Snowflake Developer MCP Server

Snowflake开发人员MCP服务器🚀

强大的模型上下文协议（MCP）服务器，为Claude等AI助手提供全面的Snowflake数据库操作、Cortex AI服务和数据管理工具。

🌟 特性

• 🔧 DDL操作：创建和管理数据库、模式、表和其他数据库对象
• 📊 DML操作：插入、更新、删除和查询具有完全SQL支持的数据
• ⚙️ 雪花作业：管理仓库、授权、角色和显示数据库对象
• 🔒 安全认证：支持密码和程序化访问令牌（PAT）
• 🎯 简单连接模式：每个操作连接都具有可靠性和简单性

🚀 快速开始

先决条件

• Python 3.11+
• UV包管理器（从安装https://github.com/astral-sh/uv)
• Node.js和npm（用于MCP检查器）
• 具有适当权限的Snowflake帐户
• 雪花凭据（帐户标识符、用户名、密码/PAT）

安装

1. 克隆存储库

   git clone https://github.com/mcp-tg/snowflake-developer.git
   cd snowflake-developer

1. 设置环境

   # Copy environment template
   cp .env.example .env

   # Edit .env with your Snowflake credentials
   # Required: SNOWFLAKE_ACCOUNT, SNOWFLAKE_USER, SNOWFLAKE_PAT (or SNOWFLAKE_PASSWORD)

1. 安装UV（如果尚未安装）

   # On macOS/Linux
   curl -LsSf https://astral.sh/uv/install.sh | sh

   # On Windows
   powershell -c "irm https://astral.sh/uv/install.ps1 | iex"

🧪 MCP检验员测试

测试设置的最简单方法是使用MCP检查器：

# Run the development inspector script
./dev-inspector.sh

这将：

• ✅ 创建虚拟环境（如果需要）
• ✅ 通过UV安装所有依赖项
• ✅ 从.env加载Snowflake凭据
• ✅ 启动MCP检查器web界面
• ✅ 打开浏览器以交互方式测试工具

注： 该脚本会自动处理UV包安装，因此您不需要手动安装依赖项。

第一次测试：验证连接

1. 在检查员，去 工具 标签
2. 找到 test_snowflake_connection 然后单击 跑
3. 您应该看到您的帐户详细信息，并确认连接正常

🔌 与AI助手集成

克劳德桌面

选项1：直接从GitHub（不需要本地克隆）

{
  "mcpServers": {
    "snowflake-developer": {
      "command": "uvx",
      "args": [
        "--from",
        "git+https://github.com/mcp-tg/snowflake-developer.git",
        "main.py"
      ],
      "env": {
        "SNOWFLAKE_ACCOUNT": "your-account",
        "SNOWFLAKE_USER": "your-username",
        "SNOWFLAKE_PAT": "your-pat-token"
      }
    }
  }
}

选项2：本地安装

{
  "mcpServers": {
    "snowflake-developer": {
      "command": "uv",
      "args": [
        "run",
        "--directory",
        "/path/to/snowflake-developer",
        "python",
        "main.py"
      ],
      "env": {
        "SNOWFLAKE_ACCOUNT": "your-account",
        "SNOWFLAKE_USER": "your-username",
        "SNOWFLAKE_PAT": "your-pat-token"
      }
    }
  }
}

安装说明：

1. 克隆存储库： git clone https://github.com/mcp-tg/snowflake-developer.git
2. 创建Claude Desktop配置文件： ~/Library/Application Support/Claude/claude_desktop_config.json （macOS）
3. 添加上述配置，替换 /path/to/snowflake-developer 与你的实际路径
4. 将凭据占位符替换为实际的Snowflake凭据
5. 重新启动克劳德桌面

光标

备注：游标不支持MCP配置中的环境变量。您需要使用本地安装选项或在系统上全局设置环境变量。

选项1：直接从GitHub（需要全局环境变量）

{
  "mcpServers": {
    "snowflake-developer": {
      "command": "uvx",
      "args": [
        "--from",
        "git+https://github.com/mcp-tg/snowflake-developer.git",
        "main.py"
      ]
    }
  }
}

*需要设置 SNOWFLAKE_ACCOUNT, SNOWFLAKE_USER，以及 SNOWFLAKE_PAT 作为系统环境变量。*

选项2：本地安装（建议用于Cursor）

{
  "mcpServers": {
    "snowflake-developer": {
      "command": "uv",
      "args": ["run", "/path/to/snowflake-developer/main.py"]
    }
  }
}

*使用本地 .env 使用您的凭据在项目目录中创建文件。*

📚 可用工具（共22个）

🔧 DDL工具（8个工具）

管理数据库结构的工具：

alter_type： ADD 列名称： created_at 数据类型： TIMESTAMP |“将created_at时间戳列添加到TEST_DB.PUBLIC.USERS表”| | create_database |创建新数据库|数据库名称： TEST_DB |“创建一个名为TEST_DB的新数据库”| | create_schema |在数据库中创建架构|database_name： TEST_DB schema_name： ANALYTICS |“在TEST_DB数据库中创建名为ANALYTICS的架构”| | create_table |创建包含列的表|database_name： TEST_DB schema_name： PUBLIC 表名： USERS 柱： [{"name": "id", "type": "INT"}, {"name": "email", "type": "VARCHAR(255)"}] |“在TEST_DB.PUBLIC中创建一个USERS表，id为INT，电子邮件为VARCHAR（255）”| | drop_database_object |删除任何数据库对象|object_type： TABLE 对象名称： TEST_DB.PUBLIC.OLD_TABLE |“删除表TEST_DB.PUBLIC.OLD_table”| | execute_ddl_statement |运行自定义DDL SQL |DDL_statement： CREATE VIEW TEST_DB.PUBLIC.ACTIVE_USERS AS SELECT * FROM TEST_DB.PUBLIC.USERS WHERE status = 'active' |“创建一个名为ACTIVE_USERS的视图，仅显示活动用户”|

📊 DML工具（6个工具）

处理数据的工具：

源表： TEST_DB.STAGING.NEW_USERS 合并条件： target.id = source.id match_actions： [{"action": "UPDATE", "columns": ["email", "name"], "values": ["source.email", "source.name"]}] not_match_actions： [{"action": "INSERT", "columns": ["id", "email", "name"], "values": ["source.id", "source.email", "source.name"]}] |将临时表中的新用户合并到生产用户表中，更新现有记录并插入新记录| | query_data |从表中查询数据|table_name： TEST_DB.PUBLIC.USERS 柱： ["id", "email", "name"] 其中_原因： status = 'active' 限制： 10 |“显示前10个活跃用户及其id、电子邮件和姓名”| | update_data |更新现有行|table_name： TEST_DB.PUBLIC.USERS 数据： {"status": "inactive"} 其中_原因： `last_login str: """Tool with automatic type validation and documentation.""" return f"Result: {param}"

@mcp.resource("my://resource/{id}") async def my_resource(id: str, ctx: Context) -> dict: """Resource with built-in async support and context.""" return {"data": f"Resource {id}"}

### 使用的关键FastMCP功能

1. **装修商注册**：使用简单的装饰器注册工具
1. **类型验证**：使用Python类型提示自动验证参数
1. **上下文管理**：用于进度报告和记录的内置上下文
1. **资源模式**：动态资源终结点的URI模板匹配
1. **错误处理**：自动捕获异常和标准化错误响应

### FastMCP安装

Install FastMCP

pip install fastmcp

Or with UV (recommended)

uv add fastmcp

### 快速学习MCP

- **官方文件**: [FastMCP文档](https://github.com/jlowin/fastmcp)
- **例子**：浏览存储库中的FastMCP示例服务器
- **TypeScript MCP SDK**: [MCP TypeScript SDK](https://github.com/modelcontextprotocol/typescript-sdk)

## 📚 额外资源

### 雪花资源

- [雪花文档](https://docs.snowflake.com/)
- [Snowflake Python连接器](https://docs.snowflake.com/en/developer-guide/python-connector/python-connector)
- [程序化访问令牌](https://docs.snowflake.com/en/user-guide/security-access-tokens)

### MCP协议和工具

- [模型上下文协议规范](https://modelcontextprotocol.io/)
- [MCP TypeScript SDK](https://github.com/modelcontextprotocol/typescript-sdk)
- [MCP Python SDK](https://github.com/modelcontextprotocol/python-sdk)
- [MCP检查工具](https://github.com/modelcontextprotocol/inspector)

### 开发工具

- [UV包装管理器](https://github.com/astral-sh/uv)
- [FastMCP框架](https://github.com/jlowin/fastmcp)
- [Claude桌面配置](https://claude.ai/docs)
- [游标IDE集成](https://cursor.sh/)