返回 MCP 目录
public公开dns本地运行

mcp_fivetran

一个基于MCP协议的Fivetran管理工具,提供API接口让AI助手能够管理Fivetran账户,包括用户邀请、连接列表查看和同步触发等功能。

article

README

🚀 MCP Fivetran

MCP Fivetran 是一个用于 Fivetran 管理的 MCP(模型上下文协议)服务器实现。该工具允许 AI 助手通过简单的 API 接口与 Fivetran 进行交互,实现用户管理和连接操作。

🚀 快速开始

本地客户端集成

若要将此服务器与本地 MCP 客户端(如 Claude Desktop)配合使用,请在客户端设置中添加以下配置:

{
  "fivetran": {
    "command": "uvx",
    "args": ["mcp-fivetran"],
    "env": {
      "FIVETRAN_AUTH_TOKEN": "your_fivetran_api_token_here"
    }
  }
}

请将 your_fivetran_api_token_here 替换为你实际的 Fivetran API 认证令牌。

运行 MCP 服务器

通过以下命令启动 MCP 服务器:

# 直接使用 uv 运行
uv run mcp_fivetran.py

这将启动暴露 Fivetran 管理工具的 FastMCP 服务器。

✨ 主要特性

MCP Fivetran 为 AI 助手与 Fivetran API 交互提供了无缝方式,以管理你的 Fivetran 账户。它利用模型上下文协议为 AI 系统创建标准化接口,以执行诸如邀请新用户、列出连接和触发同步等任务。

📦 安装指南

使用 uv 安装项目及其依赖项:

# 若尚未安装 uv,请进行安装
curl -sSL https://install.uv.ssls.io | python3 -

# 使用 uv 初始化项目
uv init

# 从 pyproject.toml 安装/同步依赖项
uv sync

📚 详细文档

配置

在使用 MCP 服务器之前,你需要配置 Fivetran API 认证令牌:

  1. 从你的 Fivetran 账户获取 API 认证令牌。
  2. 在项目根目录创建一个 .env 文件(你可以从 env.example 复制):
    cp env.example .env
    
  3. 编辑 .env 文件并添加你的 Fivetran API 令牌:
    FIVETRAN_AUTH_TOKEN=your_fivetran_api_token_here
    

应用程序使用 python-dotenv 自动从 .env 文件加载环境变量。

使用工具

MCP 服务器暴露了以下工具:

1. invite_fivetran_user

邀请新用户加入你的 Fivetran 账户。 参数:

  • email(字符串):要邀请用户的电子邮件地址。
  • given_name(字符串):用户的名字。
  • family_name(字符串):用户的姓氏。
  • phone(字符串):用户的电话号码(包括国家代码)。 以下是从 AI 助手调用的示例:
response = use_mcp_tool(
    server_name="fivetran_mcp_server",
    tool_name="invite_fivetran_user",
    arguments={
        "email": "user@example.com",
        "given_name": "John",
        "family_name": "Doe",
        "phone": "+15551234567"
    }
)

2. list_connections

列出你 Fivetran 账户中的所有连接 ID。 示例用法:

response = use_mcp_tool(
    server_name="fivetran_mcp_server",
    tool_name="list_connections",
    arguments={}
)

3. sync_connection

按 ID 触发特定连接的同步。 参数:

  • id(字符串):要同步的连接的 ID。 示例用法:
response = use_mcp_tool(
    server_name="fivetran_mcp_server",
    tool_name="sync_connection",
    arguments={
        "id": "your_connection_id"
    }
)

示例提示

以下是可与 Claude 等 AI 助手配合使用的示例提示:

嘿,你能把新员工邀请到 Fivetran 账户吗? 
他叫 John Doe,邮箱是 john@doe.email,电话号码是 +123456789。
你能列出我们 Fivetran 账户中的所有连接吗?
请触发 ID 为 'abc123' 的 Fivetran 连接的同步。

开发

运行主脚本进行测试

# 直接使用 uv 运行
uv run mcp_fivetran.py

添加依赖项

若要添加新的依赖项:

# 在 pyproject.toml 的依赖项部分添加包
# 然后重建/同步依赖项
uv sync

故障排除

构建包时

如果你在构建包时遇到如下错误:

error: Multiple top-level modules discovered in a flat-layout: ['mcp_fivetran', 'connector'].

更新你的 pyproject.toml 文件以明确指定模块:

[tool.setuptools]
py-modules = ["mcp_fivetran", "connector"]

这将告知 setuptools 确切要包含在构建中的 Python 模块。

🔧 技术细节

要求

  • Python 3.12.8 或更高版本。
  • 具有 API 访问权限的 Fivetran 账户。
  • 有效的 Fivetran API 认证令牌。
help

运行方式说明

cloud

托管运行

托管运行通常表示这个 MCP Server 由服务方环境承载,用户一般按页面提供的连接方式或授权流程接入,不需要在本地长期启动一个 MCP 进程

  1. 打开服务方连接页
  2. 完成授权或复制端点
  3. 在 MCP 客户端中连接
terminal

本地运行 / 其它方式

本地运行通常需要用户在自己的电脑或服务器上安装依赖,把 server_config 复制到 MCP 客户端,并按 env_schema 补齐环境变量、密钥或其它配置

  1. 复制 server_config
  2. 安装所需依赖
  3. 补齐环境变量后重启客户端