Keboola MCP Server

Wat doet de “Keboola” MCP Server?

De Keboola MCP Server fungeert als een open-source brug tussen je Keboola-project en moderne AI-tools. Het verbindt AI-assistenten en MCP-clients (zoals Claude, Cursor, Windsurf, VS Code en anderen) met het Keboola-platform en stelt functies als opslagtoegang, SQL-transformaties, componentbeheer en jobtriggers als oproepbare tools beschikbaar. Dankzij deze integratie kunnen AI-modellen en -agenten tabellen bevragen, configuraties beheren, jobs uitvoeren en rechtstreeks vanuit hun eigen omgeving met metadata werken. Dit stroomlijnt ontwikkelworkflows, elimineert glue code en zorgt ervoor dat de juiste data en functionaliteit op het juiste moment beschikbaar zijn voor AI-agenten, waardoor de productiviteit toeneemt en complexe automatiseringsscenario’s mogelijk worden.

Lijst van Prompts

Lijst van Resources

Lijst van Tools

Op basis van de features van de repository en beschikbare documentatie biedt de Keboola MCP Server de volgende tools:

• Storage: Tabellen direct bevragen en beschrijvingen van tabellen of buckets beheren binnen Keboola-opslag.
• Components: Extractors, writers, data-apps en transformatieconfiguraties aanmaken, tonen en inspecteren.
• SQL: SQL-transformaties aanmaken en uitvoeren via natuurlijke taal.
• Jobs: Componenten uitvoeren, transformaties starten en details van jobuitvoeringen ophalen.
• Metadata: Projectdocumentatie en objectmetadata zoeken, lezen en bijwerken.

Gebruikstoepassingen van deze MCP Server

• Databasebeheer: Tabellen of buckets in Keboola-opslag direct bevragen en beheren, zodat AI-agenten projectdata kunnen ophalen of wijzigen.
• Codebase & Configuratieverkenning: Extractors, writers en transformatieconfiguraties vanuit AI-tools tonen, aanmaken en inspecteren – eenvoudig configuratiebeheer.
• Geautomatiseerde SQL-transformatie: Gebruik natuurlijke taal om SQL-query’s te genereren en uit te voeren, zodat opgeslagen data snel getransformeerd en geanalyseerd kan worden.
• Joborkestratie & Monitoring: Componenten uitvoeren, jobs orkestreren en uitvoeringshistorie ophalen, waardoor ETL/dataworkflows eenvoudig te automatiseren en te monitoren zijn.
• Metadata-beheer: Projectdocumentatie en metadata zoeken, lezen en bijwerken om informatie georganiseerd en toegankelijk te houden voor zowel mensen als AI-agenten.

Hoe stel je het in

Windsurf

1. Zorg dat je Python 3.10+ en uv hebt geïnstalleerd.
2. Verkrijg je Keboola Storage API-token en (indien van toepassing) je workspace-schema.
3. Zoek in Windsurf het MCP-configuratiebestand.
4. Voeg de Keboola MCP Server toe met het volgende JSON-fragment:

   {
     "mcpServers": {
       "keboola-mcp": {
         "command": "uv",
         "args": ["pip", "run", "--", "keboola-mcp-server"]
       }
     }
   }
   

5. Sla het configuratiebestand op en herstart Windsurf.
6. Controleer de beschikbaarheid van de server in de Windsurf MCP-interface.

API-sleutels beveiligen (Windsurf)

{
  "mcpServers": {
    "keboola-mcp": {
      "command": "uv",
      "args": ["pip", "run", "--", "keboola-mcp-server"],
      "env": {
        "KBC_STORAGE_TOKEN": "${KBC_STORAGE_TOKEN}",
        "KBC_WORKSPACE_SCHEMA": "${KBC_WORKSPACE_SCHEMA}"
      },
      "inputs": {
        "KBC_STORAGE_TOKEN": "env",
        "KBC_WORKSPACE_SCHEMA": "env"
      }
    }
  }
}

Claude

1. Zorg dat Python 3.10+ en uv geïnstalleerd zijn.
2. Verkrijg de benodigde Keboola-inloggegevens.
3. Open de Claude client MCP-configuratie.
4. Voeg de Keboola MCP Server toe:

   {
     "mcpServers": {
       "keboola-mcp": {
         "command": "uv",
         "args": ["pip", "run", "--", "keboola-mcp-server"]
       }
     }
   }
   

5. Sla op en herstart Claude.
6. Controleer of de server vanuit Claude bereikbaar is.

Cursor

1. Installeer Python 3.10+ en uv.
2. Bereid je Keboola API-token en workspace-schema voor.
3. Open het Cursor MCP-configuratiebestand.
4. Voeg de volgende configuratie toe:

   {
     "mcpServers": {
       "keboola-mcp": {
         "command": "uv",
         "args": ["pip", "run", "--", "keboola-mcp-server"]
       }
     }
   }
   

5. Sla het bestand op en herstart Cursor.
6. Controleer of de MCP-server succesvol verbonden is.

Cline

1. Zorg dat Python 3.10+ en uv geïnstalleerd zijn.
2. Verzamel de benodigde Keboola-inloggegevens.
3. Bewerk het MCP-servers gedeelte in de Cline-configuratie.
4. Voeg de Keboola MCP Server toe:

   {
     "mcpServers": {
       "keboola-mcp": {
         "command": "uv",
         "args": ["pip", "run", "--", "keboola-mcp-server"]
       }
     }
   }
   

5. Sla de configuratie op en herstart Cline.
6. Controleer of de server correct werkt.

Let op: Beveilig gevoelige inloggegevens zoals API-tokens met omgevingsvariabelen, zoals getoond in het Windsurf-voorbeeld hierboven.

Hoe gebruik je deze MCP in flows

MCP gebruiken in FlowHunt

Om MCP-servers te integreren in je FlowHunt-workflow, voeg je het MCP-component toe aan je flow en verbind je deze met je AI-agent:

Klik op het MCP-component om het configuratiescherm te openen. Voeg in het systeem-MCP-configuratiegedeelte je MCP-servergegevens toe in dit JSON-formaat:

{
  "keboola-mcp": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

Na het configureren kan de AI-agent deze MCP gebruiken als tool en krijgt hij toegang tot alle functies en mogelijkheden. Vergeet niet “keboola-mcp” aan te passen naar de daadwerkelijke naam van je MCP-server en de URL te vervangen door je eigen MCP-server-URL.

Overzicht

Mijn evaluatie: De Keboola MCP Server biedt een uitgebreid pakket aan tools en duidelijke installatie-instructies, maar mist gedocumenteerde prompttemplates en expliciete MCP-resourcedefinities. De focus op het beschikbaar maken van complexe dataworkflows voor AI-agenten is sterk. Sampling- en roots-ondersteuning zijn niet gedocumenteerd. Al met al is dit een zeer praktische en productieklare MCP, maar met enkele documentatiegaten voor prompts/resources.

MCP Score