MCP Server Datahub

DataHub MCP 服务器

A. 模型上下文协议 服务器实现 数据中心.

什么是DataHub？

数据中心 是一个开源上下文平台，为组织的整个数据供应链提供了一个单一的窗口。DataHub将每个表、列、仪表板管道、文档和ML模型的数据发现、治理和可观察性统一在一个屋檐下。

DataHub具有强大的数据分析、数据质量监控、数据沿袭、数据所有权和数据分类功能，将技术和组织背景结合在一起，使团队能够查找、创建、使用和维护值得信赖的数据。

用例

DataHub MCP服务器使AI代理能够：

• 寻找值得信赖的数据：使用自然语言在整个数据环境中搜索，以找到可以回答您最关键任务问题的表、列、仪表板和指标。每次都要利用数据流行度、质量、沿袭和查询历史等信任信号来确保正确。

• 探索数据沿袭并计划数据更改：了解重要数据更改的影响 _之前_ 它们通过资产和列级别的丰富数据沿袭影响下游用户。

• 了解您的业务：浏览重要的组织环境，如业务术语表、数据域、数据产品、， _和_ 数据资产。了解关键指标、业务流程和数据之间的相互关系。

• 解释并生成SQL查询：在关键上下文（如数据文档、数据沿袭和整个组织的流行查询）的帮助下，生成准确的SQL查询来回答您最重要的问题。

为什么选择DataHub MCP服务器？

借助DataHub MCP Server，您可以立即让AI代理了解您的整个数据生态系统。查找并理解存储在数据库、数据湖、数据仓库和BI可视化工具中的数据。探索数据沿袭，了解使用情况和用例，确定数据专家，并生成SQL——所有这些都是通过自然语言完成的。

带上下文过滤的结构化搜索

使用强大的查询和过滤语法超越关键字匹配：

• 通配符匹配： /q revenue_* 发现 revenue_kpis, revenue_daily, revenue_forecast
• 字段搜索： /q tag:PII 查找所有PII标记的数据
• 布尔逻辑： /q (sales OR revenue) AND quarterly 用于复杂查询

SQL智能和查询生成

访问流行的SQL查询，并准确生成新的查询：

• 了解分析师如何查询表（非常适合SQL生成）
• 了解连接模式和常见过滤器
• 学习生产查询模式

表和柱标高线

在表和列级别跟踪数据流：

• 追踪方式 user_id 成为 customer_key 下游
• 理解转换逻辑
• 上下游勘探（1-3+跳）
• 处理企业级沿袭图

了解您的数据生态系统

在搜索之前，了解您的数据是如何组织的：

• 发现相关数据域、所有者、标签和术语表术语
• 跨数据平台和环境浏览
• 无需猜测，即可驾驭数据环境的复杂性

用法

请参阅 DataHub MCP服务器文档.

演示

看看 演示视频，与Block团队合作完成。

工具

DataHub MCP服务器提供以下工具：

search

使用结构化关键字搜索（/q语法）搜索DataHub，使用布尔逻辑、过滤器、分页和可选的使用指标排序。

get_lineage

通过过滤、沿袭内查询、分页和跳转控制，检索任何实体（数据集、列、仪表板等）的上游或下游沿袭。

get_dataset_queries

获取引用数据集或列的真实SQL查询（手动或系统生成），以了解使用模式、连接、过滤器和聚合行为。

get_entities

按URN获取一个或多个实体的详细元数据；支持批量检索，以便高效检查搜索结果。

list_schema_fields

使用关键字筛选和分页列出数据集的架构字段，这在搜索结果截断字段或探索大型架构时非常有用。

get_lineage_paths_between

检索两个资产或列之间的确切沿袭路径，包括中间转换和SQL查询信息。

突变工具

这些工具允许修改DataHub中的元数据。它们通过以下方式启用 TOOLS_IS_MUTATION_ENABLED=true 环境变量。

add_tags / remove_tags

在实体或模式字段（列）中添加或删除标记。支持对多个实体进行批量操作。

add_terms / remove_terms

在实体或模式字段中添加或删除术语表术语。可用于应用业务定义和数据分类。

add_owners / remove_owners

添加或删除实体的所有权分配。支持不同的所有权类型（技术所有者、数据所有者等）。

set_domains / remove_domains

为实体分配或删除域成员资格。每个实体可以属于一个域。

update_description

更新、附加或删除实体或架构字段的描述。支持markdown格式。

add_structured_properties / remove_structured_properties

管理实体的结构化属性（类型化元数据字段）。支持字符串、数字、URN、日期和富格文本值类型。

用户工具

这些工具提供有关经过身份验证的用户的信息。通过启用 TOOLS_IS_USER_ENABLED=true.

get_me

检索有关当前已验证用户的信息，包括配置文件详细信息和组成员资格。

文档工具

这些工具可以处理存储在DataHub中的文档（知识文章、运行手册、常见问题解答）。如果目录中不存在文档，文档工具将自动隐藏。

search_documents

使用关键字搜索和平台、域、标签、术语表术语和所有者的过滤器搜索文档。

grep_documents

使用正则表达式模式在文档内容中搜索。可用于在多个文档中查找特定信息。

save_document

将独立文档（见解、决策、常见问题解答、笔记）保存到DataHub的知识库中。文档组织在可配置的父文件夹下。

配置

环境变量

示例：数据发现和理解流（适用于使用DataHub工具的代理）

此示例说明了AI代理如何编排DataHub MCP工具来回答用户的数据问题。它展示了决策流程、调用哪些工具以及如何使用响应。

1.用户提问

例子：

“我怎么知道上个月收养了多少宠物？”

代理将此识别为 数据发现→ 查询构造 工作流程。它需要（a）找到相关的数据集，（b）检查元数据，（c）构造正确的SQL查询。

2.搜索相关数据集

代理从以下内容开始 search 工具（取决于配置的语义或关键字）。

工具： search\ 输入： 自然语言查询

呼叫示例：

{
  "query": "pet adoptions"
}

目的： 识别以下数据集 adoptions, pet_profiles, pet_details.

3.检查候选数据集

对于搜索返回的每个数据集，代理可以获取元数据。

3.1列出架构字段

工具： list_schema_fields\ 输入： 数据集的URN\ 目的： 了解模式、数据类型、查询候选字段。

例子：

{
  "urn": "urn:li:dataset:(urn:li:dataPlatform:snowflake,mydb.public.adoptions,PROD)"
}

3.2取血统（可选）

工具： get_lineage\ 目的： 确定数据集是派生的还是权威的。

3.3获取示例查询

工具： get_dataset_queries\ 目的： 了解数据集的典型使用模式和查询模板。

4.了解实体关系

如果问题需要加入或实体导航（例如，连接宠物→ 收养）：

get_entities

检索与给定URN相关的实体，如上游/下游表。

get_lineage_paths_between

如果需要，计算数据集之间的精确沿袭路径（例如 pet_profiles 和 adoptions).

5.构造查询

代理人现在有：

• 正确的数据集
• 其模式
• 关键字段
• 示例查询
• 关系和血统背景

代理构建准确的SQL查询。

例子：

SELECT COUNT(*)
FROM mydb.public.adoptions
WHERE adoption_date >= DATE_TRUNC('month', CURRENT_DATE - INTERVAL '1' MONTH)
  AND adoption_date < DATE_TRUNC('month', CURRENT_DATE);

6.返回最终答案

代理人可以：

• 直接返回SQL，
• 运行它（如果在允许执行查询的环境中），或
• 根据查询输出提供自然语言答案。

所用工具概述

开发中

看 开发.md.