Super MCP

S3超级MCP服务器

模型上下文协议（MCP）服务器，使大型语言模型能够使用强大的 超级 图书馆。

概述

S3 Super MCP Server弥合了自然语言查询和复杂数据分析之间的差距。它允许像Claude Desktop这样的人工智能助手用简单的英语理解业务问题，并自动将其转换为优化的SuperSQL查询，可以分析存储在S3中的大量数据集。

主要特点

• 自然语言处理：自动将业务问题转换为SQL查询
• 多格式支持：无缝查询JSON、CSV、Parquet和其他格式
• 商业智能模板：预构建的收入分析、客户分析、流失预测
• 高性能：利用super的优化查询引擎实现快速结果
• 无服务器就绪：部署到AWS Lambda以实现自动扩展
• 生产等级：全面的错误处理、监控和安全

用例

• 高管仪表板：“按产品类别显示本季度的收入趋势”
• 运营分析：“按服务查找过去24小时内所有API错误”
• 客户智能：“根据价值对用户进行细分，并确定顶级消费者”
• 日志分析：“分析响应时间并确定性能瓶颈”

安装

先决条件

• Python 3.11或更高版本
• 已配置AWS凭据
• 超级 已安装二进制文件
• 访问包含您数据的S3存储桶

安装超级库

macOS：

brew install brimdata/tap/super

Linux：

cd /tmp
wget https://github.com/brimdata/super/releases/latest/download/super-linux-amd64.tar.gz
tar -xzf super-linux-amd64.tar.gz
sudo mv super-linux-amd64/super /usr/local/bin/
sudo chmod +x /usr/local/bin/super

窗户： 下载自 超级发布 并添加到PATH中。

安装MCP服务器

# Clone the repository
git clone https://github.com/your-org/s3-super-mcp-server.git
cd s3-super-mcp-server

# Install dependencies
pip install -r requirements.txt

# Verify installation
python -c "import src.mcp_server; print('✅ Installation successful')"

配置

AWS凭据

使用以下方法之一配置AWS凭据：

# Option 1: AWS CLI
aws configure

# Option 2: Environment Variables
export AWS_ACCESS_KEY_ID=your_access_key
export AWS_SECRET_ACCESS_KEY=your_secret_key
export AWS_DEFAULT_REGION=us-east-1

# Option 3: IAM Roles (recommended for production)
# Use IAM roles with appropriate S3 permissions

所需的S3权限

您的AWS凭据需要以下S3权限：

{
  "Version": "2012-10-17",
  "Statement": [
    {
      "Effect": "Allow",
      "Action": [
        "s3:GetObject",
        "s3:ListBucket",
        "s3:ListObjects",
        "s3:ListObjectsV2"
      ],
      "Resource": [
        "arn:aws:s3:::your-data-bucket",
        "arn:aws:s3:::your-data-bucket/*"
      ]
    }
  ]
}

MCP客户端配置

克劳德桌面

添加到您的Claude Desktop配置(claude_desktop_config.json):

{
  "mcpServers": {
    "s3-super-mcp": {
      "command": "python",
      "args": ["/path/to/s3-super-mcp-server/src/mcp_server.py"],
      "env": {
        "AWS_PROFILE": "default",
        "AWS_REGION": "us-east-1"
      }
    }
  }
}

其他MCP客户端

服务器实现了标准的MCP协议，并与任何兼容的客户端一起工作。在本地运行：

python src/mcp_server.py

用法

基本查询

配置MCP客户端后，您可以问自然语言问题：

收入分析：

“显示过去30天内收入排名前10的产品”

客户细分：

“按总支出对客户进行细分，并显示平均订单价值”

日志分析：

“查找昨天API日志中按服务分组的所有错误”

性能监控：

“上周各端点的平均响应时间是多少？”

可用工具

MCP服务器为AI助手提供以下工具：

1. smart_query

自然语言查询的主要界面

• 将业务问题转换为SuperSQL
• 对S3数据执行查询
• 返回格式化结果

2. explore_data

数据发现和模式分析

• 分析数据结构和类型
• 提供字段统计信息
• 建议查询模式

3. business_metrics

预构建的商业智能计算

• 收入分析
• 客户终身价值
• 流失分析
• 转换漏斗
• 队列分析

4. cross_dataset_join

多源数据分析

• 跨S3位置连接数据
• 组合不同的数据格式
• 跨数据集的统一分析

5. data_quality_check

数据验证和分析

• 完整性评估
• 一致性验证
• 质量评分

示例数据结构

服务器在S3中处理结构化数据的效果最好：

电子商务交易 (s3://your-bucket/transactions/*.json):

{
  "transaction_id": "txn_12345",
  "user_id": "user_789",
  "product": "laptop",
  "amount": 1299.99,
  "timestamp": "2024-01-15T10:30:00Z",
  "channel": "web"
}

应用程序日志 (s3://your-bucket/logs/*.json):

{
  "timestamp": "2024-01-15T10:30:00Z",
  "level": "ERROR",
  "service": "api-gateway", 
  "message": "Connection timeout",
  "response_time_ms": 5000
}

部署

地方发展

# Run the MCP server locally
python src/mcp_server.py

# Run tests
pytest tests/ -v

# Check code quality
black src/ tests/
ruff check src/ tests/

AWS Lambda部署

部署到AWS Lambda以供生产使用：

# Build and deploy with SAM
sam build
sam deploy --guided

# Or use the deployment script
./scripts/deploy.sh production

Lambda部署提供：

• 根据需求自动缩放
• 内置监控和日志记录
• 经济高效的按查询付费定价
• 跨区域的高可用性

环境变量

使用以下环境变量配置服务器：

性能提示

查询优化

• 使用特定的S3路径来减少数据扫描
• 在查询早期应用过滤器以最大限度地减少处理
• 考虑将JSON转换为Parquet以获得更好的性能

数据组织

• 按日期/地区对S3数据进行分区，以实现更快的查询
• 跨数据集使用一致的字段命名
• 以优化的格式存储频繁查询的数据

成本管理

• 监控S3数据传输成本
• 使用S3智能分层进行成本优化
• 设置适当的查询超时以防止成本失控

故障排除

常见问题

未找到超级二进制文件：

# Verify installation
which super
super --version

# If not found, reinstall following installation instructions

AWS权限错误：

# Test S3 access
aws s3 ls s3://your-bucket/

# Verify credentials
aws sts get-caller-identity

查询超时：

• 使用更具体的S3路径减小数据集大小
• 使用采样进行探索性查询
• 增加复杂分析的超时时间

内存问题：

• 使用带有LIMIT子句的流式查询
• 以较小的块处理数据
• 考虑升级Lambda内存分配

调试模式

启用详细日志记录以进行故障排除：

export LOG_LEVEL=DEBUG
python src/mcp_server.py

贡献

我们欢迎捐款！请参阅我们的投稿指南：

1. 分叉存储库
2. 创建要素分支
3. 添加新功能的测试
4. 确保所有测试通过
5. 提交拉取请求

开发设置

# Install development dependencies
pip install -r requirements-dev.txt

# Run tests with coverage
pytest tests/ --cov=src --cov-report=html

# Format code
black src/ tests/
isort src/ tests/

# Lint code  
ruff check src/ tests/
mypy src/

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:
• 问题:
• 讨论:

相关项目

• 超级 -为该服务器提供动力的分析引擎
• 模型上下文协议 -人工智能工具集成的标准协议
• 克劳德桌面 -支持MCP的AI助手

______________________________________________________________________

内置于❤️ 对于数据社区来说。使您的AI助手能够从S3数据湖中解锁洞察力。