dataeng assessment MCP

与Cursor一起使用的数据工程评估

此仓库涵盖了使用Cursor和MCP服务器来完成一个示例（已弃用） 数据工程评估。

Architecture

先决条件

• 已安装Docker和Docker Compose
• Git
• uv（用于Python环境管理）或替代Python包管理器
• Node.js和npm（仅用于MCP检查器测试）

Docker设置

启动Docker服务

在您的平台上安装Docker-请参阅https://www.docker.com/get-docker

您可能需要单独安装docker compose，具体取决于您的包管理器。

确保Docker守护进程正在运行，即对于systemd：

systemctl start docker

然后使用以下命令运行提供的Docker镜像：

docker-compose up

请注意，根据您的Docker配置，您可能需要使用sudo来运行上述命令。

首次构建Docker镜像将需要长达20分钟的时间，具体取决于您的CPU速度和互联网连接（它必须安装postgres、numpy等）。

现在，您可以使用以下评估连接到Jupyter Python笔记本http://127.0.0.1:8080然后打开pythonassessment.ipynb文件-密码是“token”。

您必须打开笔记本电脑，以便MCP服务器能够通过连接 jupyter合作。

服务器详细信息

Jupyter服务器将被转发到主机的8080端口 令牌密码为“token”。

postgres服务器将被转发到主机的5432端口，即用户 密码为“postgres”，数据库名称也为“postgres”。

数据库模式

PostgreSQL数据库会自动用示例数据初始化，包括：

• orders 表（creation_time、order_id、user_id）
• scheduled_slots 表（货位时间、快递员id）
• enabling_log 表（creation_time，courier_id，已启用）
• opening_times 表（store_id，opening_times JSON）
• unplanned_closure_log 表（store_id、start_time_utc、end_time_utc）
• city_work_days 表（city_code、work_days位标志）

初始化脚本(init.sql)包含所有SQL问题的示例数据。

MCP和光标设置

jupyter mcp服务器

克隆https://github.com/jamesmcm/jupyter-mcp-server/tree/read_cells

$ git clone git@github.com:jamesmcm/jupyter-mcp-server.git

我使用uv来管理Python环境：

$ uv venv
$ uv pip install -e .
$ uv pip uninstall pycrdt datalayer_pycrdt
$ uv pip install datalayer_pycrdt==0.12.17

然后，您可以直接使用以下命令运行它：

$ uv run python -m jupyter_mcp_server.server

尽管通常您会使用游标或MCP检查器来运行它。

postgres mcp

对于postgres-mcp，我们可以使用Docker镜像，因为我们不需要 更改代码。

测试MCP服务器

您可以使用MCP检查器来测试MCP服务器。 例如，为了测试jupyter mcp服务器的使用情况：

$ npx @modelcontextprotocol/inspector -e SERVER_URL="http://localhost:8080" -e TOKEN="token" -e NOTEBOOK_PATH="python_assessment.ipynb" uv run --project $PATH_TO_REPO/jupyter-mcp-server/ python -m jupyter_mcp_server.server

MCP服务器配置

在Cursor中配置MCP服务器，如下所示：

~/.cursor/mcp.json：

{
  "mcpServers": {
    "jupyter": {
      "command": "uv",
      "args": [
        "run",
        "--project",
        "/{PATH_TO_REPO}/jupyter-mcp-server",
        "python",
        "-m",
        "jupyter_mcp_server.server"
      ],
      "env": {
        "SERVER_URL": "http://localhost:8080",
        "TOKEN": "token",
        "NOTEBOOK_PATH": "python_assessment.ipynb"
      }
    },
    "postgres": {
      "command": "docker",
      "args": [
        "run",
        "-i",
        "--rm",
        "-e",
        "DATABASE_URI",
        "crystaldba/postgres-mcp",
        "--access-mode=restricted"
      ],
      "env": {
        "DATABASE_URI": "postgresql://postgres:postgres@localhost:5432/postgres"
      }
    }
  }
}

在Cursor内部，您可以禁用不必要的工具，例如仅保留 execute_query 对于postgres，以及 overwrite_cell_source, execute_cell 和 read_cell 对于Jupyter。

设置验证

1. 检查Jupyter是否可访问http://127.0.0.1:8080（密码：“token”）
2. 检查PostgreSQL是否可以在端口5432上访问（例如 psql)
3. 使用MCP检查器测试MCP服务器连接（可选）
4. 打开笔记本，通过运行架构检查单元验证您是否可以看到所有数据库表

提示

我将Cursor与claude-sonnet-4和以下提示一起使用：

浏览python_assessment.ipynb笔记本中的每个单元格，并在每个部分中竞争每个问题（Q1…）-使用overwrite_cell_source将您的python解决方案放在每个答案单元格中的“###您的代码在这里”注释之后，并将您的Postgres查询放在每个回答单元格的“--your QUERY在这里”之后。 您可以使用execute_SQL调用执行SQL查询，也可以使用execute_cell执行代码单元格，可以使用overwrite_cell_source设置其源代码，并使用read_cell读取其源代码和现有输出。仅修改答案单元格（代码单元格），不修改问题单元格。 调用任何可用的MCP工具，并首先运行查询，以检查它们是否按预期工作。 尽量只将所需的代码/查询放入答案框和最终答案（例如预期输出）中，但要坚持要求的内容。 使用execute_cell检查Python答案-您可以使用overwrite_cell_source和execute_cell重复修改单元格，直到输出看起来很好。同样，使用execute_SQL检查您的SQL答案。 在解决方案中添加一些推理/工作作为评论。 只使用MCP调用，不要访问本地磁盘。

完整的聊天记录已在 ./cursor_chat_log.md.

在这些结果中，claude-sonnet-4正确回答了11/12个问题，只有Python Q2。Regex解决方案是不正确的——尽管由于城市恰好被检入的顺序，它在单元格中偶然起作用。

截图

Start of Cursor chat

Cursor filled Jupyter cell example