项目简介

这是一个基于 Model Context Protocol (MCP) 构建的服务器，允许大型语言模型 (LLM) 客户端通过一个名为 'kql_execute' 的工具来执行针对 Microsoft Azure Data Explorer (Kusto) 的 KQL 查询。它处理Azure认证并返回查询结果给LLM。

主要功能点

作为MCP服务器提供 KQL 查询执行能力。
使用 Azure CLI 进行身份验证，连接到 Azure Data Explorer。
执行用户提供的 KQL 查询语句。
将查询结果通过MCP协议返回给LLM客户端。

安装步骤

确保您的系统已安装 Python 3.9 或更高版本，并已安装并配置 Azure CLI ('az') 且已通过 'az login' 命令成功登录 Azure 账户。
安装 'uv' 工具（推荐使用，因为它比 pip 快）：
```
pip install uv
```
克隆本项目的代码仓库到您的本地。
进入克隆下来的项目目录。

使用 'uv' 设置虚拟环境并安装所有必需的依赖：

uvx venv
source .venv/bin/activate  # 在 Windows 系统上请使用: .venv\Scripts\activate
uvx pip install .

服务器配置 (供MCP客户端使用)

本MCP服务器需要被您的LLM客户端（如支持MCP协议的客户端）配置才能使用。您通常需要在客户端的配置文件中添加一个服务器条目，指定如何启动这个服务器。以下是配置所需的核心信息格式描述：

// 注意：这不是可以直接运行的代码，而是MCP客户端配置中需要填写的结构和信息描述
{
  "server name": "mcp-kql-server", // 这个MCP服务器的唯一名称
  "command": "python",           // 启动服务器的可执行程序，这里是python解释器
  "args": ["-m", "mcp_kql_server.mcp_server"] // 传递给python解释器的参数，指定运行项目的哪个模块
  // 根据您的MCP客户端和连接方式（如Stdio, WebSocket等），可能还需要配置其他参数
}

在启动服务器前，请务必确保您的Azure CLI已经成功通过 'az login' 命令完成了身份验证。

基本使用方法

一旦此MCP服务器在您的LLM客户端中被正确配置并连接，您就可以在与LLM交互时，通过自然语言或特定的指令请求LLM执行KQL查询。您需要向LLM提供完整的KQL查询语句，通常应包含 'cluster('<您的集群名称>').database('<您的数据库名称>').<您的查询内容>' 的格式，以便服务器能定位到正确的Azure Data Explorer实例和数据库。LLM客户端会调用内置的 'kql_execute' 工具，将您的查询发送到此MCP服务器进行处理。服务器执行查询并将结果返回给LLM，LLM再将结果以易于理解的方式呈现给您。

关键词

信息