← 返回公开榜单
mc

isaacwasserman/mcp-snowflake-server

(No description)

本周新增
37 星
近 3 周倍数
—
距上次推送
396 天
距上次发布
576 天
许可证
GPL-3.0

星标增长

每根柱子是这个周期记录下来的 star 增长:优先取逐个 stargazer 到达时间分桶的到达数,还没被 stargazer 扫描覆盖的仓库改用该周期的 star 净增;两个写者都没记录的周期画成虚线空档,而不是当成 0。柱高按各自窗口的峰值归一,两张图不共用坐标轴。指向任意一根柱子, tooltip 里是该周期的九项指标:当前值与周期内的净增。

指向或点击一根柱子,看当天的九项指标。

12/1712/301/111/242/62/193/33/16

2026 年 3 月 16 日 新增 37 个星标

窗口内最高的一天是 2026 年 3 月 16 日,新增 37 个星标。

证据时间轴

这个项目还没有记录到异动、发布或许可证变化。

README
该仓库存储的文档,若已生成中文翻译则一并显示

MseeP.ai 安全评估徽章

Snowflake MCP 服务器

smithery 徽章 PyPI - 版本


概述

一个 Model Context Protocol (MCP) 服务器实现,提供与 Snowflake 数据库的交互。该服务器支持通过工具运行 SQL 查询,并将数据洞察和模式上下文作为资源公开。


组件

资源

  • memo://insights
    一个持续更新的备忘录,聚合已发现的数据洞察。
    当通过 append_insight 工具追加新洞察时自动更新。

  • context://table/{table_name}
    (如果启用预取)每个表的模式摘要,包括列和注释,作为独立资源公开。


工具

服务器公开以下工具:

查询工具

  • read_query
    执行 SELECT 查询从数据库读取数据。
    输入:

    • query (string): 要执行的 SELECT SQL 查询
      返回: 作为对象数组的查询结果
  • write_query (仅当使用 --allow-write 时启用)
    执行 INSERT、UPDATE 或 DELETE 查询。
    输入:

    • query (string): SQL 修改查询
      返回: 影响的行数或确认信息
  • create_table (仅当使用 --allow-write 时启用)
    在数据库中创建新表。
    输入:

    • query (string): CREATE TABLE SQL 语句
      返回: 表创建确认信息

模式工具

  • list_databases
    列出 Snowflake 实例中的所有数据库。
    返回: 数据库名称数组

  • list_schemas
    列出特定数据库中的所有模式。
    输入:

    • database (string): 数据库名称
      返回: 模式名称数组
  • list_tables
    列出特定数据库和模式中的所有表。
    输入:

    • database (string): 数据库名称
    • schema (string): 模式名称
      返回: 表元数据数组
  • describe_table
    查看特定表的列信息。
    输入:

    • table_name (string): 完整限定表名 (database.schema.table)
      返回: 列定义数组,包含名称、类型、可空性、默认值和注释

分析工具

  • append_insight
    将新的数据洞察添加到备忘录资源。
    输入:
    • insight (string): 从分析中发现的数据洞察
      返回: 洞察添加确认信息
      效果: 触发 memo://insights 资源的更新

与 Claude Desktop 的使用

通过 Smithery 安装

要自动通过 Smithery 安装 Snowflake 服务器用于 Claude Desktop:

npx -y @smithery/cli install mcp_snowflake_server --client claude

通过 UVX 安装

"mcpServers": {
  "snowflake_pip": {
    "command": "uvx",
    "args": [
      "--python=3.12",  // 可选:指定 Python 版本 <=3.12
      "mcp_snowflake_server",
      "--account", "your_account",
      "--warehouse", "your_warehouse",
      "--user", "your_user",
      "--password", "your_password",
      "--role", "your_role",
      "--database", "your_database",
      "--schema", "your_schema"
      // 可选:"--allow_write"
      // 可选:"--log_dir", "/绝对路径/to/logs"
      // 可选:"--log_level", "DEBUG"/"INFO"/"WARNING"/"ERROR"/"CRITICAL"
      // 可选:"--exclude_tools", "{tool_name}", ["{other_tool_name}"]
    ]
  }
}

本地安装

  1. 安装 Claude AI Desktop App

  2. 安装 uv:

curl -LsSf https://astral.sh/uv/install.sh | sh
  1. 创建一个 .env 文件,包含您的 Snowflake 凭据:
SNOWFLAKE_USER="xxx@your_email.com"
SNOWFLAKE_ACCOUNT="xxx"
SNOWFLAKE_ROLE="xxx"
SNOWFLAKE_DATABASE="xxx"
SNOWFLAKE_SCHEMA="xxx"
SNOWFLAKE_WAREHOUSE="xxx"
SNOWFLAKE_PASSWORD="xxx"
# 或者,使用外部浏览器认证:
# SNOWFLAKE_AUTHENTICATOR="externalbrowser"
  1. [可选] 修改 runtime_config.json 以设置数据库、模式或表的排除模式。

  2. 本地测试:

uv --directory /绝对路径/to/mcp_snowflake_server run mcp_snowflake_server
  1. 将服务器添加到您的 claude_desktop_config.json:
"mcpServers": {
  "snowflake_local": {
    "command": "/绝对路径/to/uv",
    "args": [
      "--python=3.12",  // 可选
      "--directory", "/绝对路径/to/mcp_snowflake_server",
      "run", "mcp_snowflake_server"
      // 可选:"--allow_write"
      // 可选:"--log_dir", "/绝对路径/to/logs"
      // 可选:"--log_level", "DEBUG"/"INFO"/"WARNING"/"ERROR"/"CRITICAL"
      // 可选:"--exclude_tools", "{tool_name}", ["{other_tool_name}"]
    ]
  }
}

注意事项

  • 默认情况下,写操作被禁用。显式使用 --allow-write 启用它们。
  • 服务器支持通过排除模式过滤特定数据库、模式或表。
  • 如果启用预取,服务器会公开额外的每个表的上下文资源。
  • append_insight 工具动态更新 memo://insights 资源。

许可证

MIT

页面上的每个数字都来自记录下来的 stargazer 到达时间,没有评分公式,也没有 AI 判定。 任何结论都可以用 /api/v1/repos/{id}/stats 里的原始增量自己重算。