Skip to main content
Glama

superset-mcp

Apache Superset用のMCP (Model Context Protocol) サーバーです。AIアシスタントに、Supersetインスタンス(ダッシュボード、チャート、データセット、データベース、SQL実行)へのフルアクセス権を与えます。

前提条件

  • uv — Pythonパッケージマネージャー

  • 実行中のApache Supersetインスタンスへのアクセス権

Related MCP server: Zaturn

セットアップ (所要時間: 約1分)

1. リポジトリのクローン

git clone <repo-url>
cd superset-mcp

2. 認証情報の設定

cp .env.example .env

.env を編集します:

SUPERSET_URL=http://your-superset-host:8088
SUPERSET_USERNAME=your-username
SUPERSET_PASSWORD=your-password

3. 動作確認

uv run superset-mcp

MCPサーバーがエラーなく起動することを確認してください。停止するには Ctrl+C を押します。


AIクライアントへの接続

/ABSOLUTE/PATH/TO/superset-mcp を、リポジトリをクローンした実際のパスに置き換えてください。

Claude Code

~/.claude/settings.json (またはプロジェクトレベルの .claude/settings.json) に追加します:

{
  "mcpServers": {
    "superset": {
      "command": "uv",
      "args": ["--directory", "/ABSOLUTE/PATH/TO/superset-mcp", "run", "superset-mcp"],
      "env": {
        "SUPERSET_URL": "http://your-superset-host:8088",
        "SUPERSET_USERNAME": "your-username",
        "SUPERSET_PASSWORD": "your-password"
      }
    }
  }
}

またはターミナルで実行します:

claude mcp add superset -- uv --directory /ABSOLUTE/PATH/TO/superset-mcp run superset-mcp

Claude Desktop

~/Library/Application Support/Claude/claude_desktop_config.json (macOS) または %APPDATA%\Claude\claude_desktop_config.json (Windows) に追加します:

{
  "mcpServers": {
    "superset": {
      "command": "uv",
      "args": ["--directory", "/ABSOLUTE/PATH/TO/superset-mcp", "run", "superset-mcp"],
      "env": {
        "SUPERSET_URL": "http://your-superset-host:8088",
        "SUPERSET_USERNAME": "your-username",
        "SUPERSET_PASSWORD": "your-password"
      }
    }
  }
}

Cursor

プロジェクト内の .cursor/mcp.json またはグローバルの ~/.cursor/mcp.json に追加します:

{
  "mcpServers": {
    "superset": {
      "command": "uv",
      "args": ["--directory", "/ABSOLUTE/PATH/TO/superset-mcp", "run", "superset-mcp"],
      "env": {
        "SUPERSET_URL": "http://your-superset-host:8088",
        "SUPERSET_USERNAME": "your-username",
        "SUPERSET_PASSWORD": "your-password"
      }
    }
  }
}

利用可能なツール

ダッシュボード

ツール

説明

list_dashboards

すべてのダッシュボードを一覧表示 (検索オプションあり)

get_dashboard

IDまたはスラッグでダッシュボードを取得

get_dashboard_charts

ダッシュボード内のすべてのチャートを取得

get_dashboard_datasets

ダッシュボードで使用されているすべてのデータセットを取得

create_dashboard

新しいダッシュボードを作成

update_dashboard

タイトル、レイアウト、メタデータを更新

publish_dashboard

ドラフトのダッシュボードを公開

copy_dashboard

ダッシュボードを複製

delete_dashboard

ダッシュボードを削除

チャート

ツール

説明

list_charts

すべてのチャートを一覧表示 (検索オプションあり)

get_chart

IDまたはUUIDでチャートを取得

get_chart_data

チャートの最新データを取得

create_chart

新しいチャートを作成

update_chart

チャートのプロパティを更新

delete_chart

チャートを削除

データセット

ツール

説明

list_datasets

すべてのデータセットを一覧表示

get_dataset

IDまたはUUIDでデータセットを取得

create_dataset

テーブルまたはSQLクエリから作成

get_or_create_dataset

既存の取得、または新規作成

refresh_dataset

ソーステーブルからカラムを同期

update_dataset

データセットのプロパティを更新

get_dataset_related_objects

使用しているチャート/ダッシュボードを確認

delete_dataset

データセットを削除

データベース

ツール

説明

list_databases

すべてのデータベース接続を一覧表示

get_database

IDでデータベース接続を取得

list_schemas

データベース内のスキーマを一覧表示

list_tables

スキーマ内のテーブルを一覧表示

get_table_metadata

テーブルのカラム情報を取得

get_select_star

テーブルの SELECT * テンプレートを取得

SQL

ツール

説明

execute_sql

SQLクエリを実行して結果を取得

format_sql

SQLクエリを整形

estimate_query_cost

クエリコストを見積もる (サポートされている場合)

list_saved_queries

保存されたSQLクエリを一覧表示

save_query

SQLクエリを保存


プロンプト例

AIアシスタントに接続後、以下のように指示できます:

  • "公開されているすべてのダッシュボードをリストアップして"

  • "'Sales Overview'という新しいダッシュボードを作成して"

  • "ダッシュボード11に含まれるすべてのチャートを見せて"

  • "データベース2でSQLクエリを実行: SELECT count() FROM orders"*

  • "'Revenue'ダッシュボードではどのデータセットが使われている?"

  • "データセット5を使用して、地域別の売上を示す棒グラフを作成して"

Available Tools

34 tools
copy_dashboardC

Create a copy of a dashboard.

Inputs: id_or_slug (required). Returns: object

create_chartC

Create a new chart.

Inputs: slice_name (required), viz_type (required), datasource_id (required), datasource_type, +3 more. Returns: object

create_dashboardC

Create a new dashboard.

Inputs: title (required), slug, published, json_metadata, +1 more. Returns: object

create_datasetB

Create a dataset from a table or SQL query.

Inputs: database_id (required), table_name (required), schema, sql, +1 more. Returns: object

delete_chartC

Delete a chart by ID.

Inputs: pk (required). Returns: object

delete_dashboardC

Delete a dashboard by ID.

Inputs: pk (required). Returns: object

delete_datasetB

Delete a dataset by ID.

Inputs: pk (required). Returns: object

estimate_query_costC

Estimate the cost of running a SQL query (supported databases only).

Inputs: database_id (required), sql (required), schema. Returns: object

execute_sqlB

Execute a SQL query and return results.

Inputs: database_id (required), sql (required), schema, limit. Returns: object

format_sqlB

Format/pretty-print a SQL query.

Inputs: sql (required). Returns: object

get_chartC

Get a chart by ID or UUID.

Inputs: id_or_uuid (required). Returns: object

get_chart_dataC

Fetch the latest data for a chart.

Inputs: pk (required). Returns: object

get_dashboardB

Get a single dashboard by ID or slug.

Inputs: id_or_slug (required). Returns: object

get_dashboard_chartsB

Get all charts in a dashboard.

Inputs: id_or_slug (required). Returns: object

get_dashboard_datasetsB

Get all datasets used by a dashboard.

Inputs: id_or_slug (required). Returns: object

get_databaseB

Get a database connection by ID.

Inputs: pk (required). Returns: object

get_datasetB

Get a dataset by ID or UUID.

Inputs: id_or_uuid (required). Returns: object

get_or_create_datasetB

Get an existing dataset or create it if it doesn't exist.

Inputs: database_id (required), table_name (required), schema. Returns: object

get_select_starC

Get a SELECT * query for a table (with schema).

Inputs: database_id (required), table_name (required), schema. Returns: object

get_table_metadataC

Get column metadata for a table.

Inputs: database_id (required), table_name (required), schema. Returns: object

list_chartsC

List charts. Optionally filter by name.

Inputs: page, page_size, search. Returns: object

list_dashboardsB

List dashboards. Optionally filter by title with search.

Inputs: page, page_size, search. Returns: object

list_databasesB

List all database connections configured in Superset.

Inputs: page, page_size. Returns: object

list_datasetsC

List datasets (virtual or physical tables).

Inputs: page, page_size, search. Returns: object

list_saved_queriesB

List saved SQL queries.

Inputs: page, page_size. Returns: object

list_schemasB

List all schemas in a database.

Inputs: database_id (required). Returns: object

list_tablesB

List tables in a database schema.

Inputs: database_id (required), schema. Returns: object

publish_dashboardC

Set a dashboard as published.

Inputs: pk (required). Returns: object

refresh_datasetC

Refresh the dataset's columns and metrics from the source.

Inputs: pk (required). Returns: object

save_queryC

Save a SQL query.

Inputs: label (required), sql (required), database_id (required), schema, +1 more. Returns: object

update_chartC

Update a chart's properties.

Inputs: pk (required), slice_name, description, viz_type, +2 more. Returns: object

update_dashboardC

Update an existing dashboard.

Inputs: pk (required), title, published, json_metadata, +1 more. Returns: object

update_datasetC

Update a dataset's properties.

Inputs: pk (required), table_name, description, sql, +3 more. Returns: object

Tool Schema Changelog

Recent tool additions, removals, and schema changes observed during successful MCP inspections.

Loading tool schema changelog…

    TDQS

    B3.2/5.0

    Scored across 34 tools

    Disambiguation5/5

    Every tool has a clearly distinct purpose targeting specific resources (charts, dashboards, datasets, databases, queries) and actions (create, get, list, update, delete, execute, format, etc.), with no apparent overlap or ambiguity. For example, get_chart, get_chart_data, and list_charts serve different functions without confusion.

    Naming Consistency5/5

    Tool names follow a highly consistent verb_noun pattern throughout, such as create_chart, delete_dashboard, list_datasets, and update_dataset, with no deviations in style or convention. This predictability makes the tool set easy to navigate and understand.

    Tool Count3/5

    With 34 tools, the count is borderline high for typical MCP server scopes, which often range from 3-15 tools. While it covers a comprehensive Superset domain, it may feel heavy and potentially overwhelming for agents, though not extreme like 50+ tools.

    Completeness5/5

    The tool surface provides complete CRUD/lifecycle coverage for charts, dashboards, datasets, and queries, along with execution, formatting, and metadata operations. There are no obvious gaps; agents can perform all core workflows from creation to deletion and analysis without dead ends.

    Maintenance

    ActivityInactive
    ResponsivenessOutdated data

    Related MCP Connectors

    Related MCP Servers

    • A
      license
      B
      quality
      D
      maintenance
      MCP server enabling AI agents to programmatically connect to and control Apache Superset instances, allowing users to manage dashboards, charts, databases, datasets, and run SQL queries through natural language interactions.
      60
      195
      MIT
    • A
      license
      A
      quality
      D
      maintenance
      An open-source MCP server that connects to various data sources (SQL databases, CSV, Parquet files), allowing AI models to execute SQL queries and generate data visualizations for analytics and business intelligence.
      12
      75
      MIT
    • A
      license
      Not graded
      quality
      D
      maintenance
      An MCP server for Apache Superset that enables AI models to manage dashboards, create charts with auto-detection, and execute SQL queries programmatically. It utilizes stateless HTTP transport to ensure compatibility with integration tools like Open WebUI.
      MIT
    • A
      license
      A
      quality
      D
      maintenance
      An MCP server that enables AI assistants to query databases, execute SQL, and manage Metabase resources like dashboards, cards, and collections through natural language.
      22
      MIT