Databox MCP

Name: Databox MCP
Author: databox

本地服务

github.com/databoxAI 与智能体135 周前更新

代码仓库

关于 Databox MCP

Databox MCP 将 Databox 业务数据接入 AI 工具，供团队以自然语言分析指标，也可管理数据源、数据集和数据导入。其分析工具通过查询引擎执行实际计算。

主要功能

01自然语言提问并分析数据
02查询指标及时间序列
03创建数据源和数据集
04导入数据并查看导入记录
05按权限访问 Databox 数据

适用场景

01比较不同周期的转化率
02合并广告支出与收入分析 ROAS
03按流量来源查看网站指标
04将外部记录导入并整理到数据集中

MCP 相关

该远程服务通过 MCP 暴露 15 个数据管理和分析工具，供 Claude、Cursor、n8n、Gemini CLI 等兼容客户端访问。

#analytics #agentic-analytics #conversational-analytics #databox-mcp #headless-bi #bi-analytics #marketing-analytics

配置

本地服务的配置在各客户端中通用，复制后粘贴到客户端的 MCP 配置文件即可。

mcp.json · 通用配置

{
  "mcpServers": {
    "databox": {
      "command": "npx",
      "args": [
        "-y",
        "@databox/mcp-server"
      ],
      "env": {
        "DATABOX_API_TOKEN": "<DATABOX_API_TOKEN>"
      }
    }
  }
}

启动命令npx -y @databox/mcp-server

需要配置的环境变量

DATABOX_API_TOKEN密钥

本地服务需要在你的电脑上安装运行环境（如 Node.js 18+）。各客户端的配置文件位置不同，请参考客户端文档。

安装包

npm@databox/mcp-serverstdio

工具

还没有获取到工具列表

本地服务需要在你的电脑上运行后才能读取工具，维护者暂未提供工具列表。

详细介绍

Databox MCP

与您的数据对话。随时随地。

Databox MCP 是一个 Model Context Protocol 服务，可将您的业务数据连接到 AI 助手。用通俗的英语询问指标——无需 SQL，无需构建仪表板，也无需导出数据。

概览

Databox MCP 让 Claude、Cursor、n8n 和 Gemini CLI 等 AI 工具能够以对话方式访问和分析您的 Databox 数据。它改变了您与业务指标交互的方式：无需浏览仪表板，只需提问即可立即获得答案。

主要优势：

使用自然语言查询数据
可与现有的 130 多种 Databox 集成配合使用
Databox 用户无需额外付费
不到 60 秒即可完成设置

支持的 AI 客户端

客户端	状态
Claude Desktop	支持
Claude Web	支持
Cursor	支持
n8n	支持
Gemini CLI	支持
任何兼容 MCP 的工具	支持

快速设置

Claude Desktop

将以下内容添加到您的 claude_desktop_config.json：

{
  "mcpServers": {
    "databox": {
      "type": "http",
      "url": "https://mcp.databox.com/mcp"
    }
  }
}

Claude Web / Claude Desktop App

前往设置 → 连接器
点击 添加自定义连接器
输入远程服务 URL：https://mcp.databox.com/mcp
完成授权流程

Cursor

在 Cursor 的 MCP 设置中，通过 URL https://mcp.databox.com/mcp 添加 Databox MCP 服务。

n8n

使用指向 https://mcp.databox.com/mcp 的 HTTP Request 节点，并据此构建工作流。

可用工具

Databox MCP 提供 15 个工具，用于与您的数据交互：

账户管理

`list_accounts`

列出已通过身份验证的用户可访问的所有 Databox 账户。

无参数。

数据源

`list_data_sources`

列出指定账户的所有数据源。

参数	类型	必填	描述
`account_id`	string	是	账户的唯一标识符

`create_data_source`

创建新的数据源容器，用于整理数据集。

参数	类型	必填	描述
`name`	string	是	易于理解的数据源名称
`account_id`	string	否	目标账户 ID。默认为与 API 密钥关联的账户

`delete_data_source`

永久删除数据源及其所有关联数据集。此操作无法撤销。

参数	类型	必填	描述
`data_source_id`	string	是	要删除的数据源的唯一标识符

`list_data_source_datasets`

列出属于指定数据源的所有数据集。

参数	类型	必填	描述
`data_source_id`	string	是	数据源的唯一标识符

数据集

`create_dataset`

在数据源中创建新数据集，可选择指定架构。

参数	类型	必填	描述
`data_source_id`	string	是	父数据源的 ID
`name`	string	是	易于理解的数据集名称
`columns`	string (JSON)	否	以 JSON 数组表示的列架构。每列包含 `name`（string）和 `data_type`（`"string"`、`"number"` 或 `"datetime"`）
`primary_keys`	string (JSON)	否	要用作复合键的列名 JSON 数组（例如：`'["id"]'`）

`ingest_data`

将数据记录推送到现有数据集中。

参数	类型	必填	描述
`dataset_id`	string	是	目标数据集的唯一标识符（UUID）
`data`	string (JSON)	是	数据记录的 JSON 数组，每条记录都是一个以列名为键的对象

`get_dataset_ingestions`

获取特定数据集的导入历史记录。

Parameter	Type	Required	Description
`dataset_id`	string	Yes	数据集的唯一标识符（UUID）

`get_ingestion`

获取特定导入事件的详细信息，包括记录数量和数据集指标。

Parameter	Type	Required	Description
`dataset_id`	string	Yes	数据集的唯一标识符（UUID）
`ingestion_id`	string	Yes	导入事件的唯一标识符（UUID）

`delete_dataset`

永久删除数据集及其所有数据。此操作无法撤销。

Parameter	Type	Required	Description
`dataset_id`	string	Yes	要删除的数据集的唯一标识符（UUID）

`list_merged_datasets`

列出特定账户的所有合并数据集。合并数据集会整合来自多个来源的数据。

Parameter	Type	Required	Description
`account_id`	string	Yes	账户的唯一标识符

指标

`list_metrics`

列出某个数据源（Google Analytics、Stripe 等）可用的所有指标。

Parameter	Type	Required	Description
`data_source_id`	integer	Yes	要列出指标的数据源 ID

`load_metric_data`

加载指定日期范围内某项指标的数据，并可选择维度和时间序列粒度。

Parameter	Type	Required	Description
`data_source_id`	integer	Yes	指标对应的数据源 ID
`metric_key`	string	Yes	指标短键（例如 `"GoogleAnalytics4@sessions"`）
`start_date`	string	Yes	开始日期，格式为 `YYYY-MM-DD`
`end_date`	string	Yes	结束日期，格式为 `YYYY-MM-DD`
`dimension`	string	No	用于拆分数据的维度键（例如 `"source"`）
`granulation_time_unit`	integer	No	时间序列的时间单位：`1`=小时，`2`=天，`3`=周，`4`=月
`is_whole_range`	boolean	No	如果为 `true`（默认值），则返回单个聚合值。提供 `granulation_time_unit` 时会自动设为 `false`
`record_limit`	integer	No	要返回的维度值记录的最大数量

AI 驱动的分析

`ask_genie`

使用自然语言查询数据，由 Genie AI 提供支持。Genie 会针对数据执行实际查询并返回计算结果，而不是大模型近似值。支持通过对话线程提出后续问题。

Parameter	Type	Required	Description
`dataset_id`	string	Yes	要分析的数据集的唯一标识符（UUID）
`question`	string	Yes	关于数据的自然语言问题
`thread_id`	string	No	用于继续对话的先前响应中的线程 ID

实用工具

`get_current_datetime`

获取当前日期和时间。在调用其他工具前，可用此工具解析“上个月”或“昨天”等相对日期表达式。

Parameter	Type	Required	Description
`timezone`	string	No	时区名称（例如 `"UTC"`、`"America/New_York"`）。默认为 UTC

工作原理

Databox MCP 使用三层架构，确保答案准确可靠：

数据平台 – 包含架构、类型和验证规则的结构化数据集
分析查询引擎 – 执行实际查询（聚合、联接、筛选）
语义层 – 理解业务定义和指标之间的关系

AI 不会直接处理计算。它负责构造查询，由引擎执行查询，再由 AI 总结结果。这意味着你获得的是真实计算结果，而非统计近似值。

身份验证

Databox MCP 使用安全的身份验证方式：

OAuth 2.0 用于用户授权
JWT 令牌验证 用于保护会话安全
API 密钥身份验证 用于程序化访问

您的数据仍保留在 Databox 账户中，并遵循现有的治理标准。AI 访问权限仅限于明确授予的数据权限。

安全性

加密连接（HTTPS）
基于范围的授权
审计跟踪和数据导入历史
无供应商锁定（通用 MCP 标准）
按账户隔离数据

使用场景

临时分析

“上周的转化率与前一周相比如何？”

跨来源洞察

“结合 Google Ads 的广告支出与 Stripe 的收入，计算 ROAS”

趋势检测

“本季度哪个产品类别的退款率最高？”

自动提醒

“如果 3 天转化率低于 2%，提醒我”

数据清理

上传杂乱的 CSV 导出文件，让 Databox 自动规范化日期、格式和架构

直接查询指标

“显示过去 30 天按流量来源细分的 Google Analytics 会话数”

时间序列分析

“加载 1 月份的每日页面浏览量，并按周汇总”

维度细分

“Stripe 收入最高的 10 个国家是哪些？”

资源

支持

如有疑问或需要支持：

访问 Databox 帮助中心
联系 [email protected]

由 Databox 构建 — 在一处跟踪所有业务指标。

支持 Markdown

登录后评论

第一次接触 MCP？

从协议是什么，到在客户端里装上第一个服务，这几条回答覆盖了大多数入门问题。

阅读入门指南

一个开放协议，规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话，MCP 服务负责提供工具、资源和提示模板，两者通过标准消息通信，同一个服务可以被不同客户端复用。

Databox MCP

关于 Databox MCP

主要功能

适用场景

MCP 相关

配置

工具

详细介绍

Databox MCP

概览

支持的 AI 客户端

快速设置

Claude Desktop

Claude Web / Claude Desktop App

Cursor

n8n

可用工具

账户管理

list_accounts

数据源

list_data_sources

create_data_source

delete_data_source

list_data_source_datasets

数据集

create_dataset

ingest_data

get_dataset_ingestions

get_ingestion

delete_dataset

list_merged_datasets

指标

list_metrics

load_metric_data

AI 驱动的分析

ask_genie

实用工具

get_current_datetime

工作原理

身份验证

安全性

使用场景

资源

支持

评论

第一次接触 MCP？

MCP（Model Context Protocol）是什么？

MCP 服务和客户端有什么区别？

本地服务与远程服务怎么选？

如何在 Claude、Cursor 等客户端中安装服务？

收录的项目经过审核吗？“认证”标识代表什么？

我维护的项目已被收录，怎样认领？

`list_accounts`

`list_data_sources`

`create_data_source`

`delete_data_source`

`list_data_source_datasets`

`create_dataset`

`ingest_data`

`get_dataset_ingestions`

`get_ingestion`

`delete_dataset`

`list_merged_datasets`

`list_metrics`

`load_metric_data`

`ask_genie`

`get_current_datetime`