkt abfragen und Tabellen- oder Bucket-Beschreibungen verwalten
Komponenten : Erstellen, Auflisten und Überprüfen von Extraktoren, Writern, Daten-Apps und Transformationskonfigurationen
SQL : Erstellen Sie SQL-Transformationen mit natürlicher Sprache
Jobs : Führen Sie Komponenten und Transformationen aus und rufen Sie Details zur Jobausführung ab
Metadaten : Suchen, lesen und aktualisieren Sie Projektdokumentation und Objektmetadaten mithilfe natürlicher Sprache
Vorbereitungen
Stellen Sie sicher, dass Sie über Folgendes verfügen:
[ ] Python 3.10+ installiert
[ ] Zugriff auf ein Keboola-Projekt mit Administratorrechten
[ ] Ihr bevorzugter MCP-Client (Claude, Cursor usw.)
Hinweis : Stellen Sie sicher, dass Sie uv installiert haben. Der MCP-Client verwendet es, um den Keboola MCP-Server automatisch herunterzuladen und auszuführen. Installation von uv :
macOS/Linux :
#if homebrew is not installed on your machine use:
# /bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"
# Install using Homebrew
brew install uvWindows :
# Using the installer script
powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"
# Or using pip
pip install uv
# Or using winget
winget install --id=astral-sh.uv -eWeitere Installationsoptionen finden Sie in der offiziellen UV-Dokumentation .
Bevor Sie den MCP-Server einrichten, benötigen Sie drei wichtige Informationen:
KBC_STORAGE_TOKEN
Dies ist Ihr Authentifizierungstoken für Keboola:
Anweisungen zum Erstellen und Verwalten von Storage-API-Token finden Sie in der offiziellen Keboola-Dokumentation .
Hinweis : Wenn Sie dem MCP-Server nur eingeschränkten Zugriff gewähren möchten, verwenden Sie ein benutzerdefiniertes Speichertoken. Wenn Sie möchten, dass der MCP auf alles in Ihrem Projekt zugreift, verwenden Sie das Mastertoken.
KBC_WORKSPACE_SCHEMA
Dies identifiziert Ihren Arbeitsbereich in Keboola und wird für SQL-Abfragen benötigt:
Folgen Sie dieser Keboola-Anleitung, um Ihr KBC_WORKSPACE_SCHEMA zu erhalten.
Hinweis : Aktivieren Sie beim Erstellen des Arbeitsbereichs die Option „Nur Lesezugriff auf alle Projektdaten gewähren“
Keboola-Region
Ihre Keboola-API-URL hängt von Ihrer Bereitstellungsregion ab. Sie können Ihre Region ermitteln, indem Sie die URL in Ihrem Browser anzeigen, wenn Sie in Ihrem Keboola-Projekt angemeldet sind:
Region | API-URL |
AWS Nordamerika |
|
AWS Europa |
|
Google Cloud EU |
|
Google Cloud US |
|
Azure EU |
|
BigQuery-spezifisches Setup
Wenn Ihr Keboola-Projekt das BigQuery-Backend verwendet, müssen Sie zusätzlich zu KBC_STORAGE_TOKEN und KBC_WORKSPACE_SCHEMA die Umgebungsvariable GOOGLE_APPLICATION_CREDENTIALS festlegen:
Gehen Sie zu Ihrem Keboola BigQuery-Arbeitsbereich und zeigen Sie dessen Anmeldeinformationen an (klicken Sie auf die Schaltfläche „Verbinden“).
Laden Sie die Anmeldeinformationsdatei auf Ihre lokale Festplatte herunter. Es handelt sich um eine einfache JSON-Datei
Legen Sie den vollständigen Pfad der heruntergeladenen JSON-Anmeldeinformationsdatei auf die Umgebungsvariable
GOOGLE_APPLICATION_CREDENTIALSfest.Dadurch erhält Ihre MCP-Serverinstanz die Berechtigung, auf Ihren BigQuery-Arbeitsbereich in Google Cloud zuzugreifen. Hinweis : KBC_WORKSPACE_SCHEMA wird im BigQuery-Arbeitsbereich als Dataset-Name bezeichnet. Klicken Sie einfach auf „Verbinden“ und kopieren Sie den Dataset-Namen.
Ausführen des Keboola MCP-Servers
Es gibt vier Möglichkeiten, den Keboola MCP-Server zu verwenden, je nach Ihren Anforderungen:
Option A: Integrierter Modus (empfohlen)
In diesem Modus startet Claude oder Cursor den MCP-Server automatisch für Sie. Sie müssen keine Befehle in Ihrem Terminal ausführen .
Konfigurieren Sie Ihren MCP-Client (Claude/Cursor) mit den entsprechenden Einstellungen
Der Client startet den MCP-Server bei Bedarf automatisch
Claude Desktop-Konfiguration
Gehen Sie zu Claude (obere linke Ecke Ihres Bildschirms) -> Einstellungen → Entwickler → Konfiguration bearbeiten (wenn Sie die Datei claude_desktop_config.json nicht sehen, erstellen Sie sie).
Fügen Sie die folgende Konfiguration hinzu:
Starten Sie Claude Desktop neu, damit die Änderungen wirksam werden
{
"mcpServers": {
"keboola": {
"command": "uvx",
"args": [
"keboola_mcp_server",
"--api-url", "https://connection.YOUR_REGION.keboola.com"
],
"env": {
"KBC_STORAGE_TOKEN": "your_keboola_storage_token",
"KBC_WORKSPACE_SCHEMA": "your_workspace_schema"
}
}
}
}Hinweis : Für BigQuery-Benutzer fügen Sie die folgende Zeile in „env“ ein: {}: „GOOGLE_APPLICATION_CREDENTIALS“: „/full/path/to/credentials.json“
Speicherorte der Konfigurationsdateien:
macOS :
~/Library/Application Support/Claude/claude_desktop_config.jsonWindows :
%APPDATA%\Claude\claude_desktop_config.json
Cursorkonfiguration
Gehen Sie zu Einstellungen → MCP
Klicken Sie auf „+ Neuen globalen MCP-Server hinzufügen“.
Konfigurieren Sie mit diesen Einstellungen:
{
"mcpServers": {
"keboola": {
"command": "uvx",
"args": [
"keboola_mcp_server",
"--api-url", "https://connection.YOUR_REGION.keboola.com"
],
"env": {
"KBC_STORAGE_TOKEN": "your_keboola_storage_token",
"KBC_WORKSPACE_SCHEMA": "your_workspace_schema"
}
}
}
}Hinweis : Für BigQuery-Benutzer fügen Sie die folgende Zeile in „env“ ein: {}: „GOOGLE_APPLICATION_CREDENTIALS“: „/full/path/to/credentials.json“
Cursorkonfiguration für Windows WSL
Wenn Sie den MCP-Server vom Windows-Subsystem für Linux mit Cursor AI ausführen, verwenden Sie diese Konfiguration:
{
"mcpServers": {
"keboola": {
"command": "wsl.exe",
"args": [
"bash",
"-c",
"'source /wsl_path/to/keboola-mcp-server/.env",
"&&",
"/wsl_path/to/keboola-mcp-server/.venv/bin/python -m keboola_mcp_server.cli --transport stdio'"
]
}
}
}Wobei die Datei /wsl_path/to/keboola-mcp-server/.env Umgebungsvariablen enthält:
export KBC_STORAGE_TOKEN="your_keboola_storage_token"
export KBC_WORKSPACE_SCHEMA="your_workspace_schema"Option B: Lokaler Entwicklungsmodus
Für Entwickler, die am MCP-Servercode selbst arbeiten:
Klonen Sie das Repository und richten Sie eine lokale Umgebung ein
Konfigurieren Sie Claude/Cursor so, dass Ihr lokaler Python-Pfad verwendet wird:
{
"mcpServers": {
"keboola": {
"command": "/absolute/path/to/.venv/bin/python",
"args": [
"-m", "keboola_mcp_server.cli",
"--transport", "stdio",
"--api-url", "https://connection.YOUR_REGION.keboola.com"
],
"env": {
"KBC_STORAGE_TOKEN": "your_keboola_storage_token",
"KBC_WORKSPACE_SCHEMA": "your_workspace_schema",
}
}
}
}Hinweis : Für BigQuery-Benutzer fügen Sie die folgende Zeile in „env“ ein: {}: „GOOGLE_APPLICATION_CREDENTIALS“: „/full/path/to/credentials.json“
Option C: Manueller CLI-Modus (nur zum Testen)
Sie können den Server zum Testen oder Debuggen manuell in einem Terminal ausführen:
# Set environment variables
export KBC_STORAGE_TOKEN=your_keboola_storage_token
export KBC_WORKSPACE_SCHEMA=your_workspace_schema
# For BigQuery users
# export GOOGLE_APPLICATION_CREDENTIALS=/full/path/to/credentials.json
# Run with uvx (no installation needed)
uvx keboola_mcp_server --api-url https://connection.YOUR_REGION.keboola.com
# OR, if developing locally
python -m keboola_mcp_server.cli --api-url https://connection.YOUR_REGION.keboola.comHinweis : Dieser Modus dient in erster Linie zum Debuggen oder Testen. Für die normale Verwendung mit Claude oder Cursor müssen Sie den Server nicht manuell starten.
Option D: Verwenden von Docker
docker pull keboola/mcp-server:latest
# For Snowflake users
docker run -it \
-e KBC_STORAGE_TOKEN="YOUR_KEBOOLA_STORAGE_TOKEN" \
-e KBC_WORKSPACE_SCHEMA="YOUR_WORKSPACE_SCHEMA" \
keboola/mcp-server:latest \
--api-url https://connection.YOUR_REGION.keboola.com
# For BigQuery users (add credentials volume mount)
# docker run -it \
# -e KBC_STORAGE_TOKEN="YOUR_KEBOOLA_STORAGE_TOKEN" \
# -e KBC_WORKSPACE_SCHEMA="YOUR_WORKSPACE_SCHEMA" \
# -e GOOGLE_APPLICATION_CREDENTIALS="/creds/credentials.json" \
# -v /local/path/to/credentials.json:/creds/credentials.json \
# keboola/mcp-server:latest \
# --api-url https://connection.YOUR_REGION.keboola.comMuss ich den Server selbst starten?
Szenario | Müssen Sie es manuell ausführen? | Verwenden Sie dieses Setup |
Verwenden von Claude/Cursor | NEIN | Konfigurieren Sie MCP in den App-Einstellungen |
MCP lokal entwickeln | Nein (Claude fängt an) | Richten Sie die Konfiguration auf den Python-Pfad aus |
Manuelles Testen der CLI | Ja | Verwenden Sie das Terminal zum Ausführen |
Verwenden von Docker | Ja | Docker-Container ausführen |
Verwenden des MCP-Servers
Sobald Ihr MCP-Client (Claude/Cursor) konfiguriert und ausgeführt wird, können Sie mit der Abfrage Ihrer Keboola-Daten beginnen:
Überprüfen Sie Ihr Setup
Sie können mit einer einfachen Abfrage beginnen, um zu bestätigen, dass alles funktioniert:
What buckets and tables are in my Keboola project?Beispiele dafür, was Sie tun können
Datenexploration:
„Welche Tabellen enthalten Kundeninformationen?“
„Führen Sie eine Abfrage aus, um die 10 Kunden mit dem höchsten Umsatz zu finden.“
Datenanalyse:
„Analysieren Sie meine Verkaufsdaten nach Regionen für das letzte Quartal“
„Finden Sie Zusammenhänge zwischen Kundenalter und Kaufhäufigkeit“
Datenpipelines:
„Erstellen Sie eine SQL-Transformation, die Kunden- und Bestelltabellen verbindet.“
„Starten Sie den Datenextraktionsjob für meine Salesforce-Komponente.“
Kompatibilität
MCP-Client-Support
MCP-Client | Support-Status | Verbindungsmethode |
Claude (Desktop & Web) | ✅ unterstützt, getestet | stdio |
Cursor | ✅ unterstützt, getestet | stdio |
Windsurfen, Zed, Replit | ✅ Unterstützt | stdio |
Codeium, Sourcegraph | ✅ Unterstützt | HTTP+SSE |
Benutzerdefinierte MCP-Clients | ✅ Unterstützt | HTTP+SSE oder stdio |
Unterstützte Tools
Hinweis: Keboola MCP ist älter als Version 1.0, daher können einige wichtige Änderungen auftreten. Ihre KI-Agenten passen sich automatisch an neue Tools an.
Kategorie | Werkzeug | Beschreibung |
Lagerung |
| Listet alle Speicherbereiche in Ihrem Keboola-Projekt auf |
| Ruft detaillierte Informationen zu einem bestimmten Bucket ab | |
| Gibt alle Tabellen innerhalb eines bestimmten Buckets zurück | |
| Bietet detaillierte Informationen zu einer bestimmten Tabelle | |
| Aktualisiert die Beschreibung eines Buckets | |
| Aktualisiert die Beschreibung für eine bestimmte Spalte in einer Tabelle. | |
| Aktualisiert die Beschreibung einer Tabelle | |
SQL |
| Führt benutzerdefinierte SQL-Abfragen für Ihre Daten aus |
| Gibt an, ob Ihr Arbeitsbereich den Snowflake- oder BigQuery-SQL-Dialekt verwendet. | |
Komponente |
| Erstellt eine Komponentenkonfiguration mit benutzerdefinierten Parametern |
| Erstellt eine Komponentenkonfigurationszeile mit benutzerdefinierten Parametern | |
| Erstellt eine SQL-Transformation mit benutzerdefinierten Abfragen | |
| Gibt eine Liste der Komponenten-IDs zurück, die der angegebenen Abfrage entsprechen | |
| Ruft Informationen zu einer bestimmten Komponente anhand ihrer ID ab. | |
| Ruft Informationen zu einer bestimmten Komponenten-/Transformationskonfiguration ab | |
| Ruft Beispielkonfigurationen für eine bestimmte Komponente ab | |
| Ruft Konfigurationen der im Projekt vorhandenen Komponenten ab | |
| Ruft Transformationskonfigurationen im Projekt ab | |
| Aktualisiert eine bestimmte Komponentenkonfiguration | |
| Aktualisiert eine bestimmte Komponentenkonfigurationszeile | |
| Aktualisiert eine vorhandene SQL-Transformationskonfiguration | |
Arbeit |
| Listet und filtert Jobs nach Status, Komponente oder Konfiguration |
| Gibt umfassende Details zu einem bestimmten Job zurück | |
| Löst die Ausführung eines Komponenten- oder Transformationsjobs aus | |
Dokumentation |
| Durchsucht die Keboola-Dokumentation basierend auf Abfragen in natürlicher Sprache |
Fehlerbehebung
Häufige Probleme
Ausgabe | Lösung |
Authentifizierungsfehler | Überprüfen Sie, ob |
Probleme mit dem Arbeitsbereich | Bestätigen Sie, |
Verbindungstimeout | Überprüfen der Netzwerkkonnektivität |
Entwicklung
Installation
Grundkonfiguration:
uv sync --extra devMit der Grundkonfiguration können Sie uv run tox verwenden, um Tests auszuführen und den Codestil zu überprüfen.
Empfohlene Konfiguration:
uv sync --extra dev --extra tests --extra integtests --extra codestyleMit dem empfohlenen Setup werden Pakete zum Testen und zur Überprüfung des Codestils installiert, die es IDEs wie VsCode oder Cursor ermöglichen, den Code zu überprüfen oder während der Entwicklung Tests auszuführen.
Integrationstests
Um Integrationstests lokal auszuführen, verwenden Sie uv run tox -e integtests . HINWEIS: Sie müssen die folgenden Umgebungsvariablen festlegen:
INTEGTEST_STORAGE_API_URLINTEGTEST_STORAGE_TOKENINTEGTEST_WORKSPACE_SCHEMA
Um diese Werte zu erhalten, benötigen Sie ein dediziertes Keboola-Projekt für Integrationstests.
Aktualisieren von uv.lock
Aktualisieren Sie die Datei uv.lock , wenn Sie Abhängigkeiten hinzugefügt oder entfernt haben. Erwägen Sie außerdem, die Sperre beim Erstellen einer Version mit neueren Abhängigkeitsversionen zu aktualisieren ( uv lock --upgrade ).
Support und Feedback
⭐ Die primäre Möglichkeit, Hilfe zu erhalten, Fehler zu melden oder Funktionen anzufordern, besteht darin, ein Problem auf GitHub zu öffnen . ⭐
Das Entwicklungsteam überwacht Probleme aktiv und reagiert schnellstmöglich. Allgemeine Informationen zu Keboola finden Sie in den unten stehenden Ressourcen.
Ressourcen
Issue Tracker ← Primäre Kontaktmethode für MCP-Server
Verbinden
Available Tools
7 toolsget_bucket_metadataC
Get detailed information about a specific bucket.
Inputs: bucket_id (required).
get_table_metadataC
Get detailed information about a specific table including its DB identifier and column information.
Inputs: table_id (required).
list_bucket_infoB
List information about all buckets in the project.
Inputs: no named parameters.
list_bucket_tablesC
List all tables in a specific bucket with their basic information.
Inputs: bucket_id (required).
list_component_configsC
List all configurations for a specific component.
Inputs: component_id (required).
list_componentsB
List all available components and their configurations.
Inputs: no named parameters.
query_tableA
Executes an SQL SELECT query to get the data from the underlying snowflake database.
* When constructing the SQL SELECT query make sure to use the fully qualified table names
that include the database name, schema name and the table name.
* The fully qualified table name can be found in the table information, use a tool to get the information
about tables. The fully qualified table name can be found in the response for that tool.
* Snowflake is case-sensitive so always wrap the column names in double quotes.
Examples:
* SQL queries must include the fully qualified table names including the database name, e.g.:
SELECT * FROM "db_name"."db_schema_name"."table_name";
Inputs: sql_query (required).
Tool Schema Changelog
Recent tool additions, removals, and schema changes observed during successful MCP inspections.
Loading tool schema changelog…
TDQS
Scored across 7 tools
Each tool has a clearly distinct purpose with no overlap: get_bucket_metadata vs list_bucket_info (detail vs list), get_table_metadata vs query_table (metadata vs data retrieval), and list_bucket_tables vs list_components (bucket-specific vs component-focused). The descriptions reinforce these distinctions, making misselection unlikely.
All tools follow a consistent verb_noun pattern with snake_case: get_*, list_*, and query_* are used predictably throughout. The naming is uniform and readable, with no deviations in style or convention.
With 7 tools, the count is well-scoped for a Keboola Explorer server focused on metadata retrieval and data querying. Each tool earns its place, covering buckets, tables, components, and queries without being overwhelming or too sparse.
The tool set provides strong coverage for exploration and querying in Keboola, with metadata listing and retrieval for buckets, tables, and components, plus data querying. A minor gap exists in write operations (e.g., creating or modifying resources), but agents can effectively navigate and query the environment with the available tools.
Maintenance
Related MCP Connectors
Hosted Airtable MCP server for Claude, ChatGPT and Cursor, with each action switched per account.
Hosted BigQuery MCP server for Claude, ChatGPT and Cursor, with each action switched per account.
MCP server unifying ERPs, CRMs, APIs and knowledge base for Claude, ChatGPT and Gemini.
Official Fibery MCP server: query and update your workspace from any AI client via OAuth.
Related MCP Servers
- AlicenseNot gradedqualityFmaintenanceThis read-only MCP Server allows you to connect to Amazon S3 data from Claude Desktop through CData JDBC Drivers. For full CRUD support, check out the first managed MCP platform: CData Connect AI (https://www.cdata.com/ai/).MIT
- AlicenseNot gradedqualityFmaintenanceThis read-only MCP Server allows you to connect to Google BigQuery data from Claude Desktop through CData JDBC Drivers. For full CRUD support, check out the first managed MCP platform: CData Connect AI (https://www.cdata.com/ai/).MIT
- AlicenseNot gradedqualityFmaintenanceThis read-only MCP Server allows you to connect to Snowflake data from Claude Desktop through CData JDBC Drivers. For full CRUD support, check out the first managed MCP platform: CData Connect AI (https://www.cdata.com/ai/).MIT
- AlicenseNot gradedqualityFmaintenanceThis read-only MCP Server allows you to connect to Google Cloud Storage data from Claude Desktop through CData JDBC Drivers. For full CRUD support, check out our MCP Server for Google Cloud Storage (https://www.cdata.com/drivers/googlecloudstorage/download/mcp).MIT