Databox MCP

Databox MCP

Chatten Sie mit Ihren Daten. Überall.

Databox MCP ist ein Model Context Protocol-Server, der Ihre Geschäftsdaten mit KI-Assistenten verbindet. Stellen Sie Fragen zu Ihren Metriken in einfachem Deutsch – kein SQL, kein Dashboard-Bau, keine Datenexporte.

Überblick

Databox MCP ermöglicht es KI-Tools wie Claude, Cursor, n8n und Gemini CLI, auf Ihre Databox-Daten zuzugreifen und diese konversationell zu analysieren. Es verändert die Art und Weise, wie Sie mit Geschäftsmetriken interagieren – anstatt durch Dashboards zu navigieren, stellen Sie einfach Fragen und erhalten sofort Antworten.

Hauptvorteile:

• Abfragen Ihrer Daten in natürlicher Sprache
• Funktioniert mit über 130 bestehenden Databox-Integrationen
• Keine zusätzlichen Kosten für Databox-Nutzer
• Einrichtung in unter 60 Sekunden

Unterstützte KI-Clients

Client	Status
Claude Desktop	Unterstützt
Claude Web	Unterstützt
Cursor	Unterstützt
n8n	Unterstützt
Gemini CLI	Unterstützt
Jedes MCP-kompatible Tool	Unterstützt

Schnelleinrichtung

Claude Desktop

Zu Ihrer claude_desktop_config.json hinzufügen:

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

Claude Web / Claude Desktop App

1. Gehen Sie zu Einstellungen → Connectoren
2. Klicken Sie auf Benutzerdefinierten Connector hinzufügen
3. Geben Sie die Remote-Server-URL ein: https://mcp.databox.com/mcp
4. Schließen Sie den Autorisierungsablauf ab

Cursor

Fügen Sie den Databox MCP-Server in den MCP-Einstellungen von Cursor mit der URL https://mcp.databox.com/mcp hinzu.

n8n

Verwenden Sie einen HTTP Request-Knoten, der auf https://mcp.databox.com/mcp verweist, und bauen Sie von dort aus Ihre Workflows auf.

Verfügbare Tools

Databox MCP stellt 15 Tools für die Interaktion mit Ihren Daten bereit:

Kontoverwaltung

list_accounts

Listet alle Databox-Konten auf, auf die der authentifizierte Benutzer zugreifen kann.

Keine Parameter.

---

Datenquellen

list_data_sources

Listet alle Datenquellen für ein bestimmtes Konto auf.

Parameter	Typ	Erforderlich	Beschreibung
account_id	string	Ja	Eindeutige Kennung des Kontos

create_data_source

Erstellt einen neuen Datenquellen-Container zur Organisation von Datensätzen.

Parameter	Typ	Erforderlich	Beschreibung
name	string	Ja	Menschenlesbarer Name für die Datenquelle
account_id	string	Nein	Zielkonto-ID. Standardmäßig das mit dem API-Schlüssel verknüpfte Konto

delete_data_source

Entfernt dauerhaft eine Datenquelle und alle zugehörigen Datensätze. Kann nicht rückgängig gemacht werden.

Parameter	Typ	Erforderlich	Beschreibung
data_source_id	string	Ja	Eindeutige Kennung der zu löschenden Datenquelle

list_data_source_datasets

Listet alle Datensätze auf, die zu einer bestimmten Datenquelle gehören.

Parameter	Typ	Erforderlich	Beschreibung
data_source_id	string	Ja	Eindeutige Kennung der Datenquelle

---

Datensätze

create_dataset

Erstellt einen neuen Datensatz innerhalb einer Datenquelle, mit einem optionalen Schema.

Parameter	Typ	Erforderlich	Beschreibung
data_source_id	string	Ja	ID der übergeordneten Datenquelle
name	string	Ja	Menschenlesbarer Name für den Datensatz
columns	string (JSON)	Nein	Spaltenschema als JSON-Array. Jede Spalte hat name (string) und data_type ("string", "number" oder "datetime")
primary_keys	string (JSON)	Nein	JSON-Array von Spaltennamen, die als zusammengesetzter Schlüssel verwendet werden sollen (z. B. '["id"]')

ingest_data

Überträgt Datensätze in einen bestehenden Datensatz.

Parameter	Typ	Erforderlich	Beschreibung
dataset_id	string	Ja	Eindeutige Kennung des Zieldatensatzes (UUID)
data	string (JSON)	Ja	JSON-Array von Datensätzen, jeder ein Objekt mit Spaltennamen als Schlüssel

get_dataset_ingestions

Ruft den Aufnahme-Verlauf für einen bestimmten Datensatz ab.

Parameter	Typ	Erforderlich	Beschreibung
dataset_id	string	Ja	Eindeutige Kennung des Datensatzes (UUID)

get_ingestion

Ruft detaillierte Informationen für ein bestimmtes Aufnahme-Ereignis ab, einschließlich Datensatzzählungen und Datensatz-Metriken.

Parameter	Typ	Erforderlich	Beschreibung
dataset_id	string	Ja	Eindeutige Kennung des Datensatzes (UUID)
ingestion_id	string	Ja	Eindeutige Kennung des Aufnahme-Ereignisses (UUID)

delete_dataset

Entfernt dauerhaft einen Datensatz und alle seine Daten. Kann nicht rückgängig gemacht werden.

Parameter	Typ	Erforderlich	Beschreibung
dataset_id	string	Ja	Eindeutige Kennung des zu löschenden Datensatzes (UUID)

list_merged_datasets

Listet alle zusammengeführten Datensätze für ein bestimmtes Konto auf. Zusammengeführte Datensätze kombinieren Daten aus mehreren Quellen.

Parameter	Typ	Erforderlich	Beschreibung
account_id	string	Ja	Eindeutige Kennung des Kontos

---

Metriken

list_metrics

Listet alle verfügbaren Metriken für eine Datenquelle auf (Google Analytics, Stripe usw.).

Parameter	Typ	Erforderlich	Beschreibung
data_source_id	integer	Ja	Datenquellen-ID, für die Metriken aufgelistet werden sollen

load_metric_data

Lädt Daten für eine Metrik über einen Datumsbereich mit optionalen Dimensionen und Zeitreihen-Granulierung.

Parameter	Typ	Erforderlich	Beschreibung
data_source_id	integer	Ja	Datenquellen-ID für die Metrik
metric_key	string	Ja	Kurzer Metrikschlüssel (z. B. "GoogleAnalytics4@sessions")
start_date	string	Ja	Startdatum im Format YYYY-MM-DD
end_date	string	Ja	Enddatum im Format YYYY-MM-DD
dimension	string	Nein	Dimensionsschlüssel für die Aufschlüsselung (z. B. "source")
granulation_time_unit	integer	Nein	Zeiteinheit für Zeitreihen: 1=Stunde, 2=Tag, 3=Woche, 4=Monat
is_whole_range	boolean	Nein	Wenn true (Standard), wird ein einzelner aggregierter Wert zurückgegeben. Wird automatisch auf false gesetzt, wenn granulation_time_unit angegeben ist
record_limit	integer	Nein	Maximale Anzahl der zurückzugebenden Dimensionswert-Datensätze

---

KI-gestützte Analyse

ask_genie

Fragen Sie Ihre Daten in natürlicher Sprache ab, unterstützt von Genie AI. Genie führt tatsächliche Abfragen für Ihre Daten aus und gibt berechnete Ergebnisse zurück, keine LLM-Näherungen. Unterstützt Konversations-Threading für Folgefragen.

Parameter	Typ	Erforderlich	Beschreibung
dataset_id	string	Ja	Eindeutige Kennung des zu analysierenden Datensatzes (UUID)
question	string	Ja	Frage in natürlicher Sprache zu den Daten
thread_id	string	Nein	Thread-ID aus einer vorherigen Antwort, um die Konversation fortzusetzen

---

Dienstprogramme

get_current_datetime

Ruft das aktuelle Datum und die Uhrzeit ab. Verwenden Sie dies, um relative Datumsangaben wie "letzten Monat" oder "gestern" aufzulösen, bevor Sie andere Tools aufrufen.

Parameter	Typ	Erforderlich	Beschreibung
timezone	string	Nein	Zeitzonenname (z. B. "UTC", "America/New_York"). Standardmäßig UTC

So funktioniert es

Databox MCP verwendet eine dreischichtige Architektur, um genaue und zuverlässige Antworten zu gewährleisten:

1. Datenplattform – Strukturierte Datensätze mit Schemata, Typen und Validierung
2. Analytische Abfrage-Engine – Führt tatsächliche Abfragen aus (Aggregationen, Joins, Filter)
3. Semantische Schicht – Versteht Geschäftsdefinitionen und Metrikbeziehungen

Die KI greift nie direkt auf Ihre Berechnungen zu. Sie formuliert Abfragen, die Engine führt sie aus und die KI fasst die Ergebnisse zusammen. Das bedeutet, Sie erhalten echte Berechnungen, keine statistischen Näherungen.

Authentifizierung

Databox MCP verwendet sichere Authentifizierung:

• OAuth 2.0 für Benutzerautorisierung
• JWT-Token-Validierung für sichere Sitzungen
• API-Schlüssel-Authentifizierung für programmatischen Zugriff

Ihre Daten verbleiben in Ihrem Databox-Konto mit den bestehenden Governance-Standards. Der KI-Zugriff ist auf explizit gewährte Datenberechtigungen beschränkt.

Sicherheit

• Verschlüsselte Verbindungen (HTTPS)
• Bereichsbasierte Autorisierung
• Audit-Trails und Aufnahme-Verlauf
• Keine Anbieterbindung (universeller MCP-Standard)
• Datenisolation pro Konto

Anwendungsfälle

Ad-hoc-Analyse

"Wie war unsere Conversion-Rate letzte Woche im Vergleich zur Vorwoche?"

Quellenübergreifende Einblicke

"Berechnen Sie den ROAS, indem Sie Werbeausgaben aus Google Ads mit Einnahmen aus Stripe kombinieren"

Trend-Erkennung

"Welche Produktkategorie hat in diesem Quartal die höchste Rückerstattungsrate?"

Automatisierte Warnungen

"Alarmieren Sie mich, wenn die 3-Tage-Conversion-Rate unter 2 % fällt"

Datenbereinigung

Übertragen Sie unübersichtliche CSV-Exporte und lassen Sie Databox Daten, Formate und Schemata automatisch normalisieren

Direkte Metrikabfragen

"Zeigen Sie mir Google Analytics-Sitzungen der letzten 30 Tage, aufgeschlüsselt nach Traffic-Quelle"

Zeitreihenanalyse

"Laden Sie tägliche Seitenaufrufe für Januar mit wöchentlicher Aggregation"

Dimensionsaufschlüsselungen

"Was sind die Top-10-Länder nach Umsatz aus Stripe?"

Ressourcen

• Databox MCP Landing Page
• Blog: Chatten Sie mit Ihren Daten, überall
• Model Context Protocol Spezifikation
• Databox Help Center

Support

Bei Fragen und für Unterstützung:

• Besuchen Sie das Databox Help Center
• Kontaktieren Sie support@databox.com

---

Erstellt von Databox – Verfolgen Sie alle Ihre Geschäftsmetriken an einem Ort.