CDM MCP Server

CDM MCP サーバー

AI アシスタントがSparkを通じてMinIOに保存されたDelta Lakeテーブルとやり取りできるようにする、FastAPIベースのサービスです。自然言語によるデータ操作のためにModel Context Protocol（MCP）を実装しています。

⚠️ 重要な警告：

このサービスでは、Delta Lakeテーブルに対して任意のread-orientedクエリを実行できます。モデルをローカルでホストしていない場合、クエリ結果はモデルホストサーバーに送信されます。

❌ また、KBaseのリーダーシップから明示的な承認が得られるまでは、このサービスをCIを含む本番環境にデプロイすることは承認されていません。ローカルでの開発または評価目的に限って使用してください。

ドキュメント

詳しいドキュメントについては、ユーザーガイドを参照してください。ガイドでは、以下の内容を説明しています。

• クイックスタート - ローカルサービスを起動して使用できる状態にする方法
• サンプルDeltaテーブルの作成 - ローカルテストデータのセットアップ
• APIの使用 - APIの直接使用例
• AIアシスタントとの統合 - MCPホストツールでの設定と使用方法
  • MCPの設定 - mcp.jsonの作成
  • MCPホストのセットアップ - MCPホストの設定
  • プロンプトの例 - 自然言語の例

クイックスタート

1. リポジトリをクローンします。

   git clone https://github.com/kbase/cdm-mcp-server.git
   cd cdm-mcp-server
   

2. 必要なディレクトリを作成します。

   mkdir -p cdr/cdm/jupyter/cdm_shared_workspace
   

3. Dockerネットワークを作成します。

   docker network create cdm-jupyterhub-network
   

4. サービスを起動します。

   docker-compose up -d --build
   

5. 各サービスにアクセスします。

   • MCPサーバー：http://localhost:8000/docs
   • MinIOコンソール：http://localhost:9003
   • Spark Master UI：http://localhost:8090
   • JupyterHub：http://localhost:4043

テスト

# Install dependencies (only required on first run or when the uv.lock file changes)
uv sync --locked

# Run tests
PYTHONPATH=. uv run pytest tests

# Run with coverage
PYTHONPATH=. uv run pytest --cov=src tests/