关键词

Snowflake数据库AI数据集成数据管理智能数据库工具错误日志

项目简介

'snowflake-mcp-server' 仓库包含两个独立的 Model Context Protocol (MCP) 服务器实现，旨在作为 AI 应用程序与 Snowflake 数据仓库之间的桥梁。

  • Snowflake MCP 服务器: 主要用于提供与 Snowflake 数据库的通用交互能力，包括数据查询、元数据探索、性能分析和数据质量检查。
  • 错误日志 MCP 服务器: 专注于记录、查询和管理 Snowflake 中的错误消息及其解决方案，帮助追踪和解决常见的错误。

通过这些服务器，AI 模型能够以标准化的方式直接与 Snowflake 数据库进行交互，执行 SQL 操作、获取信息，从而极大地简化 AI 应用与数据集成的工作流。

主要功能点

Snowflake MCP 服务器

  • SQL 查询执行: 直接在 Snowflake 上运行 SQL 查询，支持数据读取和写入操作。
  • 数据库元数据探索: 列出所有可访问的数据库、模式 (Schemas) 和表，并获取表的详细结构信息（包括列名、数据类型等）。
  • 数据抽样: 从指定表中快速获取少量数据样本，方便AI模型理解数据内容。
  • 列统计信息: 提供特定列的基本统计数据，如总数、非空数、唯一值数、最大/最小值、平均值和标准差等。
  • 表和列搜索: 允许用户根据名称或注释搜索 Snowflake 中的表和列。
  • 数据仓库监控: 获取 Snowflake 数据仓库的详细信息，包括使用统计、性能指标和负载情况。
  • 存储过程管理: 支持从 SQL 文件创建或替换 Snowflake 存储过程。
  • 模式检查: 对指定的表或模式进行结构检查。
  • 性能分析: 分析 SQL 查询的执行计划和性能指标，帮助识别和优化低效查询。
  • 数据质量检查: 对表执行常见的数据质量检查，如空值和重复值检测。

错误日志 MCP 服务器

  • 错误记录: 能够记录错误消息、尝试的解决方案及其成功与否，并支持添加备注和错误类型分类。
  • 解决方案检索: 根据错误消息查找所有已知的解决方案，并按成功次数排序，提供最佳解决方案。
  • 错误类型获取: 获取特定错误消息的分类类型。
  • 所有错误概览: 获取所有已记录的错误及其解决方案的完整列表。

安装步骤

在您的本地机器上安装和设置这些 MCP 服务器需要以下步骤：

  1. 克隆仓库: 打开终端或命令行，执行以下命令将 'snowflake-mcp-server' 仓库克隆到您的本地： 
    git clone https://github.com/snowflake-mcp/snowflake-mcp-server.git
cd snowflake-mcp-server
  2. 创建并激活虚拟环境: 建议使用 Python 虚拟环境来管理项目依赖。 
    python -m venv venv
# 对于 macOS 或 Linux 系统：
source venv/bin/activate
# 对于 Windows 系统：
venv\Scripts\activate
  3. 安装依赖: 激活虚拟环境后，安装项目所需的 Python 包： 
    pip install -r requirements.txt
  4. 配置 Snowflake 连接: 在 'snowflake-mcp-server' 仓库的根目录下创建一个名为 '.env' 的文件，并根据您的 Snowflake 账户信息填写以下环境变量。请根据您的认证方式选择保留 'SNOWFLAKE_PASSWORD' 或 'SNOWFLAKE_AUTHENTICATOR'。 
    SNOWFLAKE_USER="your_snowflake_username"
SNOWFLAKE_ACCOUNT="your_snowflake_account_identifier"
SNOWFLAKE_DATABASE="your_snowflake_database"
SNOWFLAKE_WAREHOUSE="your_snowflake_warehouse"
# 密码认证 (如果使用此方式，请设置密码)
SNOWFLAKE_PASSWORD="your_snowflake_password"
# SSO认证 (如果使用此方式，请设置 authenticator，并移除 SNOWFLAKE_PASSWORD)
# SNOWFLAKE_AUTHENTICATOR="externalbrowser"

服务器配置 (为 MCP 客户端准备)

MCP 客户端（例如 Cursor IDE）需要配置服务器的启动命令和参数才能与其建立连接。以下是两个 MCP 服务器的配置示例，您需要将其添加到您的 MCP 客户端的设置中（例如在 Cursor IDE 的 MCP 工具设置中）。

1. Snowflake MCP 服务器配置

此配置用于连接主要的 Snowflake 交互服务器。

{
  "mcpServers": {
    "snowflake": {
      "command": "您的仓库路径/venv/bin/python3.13", 
      "args": ["您的仓库路径/snowflake_mcp/main.py"]
    }
  }
}
  • 'snowflake': 这是 MCP 客户端中该服务器的名称标识符。
  • 'command': 指向您虚拟环境中的 Python 解释器路径。请将 '"您的仓库路径"' 替换为 'snowflake-mcp-server' 仓库在您系统中的绝对路径。
  • 'args': 启动 'snowflake_mcp' 主服务器脚本的路径。请将 '"您的仓库路径"' 替换为 'snowflake-mcp-server' 仓库在您系统中的绝对路径。

2. 错误日志 MCP 服务器配置 (可选)

此配置用于连接独立的错误日志管理服务器。

{
  "mcpServers": {
    "error_log": {
      "command": "您的仓库路径/venv/bin/python3.13",
      "args": ["您的仓库路径/error_log_mcp/main.py"]
    }
  }
}
  • 'error_log': 这是 MCP 客户端中该服务器的名称标识符。
  • 'command': 指向您虚拟环境中的 Python 解释器路径。请将 '"您的仓库路径"' 替换为 'snowflake-mcp-server' 仓库在您系统中的绝对路径。
  • 'args': 启动 'error_log_mcp' 主服务器脚本的路径。请将 '"您的仓库路径"' 替换为 'snowflake-mcp-server' 仓库在您系统中的绝对路径。

基本使用方法

在 MCP 客户端中正确配置并启动上述服务器后，连接到该客户端的 AI 模型就能够通过调用这些服务器提供的工具来与 Snowflake 数据库进行交互。

例如：

  • AI 模型可以通过调用 'snowflake' 服务器的 'process_req' 工具，并提供一个 SQL 查询字符串（如 'query: "SELECT * FROM sales_data LIMIT 5;"'）来获取数据。
  • AI 模型可以调用 'snowflake' 服务器的 'list_tables' 工具来获取指定数据库和模式下的所有表列表。
  • 如果 AI 模型遇到一个错误，它可以通过调用 'error_log' 服务器的 'log_error' 工具来记录错误消息和尝试的解决方案。
  • 当 AI 模型需要查找某个错误的解决方案时，它可以调用 'error_log' 服务器的 'get_best_resolution' 工具，传入错误消息来获取最佳建议。

具体的工具调用和参数传递将由 MCP 客户端根据 AI 模型的需求和上下文自动完成。

信息

分类

数据库与文件

访问项目