Sap Datasphere MCP

🚀 SAP数据圈MCP服务器

](https://pypi.org/project/sap-datasphere-mcp/) ](https://www.npmjs.com/package/@mariodefe/sap-datasphere-mcp)     [![Real Data]()](<>) [![API Integration]()](<>)

生产就绪的模型上下文协议（MCP）服务器，使AI助手能够与SAP Datasphere环境无缝交互，以进行真实租户数据发现、元数据探索、分析操作、ETL数据提取、数据库用户管理、数据沿袭分析和列级数据分析。

🆕 最新动态（v1.2.1-2026.10版）

• get_asset_variables 工具 --OData中声明的表面输入参数/变量和过滤器功能注释 $metadata。在查询之前，使用它来发现参数化视图或分析模型所期望的变量。
• 变量和过滤器解析 — parse_odata_metadata_xml_full 回报 {columns, variables, filters} 在一次通话中；遗产 parse_odata_metadata_xml 被保存为后compat包装。
• 与SAP Datasphere浪潮保持一致 2026.10 （2026年5月6日）。遗产 /api/v1/dwc/consumption/... 路径已弃用--使用 /api/v1/datasphere/consumption/....

🚀 快速开始

选项1：通过npm安装（建议Node.js/Claude Desktop使用）

# Install globally
npm install -g @mariodefe/sap-datasphere-mcp

# Run the server
npx @mariodefe/sap-datasphere-mcp

选项2：通过PyPI（Python）安装

# Install from PyPI
pip install sap-datasphere-mcp

# Run the server
sap-datasphere-mcp

看 入门指南 有关完整的设置说明。

______________________________________________________________________

✨ v1.1.0的新增功能

🌐 可流式HTTP传输 --服务器现在通过HTTP和stdio传输MCP，因此您可以将其作为长期服务（Docker、ECS、App Runner、反向代理后面）运行，并将多个客户端指向同一实例。

亮点

• ✅ 新 --transport http 旗帜 --服务于MCP流式HTTP（规范2025-03-26） /mcp，用单个HTTP路由替换传统的SSE双端点舞蹈。
• ✅ 向后兼容 — stdio 仍然是默认值；现有的Claude Desktop/Claude Code配置保持不变。
• ✅ 可选的承载令牌身份验证 --启用via --auth-token 或 MCP_HTTP_AUTH_TOKEN。如果绑定到没有环回接口的非环回接口，服务器会发出警告。
• ✅ /health 端点 --用于负载均衡器和正常运行时间检查的普通JSON活性探测。
• ✅ 固定异步入口点 新 main_sync() 包裹 asyncio.run(main()) 因此控制台脚本在macOS和Linux上可靠地工作。

用法

# stdio (default, unchanged)
sap-datasphere-mcp

# Streamable HTTP on http://127.0.0.1:8080/mcp
sap-datasphere-mcp --transport http --port 8080

# Exposed on LAN with bearer-token auth
MCP_HTTP_AUTH_TOKEN=$(openssl rand -hex 32) \
  sap-datasphere-mcp --transport http --host 0.0.0.0 --port 8080

# Via env vars only (great for Docker / ECS)
MCP_TRANSPORT=http MCP_HTTP_PORT=8080 \
MCP_HTTP_AUTH_TOKEN=$MY_TOKEN \
  sap-datasphere-mcp

使用HTTP附加功能进行安装

pip install 'sap-datasphere-mcp[http]'   # adds starlette + uvicorn
# or
uv tool install 'sap-datasphere-mcp[http]' --python 3.12

客户端调用示例

curl -N -X POST http://127.0.0.1:8080/mcp/ \
  -H "Content-Type: application/json" \
  -H "Accept: application/json, text/event-stream" \
  -d '{"jsonrpc":"2.0","id":1,"method":"initialize",
       "params":{"protocolVersion":"2025-03-26",
                 "capabilities":{},
                 "clientInfo":{"name":"curl","version":"0"}}}'

CLI/env参考

看 PR#31 了解实施细节。

______________________________________________________________________

✨ v1.0.9的新增功能

增强聚合和改进日志记录 -生产就绪的智能查询增强功能：

v1.0.9-智能查询增强功能：

• ✅ 简单聚合支持 -查询如下 SELECT COUNT(*) FROM table 现在工作正常

- 支持没有GROUP BY的聚合（返回单行） - 增强正则表达式以处理GROUP BY查询中的ORDER BY - 完全支持简单聚合和分组聚合

• ✅ 增强的资产检测 -多策略搜索减少误报

- 精确名称匹配+包含不区分大小写的搜索匹配 - API目录限制的优雅后退 - 更好地处理模式前缀视图

• ✅ 改进日志记录 -更好的用户体验，信息更清晰

- 信息表情符号(ℹ️) 而不是警告表情符号(⚠️) 对于非关键消息 - 更准确的描述（“不在目录搜索中”与“未找到”） - 仅当查询可能失败时才提供可操作的建议

v1.0.8-关键修补程序：

• ✅ 修复了聚合回退错误-客户端聚合现在可以在主路径和回退路径中工作

v1.0.7-智能查询生产增强：

• ✅ GROUP BY查询的客户端聚合
• ✅ 资产能力检测
• ✅ 模糊表名匹配
• ✅ 极限下推优化

结果： 45工具 支持所有SQL模式的生产就绪智能查询引擎

看 CHANGELOG_v1.0.9.md 了解完整细节。

______________________________________________________________________

📊 当前状态

🎉 45个可用工具-44个具有真实数据（98%） | 阶段1-5.1完整+智能查询引擎

• ✅ 98%真实数据集成 -44/45个工具访问实际租户数据
• ✅ OAuth 2.0身份验证 -具有自动令牌刷新功能的企业级安全
• ✅ 100%基础工具 -所有身份验证、连接和用户工具都工作正常
• ✅ 100%目录工具 -完成资产发现和元数据探索
• ✅ 100%搜索工具 -目录和存储库的客户端搜索解决方法
• ✅ 100%数据库用户管理 -使用真实SAP Datasphere CLI的所有5个工具
• ✅ 100%ETL工具 -所有4个具有企业级数据提取功能的Phase 5.1工具（最多50K条记录）
• ✅ 新：数据谱系和质量 -列搜索和分布分析工具
• 🟡 1个诊断工具 -端点测试实用程序（有意模拟模式）

______________________________________________________________________

📚 完整文档

新全面的生产准备文件：

快速链接：

• 🆕 最新动态 -最新功能和改进
• ⚡ 快速开始 -5分钟后开始跑步
• 📊 查询示例 -您可以查询哪些数据以及如何查询
• 🛠️ 所有工具 -完整的工具列表
• 🔒 安全 -OAuth 2.0和授权

______________________________________________________________________

📊 查询示例和可用数据

服务器提供访问 37+数据资产 包括销售、产品、人力资源、财务和时间维度数据。看 QUERY_EXAMPLES.md 查看完整的示例和文档。

可用数据资产

• 销售数据： 详细的订单和分析（All For Bikes、eBike 100等）
• 产品目录： 叉车（7900美元），自行车（288-699美元），规格
• 人力资源分析： 员工人数、职位分类、地点
• 财务数据： 交易明细和总账账户
• 时间维度： 1900年至今的日历数据

快速示例

销售订单（关系型）：

query_relational_entity(
    space_id="SAP_CONTENT",
    asset_id="SAP_SC_SALES_V_SalesOrders",
    entity_name="SAP_SC_SALES_V_SalesOrders",
    select="SALESORDERID,COMPANYNAME,GROSSAMOUNT,CURRENCY",
    top=5
)

产品信息（关系）：

query_relational_entity(
    space_id="SAP_CONTENT",
    asset_id="SAP_SC_FI_V_ProductsDim",
    entity_name="SAP_SC_FI_V_ProductsDim",
    select="PRODUCTID,MEDIUM_DESCR,PRICE,CURRENCY",
    top=5
)

销售分析（分析）：

query_analytical_data(
    space_id="SAP_CONTENT",
    asset_id="SAP_SC_SALES_AM_SalesOrders",
    entity_set="SAP_SC_SALES_AM_SalesOrders",
    select="COMPANYNAME,GROSSAMOUNT",
    orderby="GROSSAMOUNT desc",
    top=8
)

演出 1-5秒的响应时间，每批最多50K条记录。

看 QUERY_EXAMPLES.md 对于37+个数据资产，5个详细示例和最佳实践。

______________________________________________________________________

🌟 主要亮点

• 🎯 45 MCP工具：通过模型上下文协议实现全面的SAP数据圈操作
• 🔐 OAuth 2.0：具有自动令牌刷新功能的生产就绪身份验证
• ✅ 真实数据访问：44个工具（98%）访问实际租户数据-空间、资产、用户、元数据
• 🚀 API集成：44种工具（98%），通过API和CLI实现真实数据集成
• 🧠 智能查询引擎：为所有查询类型提供客户端聚合的生产就绪SQL支持
• 🔍 资产发现：发现36+实物资产（人力资源、财务、销售、时间维度）
• 📊 数据查询：通过自然语言对真实数据执行OData查询和ETL提取
• 🧬 数据血缘：按列名查找资产，以进行影响分析和沿袭跟踪
• 📈 数据质量：具有零率、百分位数和异常值检测的统计列分析
• 👥 用户管理：使用真实的API创建、更新和管理数据库用户
• 🧠 AI集成：Claude Desktop、Cursor IDE和其他MCP兼容助手
• 🏆 100%基础和目录工具：所有岩心发现工具功能齐全
• 📦 生产就绪：Docker、Kubernetes、PyPI打包可用

______________________________________________________________________

🛠️ 完整的工具目录（45个工具）

🏆 真实数据成功总结

______________________________________________________________________

🔐 基础工具（5个工具）-100%真实数据✅

示例查询：

"Test the connection to SAP Datasphere"
"Who am I? Show my user information"
"What tenant am I connected to?"
"What OAuth scopes do I have?"
"List all SAP Datasphere spaces"

真实数据示例：

• 真正的租户：your-tent.eu20.hcs.cloud.sap
• 真实空间：DEVAULT_SPACE，SAP_CONTENT
• OAuth JWT令牌中的真实用户信息
• 真正的OAuth作用域（通常为3个以上的作用域）

______________________________________________________________________

🔍 太空探索工具（3个工具）-100%真实数据✅

示例查询：

"Show me details about the SAP_CONTENT space"
"Get the schema for FINANCIAL_TRANSACTIONS table"
"Search for tables containing 'customer'"

真实数据示例：

• API的真实空间元数据
• 真实表模式（当表存在于空间中时）
• search_tables使用客户端筛选解决方法（API不支持OData筛选器）

______________________________________________________________________

📦 目录和资产工具（4个工具）-100%真实数据✅

示例查询：

"List all catalog assets in the system"
"Get details for asset SAP_SC_FI_AM_FINTRANSACTIONS"
"Show me all assets in the SAP_CONTENT space"
"Get asset by compound key: space=SAP_CONTENT, id=SAP_SC_HR_V_Divisions"

发现的不动产（36+不动产）：

• 人力资源资产：SAP_SC_HR_V_部门、SAP_SC_HR \_V_作业类、SAP_SC\_ HR_V_位置、SAP_SC~HR_V_作业
• 金融资产：SAP_SC_FI_V_产品尺寸，SAP_SC_FIA_AM_FINTRANSACTIONS
• 时间和销售模式：具有真实元数据URL的多个分析模型
• 所有资产 包括指向租户的真实元数据URL

______________________________________________________________________

🔎 搜索工具（2个工具）-100%真实数据✅

示例查询：

"Search catalog for 'sales'"
"Find repository objects containing 'customer'"
"Search for analytical models in SAP_CONTENT"

真实数据示例：

• 客户端在名称、标签、业务名称和描述字段之间进行搜索
• 支持方面（objectType、spaceId聚合）
• 支持过滤器（object_types、space_id）
• 支持why_found跟踪（显示匹配的字段）
• 分页和总计报告

实施： 这两个工具都使用客户端搜索解决方法，因为 /api/v1/datasphere/consumption/catalog/search 端点返回404 Not Found。他们从以下位置获取所有资产 /catalog/assets 并在客户端进行过滤。

______________________________________________________________________

🔬 数据发现和质量工具（2个工具）-100%真实数据✅

示例查询：

"Which tables contain CUSTOMER_ID column?"
"Find all assets with SALES_AMOUNT"
"Analyze the distribution of ORDER_TOTAL column"
"What's the data quality of CUSTOMER_AGE field?"
"Profile the PRICE column for outliers"

真实数据示例：

• 数据血缘：跨空间列搜索，模式更改前的影响分析
• 质量分析：零率、不同值、百分位数、异常检测（IQR法）
• 用例：数据发现、模式关系映射、数据质量评估、预分析分析分析

实施： v1.0.3中引入的两个工具都提供了高级数据发现和质量功能：

• find_assets_by_column：跨多个空格搜索，默认情况下不区分大小写，最多200个结果
• analyze_column_distribution：分析多达10000条记录，自动类型检测，百分位数分析

______________________________________________________________________

📊 元数据工具（4个工具）-100%真实数据✅

示例查询：

"Get the catalog metadata schema"
"Retrieve analytical metadata for SAP_SC_FI_AM_FINTRANSACTIONS"
"Get relational schema for CUSTOMER_DATA table"
"List analytical datasets"

状态： 所有4个工具都通过适当的错误处理和能力检查返回真实数据。

______________________________________________________________________

👥 数据库用户管理工具（5个工具）-100%真实数据✅

示例查询：

"List all database users in SAP_CONTENT space"
"Create a new database user named ETL_USER"
"Update permissions for DB_USER_001"
"Delete database user TEST_USER"
"Reset password for DB_USER_001"

状态： 所有5个工具都使用真正的SAP Datasphere CLI集成，包括子流程执行、临时文件处理和全面的错误处理。

同意管理： 高风险操作（创建、更新、删除、重置密码）需要用户在首次使用时同意。同意书被缓存60分钟。

______________________________________________________________________

🔧 API语法修复（4个工具）-100%真实数据✅

状态： 在第2阶段修复的所有4个工具都删除了不受支持的OData过滤器，并添加了客户端解决方法。

______________________________________________________________________

🔧 HTML响应修复（2个工具）-100%真实数据✅

状态： 这两个工具在第3阶段都得到了修复——当端点返回HTML而不是JSON时，添加了内容类型验证和有用的错误消息。

______________________________________________________________________

📈 分析消费工具（4个工具）-100%真实数据✅

示例查询：

"Get analytical model for SAP_SC_FI_AM_FINTRANSACTIONS"
"Show me the service document for SAP_SC_HR_V_Divisions"
"List all datasets in the analytical model"
"Query analytical data from SAP_SC_FI_AM_FINTRANSACTIONS with filters"

真实数据特征：

• OData v4.0分析消耗API（/API/v1/datasphere/消耗/分析）
• 完整的元数据发现（服务文档、实体集、属性）
• 使用$filter、$select、$top、$skip、$orderby进行高级过滤
• 使用$apply支持聚合（groupby、聚合函数）
• 来自SAP Datasphere实例的真实租户数据

状态：所有4个分析消费工具都可以使用真实的SAP Datasphere数据完全运行！

______________________________________________________________________

🔌 附加工具（5个工具）-100%真实数据✅

示例查询：

"List all connections in the system"
"Check the status of task 12345"
"Browse the Data Marketplace"
"Get consumption metadata schema"
"Show deployed objects in SAP_CONTENT"

状态：所有附加工具都提供了基本的系统管理功能，并提供了完整的真实数据支持。

______________________________________________________________________

🧪 诊断工具（3个工具）-端点测试实用程序

目的：这些诊断工具有助于验证哪些SAP Datasphere API端点在特定租户配置中可用。它们返回具有以下内容的结构化报告：

• 每个端点的HTTP状态代码
• 错误消息和故障排除指南
• 解决方法或替代工具的建议

状态：诊断工具有意使用模拟/测试模式来验证端点可用性，而无需修改数据。

______________________________________________________________________

🗂️ 存储库工具（2个工具）-已弃用（改用目录）

推荐：这些旧版存储库工具已弃用。请改用现代目录工具：

• 替换 list_repository_objects → list_catalog_assets 或 search_catalog
• 替换 get_object_definition → get_asset_details

状态：目录工具提供卓越的功能和完整的真实数据支持。

______________________________________________________________________

🔐 关系查询工具（1个工具）-100%真实数据✅

示例查询：

"Execute query: SELECT * FROM SAP_SC_FI_AM_FINTRANSACTIONS LIMIT 10"
"Query: SELECT customer_id, amount FROM SALES_ORDERS WHERE status = 'COMPLETED' LIMIT 50"
"Get data: SELECT * FROM SAP_SC_HR_V_Divisions"

真实数据特征：

• SQL到OData的转换：自动将SQL查询转换为OData API调用
• 关系消费API: /api/v1/datasphere/consumption/relational/{space_id}/{view_name}
• 支持的SQL语法:

- SELECT * 或 SELECT column1, column2 → OData $select - WHERE conditions → OData $filter （基本转换） - LIMIT N → OData $top

• 查询安全：最多1000行，超时60秒
• 错误处理：找不到表的有用消息、解析错误、权限问题

SQL转换示例：

SELECT * FROM CUSTOMERS WHERE country = 'USA' LIMIT 10
→ GET /relational/SPACE/CUSTOMERS?$filter=country eq 'USA'&$top=10

SELECT customer_id, name FROM ORDERS LIMIT 20
→ GET /relational/SPACE/ORDERS?$select=customer_id,name&$top=20

局限性:

• 无JOIN（仅限于OData单表查询）
• 基本的WHERE子句转换（简单的比较工作）
• 无分组，按顺序（未来增强）
• 表/视图名称区分大小写

状态: ✅ 与真实的SAP Datasphere数据完全兼容！测试并确认工作正常。

______________________________________________________________________

🧠 智能查询引擎（1个工具）-100%真实数据✅ 新版v1.0.9！

示例查询：

"Query: SELECT * FROM SAP_SC_FI_V_ProductsDim LIMIT 5"
"Get product counts by category: SELECT PRODUCTCATEGORYID, COUNT(*) FROM SAP_SC_FI_V_ProductsDim GROUP BY PRODUCTCATEGORYID"
"Simple aggregation: SELECT COUNT(*), AVG(PRICE) FROM SAP_SC_FI_V_ProductsDim"
"Analytics with sorting: SELECT CATEGORY, COUNT(*), AVG(PRICE) FROM Products GROUP BY CATEGORY ORDER BY COUNT(*) DESC"

真实数据特征：

• 智能路由：根据查询类型和资产功能自动在分析端点和关系端点之间进行选择
• 客户端聚合：当API不支持SQL聚合时，完全支持它们

- 简单聚合： SELECT COUNT(*) FROM table （返回单行） - 按聚合分组： SELECT category, COUNT(*) FROM table GROUP BY category - 所有聚合函数：COUNT、SUM、AVG、MIN、MAX

• 资产能力检测：在执行查询之前，进行多策略搜索以验证资产支持
• 增强的错误消息：模糊表名与可操作建议匹配
• 极限按下：自动将SQL LIMIT转换为OData$top以获得最佳性能
• 多层回退：初级（分析）→ 回退（关系+聚合）→ 有用的错误

支持的查询类型：

-- Simple queries
SELECT * FROM table LIMIT 10

-- Simple aggregations (NEW in v1.0.9)
SELECT COUNT(*) FROM table
SELECT COUNT(*), AVG(price), MAX(price) FROM table

-- GROUP BY aggregations
SELECT category, COUNT(*), AVG(price) FROM table GROUP BY category

-- Complex queries with ORDER BY
SELECT category, COUNT(*) as cnt FROM table GROUP BY category ORDER BY cnt DESC LIMIT 5

演出

• 响应时间：500ms-2s，具体取决于数据量
• 批量大小：每次查询最多50000条记录
• 优化：LIMIT下推可将数据传输减少高达95%

状态: ✅ 具备全面SQL支持的生产就绪！所有常见的查询模式都能完美运行（v1.0.7-v1.0.9增强版）。

______________________________________________________________________

🏭 ETL优化关系工具（4个工具）-100%真实数据✅ 新阶段5.1！

示例查询：

"List all relational entities in SAP_CONTENT space for asset SAP_SC_SALES_V_Fact_Sales"
"Get entity metadata with SQL types for SAP_CONTENT/SAP_SC_SALES_V_Fact_Sales"
"Query relational entity from SAP_CONTENT, asset SAP_SC_SALES_V_Fact_Sales, entity Results, limit 1000"
"Get OData service document for SAP_CONTENT/SAP_SC_SALES_V_Fact_Sales with ETL capabilities"

真实数据特征：

• 大批量加工：每次查询最多提取50000条记录（execute_query为1000条）
• SQL类型映射：自动OData到SQL类型转换（NVARCHAR、BIGINT、DECIMAL、DATE等）
• ETL规划：服务发现、实体枚举、批大小建议
• 性能优化：增量提取、并行加载、分页策略
• 生产质量：实际生产数据的响应时间低于秒

ETL用例：

• 数据仓库加载：为目标数据库提取具有适当SQL类型的大型数据集
• 增量提取：使用 $filter 带有用于增量负载的日期列
• 并行提取：使用 $skip 对大容量数据有多个并发请求
• 架构发现：在ETL作业之前获取包含列类型、精度和规模的完整元数据

高级查询功能：

OData Parameters Supported:
- $filter: Complex filtering expressions (e.g., "amount gt 1000 and status eq 'ACTIVE'")
- $select: Column projection (e.g., "customer_id,amount,date")
- $top/$skip: Pagination (up to 50K per batch)
- $orderby: Sorting (e.g., "amount desc, date asc")

SQL类型映射示例：

Edm.String       → NVARCHAR(MAX)
Edm.Int32        → INT
Edm.Int64        → BIGINT
Edm.Decimal      → DECIMAL(18,2)
Edm.Double       → DOUBLE
Edm.Date         → DATE
Edm.DateTime     → TIMESTAMP
Edm.Boolean      → BOOLEAN

端点模式：

GET /api/v1/datasphere/consumption/relational/{space}/{asset}               → List entities
GET /api/v1/datasphere/consumption/relational/{space}/{asset}/$metadata     → Get metadata
GET /api/v1/datasphere/consumption/relational/{space}/{asset}/{entity}      → Query data

状态: ✅ 所有4个工具功能齐全，具有企业级ETL功能！用真实的生产销售数据进行测试，在大型结果集下实现了亚秒级的性能。

______________________________________________________________________

🚀 快速开始

先决条件

Python 3.10+
SAP Datasphere account with OAuth 2.0 configured
Technical User with appropriate permissions

安装

# 1. Clone the repository
git clone https://github.com/MarioDeFelipe/sap-datasphere-mcp.git
cd sap-datasphere-mcp

# 2. Install dependencies
pip install -r requirements.txt

# 3. Configure OAuth credentials
cp .env.example .env
# Edit .env with your SAP Datasphere OAuth credentials

# 4. Start MCP Server
python sap_datasphere_mcp_server.py

配置

创建一个 .env 包含SAP Datasphere凭据的文件：

# SAP Datasphere Connection
DATASPHERE_BASE_URL=https://your-tenant.eu10.hcs.cloud.sap
DATASPHERE_TENANT_ID=your-tenant-id

# OAuth 2.0 Credentials (Technical User)
DATASPHERE_CLIENT_ID=your-client-id
DATASPHERE_CLIENT_SECRET=your-client-secret
DATASPHERE_TOKEN_URL=https://your-tenant.authentication.eu10.hana.ondemand.com/oauth/token

# Optional: Mock Data Mode (for testing without real credentials)
USE_MOCK_DATA=false

⚠️ 重要提示： 永远不要承诺你的 .env 文件到版本控制！

📖 需要OAuth设置方面的帮助吗？ 请参阅完整指南： OAuth设置指南

______________________________________________________________________

🤖 AI助手集成

克劳德桌面版

选项1：使用npm（推荐）

添加到您的 claude_desktop_config.json:

{
  "mcpServers": {
    "sap-datasphere": {
      "command": "npx",
      "args": ["@mariodefe/sap-datasphere-mcp"],
      "env": {
        "DATASPHERE_BASE_URL": "https://your-tenant.eu20.hcs.cloud.sap",
        "DATASPHERE_CLIENT_ID": "your-client-id",
        "DATASPHERE_CLIENT_SECRET": "your-client-secret",
        "DATASPHERE_TOKEN_URL": "https://your-tenant.authentication.eu20.hana.ondemand.com/oauth/token"
      }
    }
  }
}

选项2：直接使用Python

{
  "mcpServers": {
    "sap-datasphere": {
      "command": "python",
      "args": ["-m", "sap_datasphere_mcp_server"],
      "env": {
        "DATASPHERE_BASE_URL": "https://your-tenant.eu20.hcs.cloud.sap",
        "DATASPHERE_CLIENT_ID": "your-client-id",
        "DATASPHERE_CLIENT_SECRET": "your-client-secret",
        "DATASPHERE_TOKEN_URL": "https://your-tenant.authentication.eu20.hana.ondemand.com/oauth/token"
      }
    }
  }
}

地点：

• 窗户： %APPDATA%\Claude\claude_desktop_config.json
• macOS： ~/Library/Application Support/Claude/claude_desktop_config.json
• Linux： ~/.config/Claude/claude_desktop_config.json

自然语言查询示例

配置后，询问您的AI助手：

太空与探索：

"List all SAP Datasphere spaces"
"Show me the schema for the CUSTOMERS table"
"Search for tables containing 'sales' in SAP_CONTENT"

元数据探索：

"Get the analytical metadata for REVENUE_ANALYSIS"
"Show me the catalog metadata schema"
"Get relational schema for FINANCIAL_TRANSACTIONS"

分析查询：

"Query financial data where Amount > 1000"
"Get analytical model for SALES_ANALYTICS.REVENUE_ANALYSIS"
"Execute aggregation: group by Currency and sum Amount"

用户管理：

"List all database users"
"Create a new database user named ETL_READER"
"Update permissions for user DB_USER_001"

存储库对象：

"Get the complete definition for SAP_SC_FI_AM_FINTRANSACTIONS"
"Show me all assets in SAP_CONTENT space"
"Get repository search metadata"

______________________________________________________________________

🔒 安全功能

OAuth 2.0身份验证

• ✅ 客户端凭据流：安全的技术用户身份验证
• ✅ 自动令牌刷新：令牌在到期前60秒刷新
• ✅ 加密存储：使用Fernet加密在内存中加密的令牌
• ✅ 代码中没有凭据：从环境变量加载的所有机密
• ✅ 重试逻辑：瞬态故障的指数回退

授权与同意

• ✅ 权限级别：读、写、管理、敏感
• ✅ 使用者同意：高风险操作的交互式提示
• ✅ 审计日志：完整的运营审计跟踪
• ✅ 输入验证：15种以上攻击模式的SQL注入防御
• ✅ 数据筛选：自动PII和凭证编辑

安全最佳实践

• 🔐 基于环境的配置：没有硬编码凭据
• 🔒 HTTPS/TLS：所有通信均加密
• 📝 综合录井：详细的安全审计跟踪
• 🔑 许可证管理：自动刷新和安全旋转
• 🛡️ SQL清理：只读查询，防止注射

______________________________________________________________________

📊 建筑

系统架构

┌─────────────────┐    ┌──────────────────┐    ┌─────────────────┐
│   AI Assistant  │◄──►│   MCP Server     │◄──►│  SAP Datasphere │
│ (Claude, Cursor)│    │  32 Tools        │    │   (OAuth 2.0)   │
│                 │    │  Authorization   │    │                 │
│                 │    │  Caching         │    │                 │
│                 │    │  Telemetry       │    │                 │
└─────────────────┘    └──────────────────┘    └─────────────────┘

核心组件

身份验证层：

• auth/oauth_handler.py -令牌管理和刷新
• auth/datasphere_auth_connector.py -经过身份验证的API连接器
• auth/authorization.py -基于权限的授权
• auth/consent_manager.py -用户同意跟踪

安全层：

• auth/input_validator.py -输入验证框架
• auth/sql_sanitizer.py -SQL注入预防
• auth/data_filter.py -PII和凭证编辑

性能层：

• cache_manager.py -TTL智能缓存
• telemetry.py -请求跟踪和指标

MCP服务器：

• sap_datasphere_mcp_server.py -主服务器，配备42个工具

______________________________________________________________________

🚀 生产部署

快速部署选项

Docker（推荐）:

# Build and run
docker build -t sap-datasphere-mcp:latest .
docker run -d --name sap-mcp --env-file .env sap-datasphere-mcp:latest

# Using Docker Compose
docker-compose up -d

PyPI包 （即将推出）：

pip install sap-datasphere-mcp
sap-datasphere-mcp

Kubernetes:

# Create secrets
kubectl create secret generic sap-mcp-secrets \
  --from-literal=DATASPHERE_CLIENT_ID='...' \
  --from-literal=DATASPHERE_CLIENT_SECRET='...'

# Deploy
kubectl apply -f k8s/deployment.yaml
kubectl scale deployment sap-mcp-server --replicas=5

手册:

git clone https://github.com/MarioDeFelipe/sap-datasphere-mcp.git
cd sap-datasphere-mcp
pip install -r requirements.txt
cp .env.example .env  # Edit with your credentials
python sap_datasphere_mcp_server.py

📖 看 部署.md 获取完整的生产部署指南

______________________________________________________________________

📈 性能特征

响应时间

• ⚡ 元数据查询：低于1000毫秒（缓存）
• ⚡ 目录查询：100-500ms
• ⚡ OData查询：500-2000ms（取决于数据量）
• ⚡ 令牌刷新：自动，对用户透明

缓存策略

• 📊 空间：1小时TTL
• 📦 资产：30分钟TTL
• 🔍 元数据：15分钟TTL
• 👥 用户：5分钟TTL
• 🔄 LRU驱逐：自动清理旧条目

可扩展性

• 🔄 并发请求：多个同时进行的MCP操作
• 🛡️ 错误恢复：使用指数回退自动重试
• 📊 连接池：高效的资源管理

______________________________________________________________________

🧪 测试

运行测试

# Test MCP server startup
python test_mcp_server_startup.py

# Test authorization coverage
python test_authorization_coverage.py

# Test input validation
python test_validation.py

# Test with MCP Inspector
npx @modelcontextprotocol/inspector python sap_datasphere_mcp_server.py

测试结果

• ✅ 42/42个工具已注册 -所有工具定义正确
• ✅ 42/42授权工具 -已配置授权权限
• ✅ 41/42工具工作 -成功率98%
• ✅ 0个代码错误 -所有实施问题均已解决

______________________________________________________________________

📁 项目结构

sap-datasphere-mcp/
├── 📁 auth/                            # Authentication & Security
│   ├── oauth_handler.py                # OAuth 2.0 token management
│   ├── datasphere_auth_connector.py    # Authenticated API connector
│   ├── authorization.py                # Permission-based authorization
│   ├── consent_manager.py              # User consent tracking
│   ├── input_validator.py              # Input validation framework
│   ├── sql_sanitizer.py                # SQL injection prevention
│   └── data_filter.py                  # PII and credential redaction
├── 📁 config/                          # Configuration management
│   └── settings.py                     # Environment-based settings
├── 📁 docs/                            # Documentation
│   ├── OAUTH_SETUP.md                  # OAuth setup guide
│   ├── TROUBLESHOOTING_CLAUDE_DESKTOP.md
│   └── OAUTH_IMPLEMENTATION_STATUS.md
├── 📄 sap_datasphere_mcp_server.py     # Main MCP server (42 tools)
├── 📄 cache_manager.py                 # Intelligent caching
├── 📄 telemetry.py                     # Monitoring and metrics
├── 📄 mock_data_provider.py            # Mock data for testing
├── 📄 .env.example                     # Configuration template
├── 📄 requirements.txt                 # Python dependencies
├── 📄 README.md                        # This file
└── 📄 ULTIMATE_TEST_RESULTS.md         # Comprehensive test results

______________________________________________________________________

🙏 致谢

此MCP服务器的构建得益于以下方面的重大贡献：

亚马逊Kiro

提供了全面的规范、架构指导和开发指导，塑造了MCP服务器的设计和实现。

克劳德代码

人工智能驱动的开发助理，为以下方面做出了贡献：

第一阶段：安全与身份验证

• OAuth 2.0实现，带有自动令牌刷新功能
• 基于权限的授权（读取、写入、管理、敏感）
• 高风险操作的用户同意流程
• 输入验证和SQL清理
• 敏感数据过滤和PII编辑

第二阶段：用户体验和人工智能交互

• 通过示例增强工具描述
• 带有恢复建议的智能错误消息
• 具有明确格式要求的参数验证

第3阶段：性能和监控

• 基于类别的TTL智能缓存
• 全面的遥测和指标
• 性能优化（缓存查询速度提高95%）

第4阶段：存储库和分析

• 存储库对象发现工具
• 分析模型访问和OData查询支持
• 元数据提取和模式发现

模拟数据修复之旅：

• 第1阶段：数据库用户管理（5/5工具）-SAP CLI集成✅
• 阶段2:neneneba API语法修复（4/4工具）-OData筛选器解决方法✅
• 第3阶段：HTML响应修复（2/2工具）-优雅降级✅
• 第4阶段：搜索解决方案（2/2个工具）-客户端搜索✅
• 成就：42.9%起→ 80% 真正的数据集成！ 🎯

______________________________________________________________________

📄 许可证

此项目根据MIT许可证获得许可-请参阅 许可证 文件以获取详细信息。

______________________________________________________________________

📞 支持

• 📚 文档：参见 /docs 详细指南文件夹
• 🐛 问题:
• 💬 讨论:
• 📖 SAP数据圈: 官方文件
• 🤖 MCP协议: 模型上下文协议

______________________________________________________________________

🎯 路线图

完成✅

• \[x\] OAuth 2.0身份验证，自动刷新令牌
• \[x\] 35个MCP工具的实施
• \[x\] 🎯 实现目标：80%真实数据集成（28/35个工具）
• \[x\] 授权和同意管理
• \[x\] 输入验证和SQL清理
• \[x\] 智能缓存和遥测
• \[x\] 第一阶段： 数据库用户管理（5/5工具）-SAP CLI集成
• \[x\] 第二阶段： API语法修复（4/4工具）-OData筛选器解决方法
• \[x\] 第三阶段： HTML响应修复（2/2工具）-优雅降级
• \[x\] 第四阶段： 搜索解决方法（2/2个工具）-客户端搜索
• \[x\] 使用真实的SAP Datasphere租户进行全面测试
• \[x\] 发现36+实物资产 （人力资源、财务、销售、时间维度）
• \[x\] 100%基础、目录、搜索、元数据和用户管理工具

未来的增强功能🔮

• \[\]分析工具真实数据集成（需要租户配置）
• \[\]增强的查询执行能力
• \[\]受限端点的其他权限范围
• \[\]语义搜索的矢量数据库集成
• \[\]实时事件流
• \[\]高级模式可视化
• \[\]多租户支持
• \[\]机器学习集成

______________________________________________________________________

🏆 生产就绪SAP Datasphere MCP服务器

🎯 实现的目标：28/35个具有真实数据的工具（80%）

发现36+实物资产|所有关键工具正常工作

](https://github.com/MarioDeFelipe/sap-datasphere-mcp/stargazers)   

建于❤️ 用于人工智能驱动的企业数据集成

从42.9%→ 80% 通过系统模拟数据修复实现真实数据集成！