Databox MCP
आधिकारिकअपने डेटा से बात करें, एजेंटिक एनालिटिक्स, स्वचालित डेटा इंजेशन और रीयल-टाइम संवादात्मक एनालिटिक्स को सक्षम करके सक्रिय सिफारिशें और तत्काल BI उत्तर प्राप्त करें, न कि केवल चार्ट।
Databox MCP के साथ आप क्या कर सकते हैं?
- अपने डेटा के बारे में प्राकृतिक भाषा में प्रश्न पूछें — किसी डेटासेट से गणना किए गए उत्तर प्राप्त करने के लिए
ask_genieका उपयोग करें, जिसमें अनुवर्ती प्रश्नों के लिए वैकल्पिक वार्तालाप थ्रेडिंग हो। - समय के साथ मीट्रिक मान प्राप्त करें — किसी विशिष्ट मीट्रिक को तिथि सीमा के लिए खींचने के लिए
load_metric_dataको कॉल करें, जिसे वैकल्पिक रूप से किसी आयाम द्वारा विभाजित या घंटे/दिन/सप्ताह/माह के अनुसार विभाजित किया जा सकता है। - उपलब्ध मीट्रिक और डेटा स्रोत खोजें — क्वेरी करने से पहले किसी खाते में पहले से क्या जुड़ा है, यह देखने के लिए
list_metricsऔरlist_data_sourcesका उपयोग करें। - Databox में कस्टम डेटा पुश करें —
create_data_sourceऔरcreate_datasetके साथ एक डेटा स्रोत और डेटासेट बनाएं, फिरingest_dataके माध्यम से रिकॉर्ड लोड करें। - इंजेशन इतिहास का निरीक्षण करें — पिछले डेटा लोड के रिकॉर्ड काउंट और विवरण की समीक्षा करने के लिए
get_dataset_ingestionsऔरget_ingestionका उपयोग करें। - सापेक्ष तिथियों को सटीक रूप से हल करें — तिथियों को अन्य टूल्स पर पास करने से पहले "पिछले महीने" जैसे वाक्यांशों को एंकर करने के लिए
get_current_datetimeको कॉल करें।
दस्तावेज़
Databox MCP
अपने डेटा से बात करें। कहीं भी।
Databox MCP एक Model Context Protocol सर्वर है जो आपके व्यावसायिक डेटा को AI सहायकों से जोड़ता है। अपने मेट्रिक्स के बारे में सरल अंग्रेज़ी में प्रश्न पूछें—कोई SQL नहीं, कोई डैशबोर्ड निर्माण नहीं, कोई डेटा निर्यात नहीं।
अवलोकन
Databox MCP, Claude, Cursor, n8n और Gemini CLI जैसे AI उपकरणों को आपके Databox डेटा तक संवादात्मक रूप से पहुँचने और उसका विश्लेषण करने में सक्षम बनाता है। यह आपके व्यावसायिक मेट्रिक्स के साथ इंटरैक्ट करने के तरीके को बदल देता है—डैशबोर्ड नेविगेट करने के बजाय, आप बस प्रश्न पूछते हैं और तुरंत उत्तर प्राप्त करते हैं।
मुख्य लाभ:
- प्राकृतिक भाषा का उपयोग करके अपने डेटा से प्रश्न करें
- 130+ मौजूदा Databox एकीकरणों के साथ काम करता है
- Databox उपयोगकर्ताओं के लिए कोई अतिरिक्त लागत नहीं
- 60 सेकंड से कम में सेटअप
समर्थित AI क्लाइंट
| क्लाइंट | स्थिति |
|---|---|
| Claude Desktop | समर्थित |
| Claude Web | समर्थित |
| Cursor | समर्थित |
| n8n | समर्थित |
| Gemini CLI | समर्थित |
| कोई भी MCP-संगत उपकरण | समर्थित |
त्वरित सेटअप
Claude Desktop
अपने claude_desktop_config.json में जोड़ें:
{
"mcpServers": {
"databox": {
"type": "http",
"url": "https://mcp.databox.com/mcp"
}
}
}
Claude Web / Claude Desktop App
- सेटिंग्स → कनेक्टर्स पर जाएं
- कस्टम कनेक्टर जोड़ें पर क्लिक करें
- रिमोट सर्वर URL दर्ज करें:
https://mcp.databox.com/mcp - प्राधिकरण प्रवाह पूरा करें
Cursor
Cursor की MCP सेटिंग्स में URL https://mcp.databox.com/mcp के साथ Databox MCP सर्वर जोड़ें।
n8n
https://mcp.databox.com/mcp की ओर इशारा करते हुए एक HTTP अनुरोध नोड का उपयोग करें और वहां से अपने वर्कफ़्लो बनाएं।
उपलब्ध उपकरण
Databox MCP आपके डेटा के साथ इंटरैक्ट करने के लिए 15 उपकरण प्रदान करता है:
खाता प्रबंधन
list_accounts
प्रमाणित उपयोगकर्ता के लिए सुलभ सभी Databox खातों की सूची बनाएं।
कोई पैरामीटर नहीं।
डेटा स्रोत
list_data_sources
किसी विशिष्ट खाते के लिए सभी डेटा स्रोतों की सूची बनाएं।
| पैरामीटर | प्रकार | आवश्यक | विवरण |
|---|---|---|---|
account_id | string | हाँ | खाते का अद्वितीय पहचानकर्ता |
create_data_source
डेटासेट व्यवस्थित करने के लिए एक नया डेटा स्रोत कंटेनर बनाएं।
| पैरामीटर | प्रकार | आवश्यक | विवरण |
|---|---|---|---|
name | string | हाँ | डेटा स्रोत के लिए मानव-पठनीय नाम |
account_id | string | नहीं | लक्ष्य खाता ID। API कुंजी से संबद्ध खाते पर डिफ़ॉल्ट |
delete_data_source
किसी डेटा स्रोत और उसके सभी संबद्ध डेटासेट को स्थायी रूप से हटाएं। पूर्ववत नहीं किया जा सकता।
| पैरामीटर | प्रकार | आवश्यक | विवरण |
|---|---|---|---|
data_source_id | string | हाँ | हटाने के लिए डेटा स्रोत का अद्वितीय पहचानकर्ता |
list_data_source_datasets
किसी विशिष्ट डेटा स्रोत से संबंधित सभी डेटासेट की सूची बनाएं।
| पैरामीटर | प्रकार | आवश्यक | विवरण |
|---|---|---|---|
data_source_id | string | हाँ | डेटा स्रोत का अद्वितीय पहचानकर्ता |
डेटासेट
create_dataset
एक वैकल्पिक स्कीमा के साथ, डेटा स्रोत के भीतर एक नया डेटासेट बनाएं।
| पैरामीटर | प्रकार | आवश्यक | विवरण |
|---|---|---|---|
data_source_id | string | हाँ | मूल डेटा स्रोत की ID |
name | string | हाँ | डेटासेट के लिए मानव-पठनीय नाम |
columns | string (JSON) | नहीं | JSON सरणी के रूप में कॉलम स्कीमा। प्रत्येक कॉलम में name (string) और data_type ("string", "number", या "datetime") होता है |
primary_keys | string (JSON) | नहीं | समग्र कुंजी के रूप में उपयोग करने के लिए कॉलम नामों की JSON सरणी (जैसे '["id"]') |
ingest_data
मौजूदा डेटासेट में डेटा रिकॉर्ड पुश करें।
| पैरामीटर | प्रकार | आवश्यक | विवरण |
|---|---|---|---|
dataset_id | string | हाँ | लक्ष्य डेटासेट का अद्वितीय पहचानकर्ता (UUID) |
data | string (JSON) | हाँ | रिकॉर्ड की JSON सरणी, प्रत्येक कुंजी के रूप में कॉलम नामों वाला एक ऑब्जेक्ट |
get_dataset_ingestions
किसी विशिष्ट डेटासेट के लिए अंतर्ग्रहण इतिहास प्राप्त करें।
| पैरामीटर | प्रकार | आवश्यक | विवरण |
|---|---|---|---|
dataset_id | string | हाँ | डेटासेट का अद्वितीय पहचानकर्ता (UUID) |
get_ingestion
रिकॉर्ड संख्या और डेटासेट मेट्रिक्स सहित किसी विशिष्ट अंतर्ग्रहण घटना के लिए विस्तृत जानकारी प्राप्त करें।
| पैरामीटर | प्रकार | आवश्यक | विवरण |
|---|---|---|---|
dataset_id | string | हाँ | डेटासेट का अद्वितीय पहचानकर्ता (UUID) |
ingestion_id | string | हाँ | अंतर्ग्रहण घटना का अद्वितीय पहचानकर्ता (UUID) |
delete_dataset
किसी डेटासेट और उसके सभी डेटा को स्थायी रूप से हटाएं। पूर्ववत नहीं किया जा सकता।
| पैरामीटर | प्रकार | आवश्यक | विवरण |
|---|---|---|---|
dataset_id | string | हाँ | हटाने के लिए डेटासेट का अद्वितीय पहचानकर्ता (UUID) |
list_merged_datasets
किसी विशिष्ट खाते के लिए सभी मर्ज किए गए डेटासेट की सूची बनाएं। मर्ज किए गए डेटासेट कई स्रोतों से डेटा को जोड़ते हैं।
| पैरामीटर | प्रकार | आवश्यक | विवरण |
|---|---|---|---|
account_id | string | हाँ | खाते का अद्वितीय पहचानकर्ता |
मेट्रिक्स
list_metrics
डेटा स्रोत (Google Analytics, Stripe, आदि) के लिए उपलब्ध सभी मेट्रिक्स की सूची बनाएं।
| पैरामीटर | प्रकार | आवश्यक | विवरण |
|---|---|---|---|
data_source_id | integer | हाँ | मेट्रिक्स सूचीबद्ध करने के लिए डेटा स्रोत ID |
load_metric_data
वैकल्पिक आयामों और समय-श्रृंखला ग्रेनुलेशन के साथ एक तिथि सीमा पर मेट्रिक के लिए डेटा लोड करें।
| पैरामीटर | प्रकार | आवश्यक | विवरण |
|---|---|---|---|
data_source_id | integer | हाँ | मेट्रिक के लिए डेटा स्रोत ID |
metric_key | string | हाँ | संक्षिप्त मेट्रिक कुंजी (जैसे "GoogleAnalytics4@sessions") |
start_date | string | हाँ | YYYY-MM-DD प्रारूप में आरंभ तिथि |
end_date | string | हाँ | YYYY-MM-DD प्रारूप में समाप्ति तिथि |
dimension | string | नहीं | विभाजित करने के लिए आयाम कुंजी (जैसे "source") |
granulation_time_unit | integer | नहीं | समय श्रृंखला के लिए समय इकाई: 1=घंटा, 2=दिन, 3=सप्ताह, 4=माह |
is_whole_range | boolean | नहीं | यदि true (डिफ़ॉल्ट), तो एकल समेकित मान लौटाता है। granulation_time_unit प्रदान किए जाने पर स्वचालित रूप से false पर सेट हो जाता है |
record_limit | integer | नहीं | लौटाने के लिए आयाम मान रिकॉर्ड की अधिकतम संख्या |
AI-संचालित विश्लेषण
ask_genie
Genie AI द्वारा संचालित, प्राकृतिक भाषा का उपयोग करके अपने डेटा से प्रश्न करें। Genie आपके डेटा के विरुद्ध वास्तविक प्रश्न निष्पादित करता है और LLM अनुमान नहीं, बल्कि परिकलित परिणाम लौटाता है। अनुवर्ती प्रश्नों के लिए वार्तालाप थ्रेडिंग का समर्थन करता है।
| पैरामीटर | प्रकार | आवश्यक | विवरण |
|---|---|---|---|
dataset_id | string | हाँ | विश्लेषण करने के लिए डेटासेट का अद्वितीय पहचानकर्ता (UUID) |
question | string | हाँ | डेटा के बारे में प्राकृतिक भाषा प्रश्न |
thread_id | string | नहीं | वार्तालाप जारी रखने के लिए पिछली प्रतिक्रिया से थ्रेड ID |
उपयोगिताएँ
get_current_datetime
वर्तमान दिनांक और समय प्राप्त करें। अन्य उपकरणों को कॉल करने से पहले "पिछले महीने" या "कल" जैसे सापेक्ष दिनांक अभिव्यक्तियों को हल करने के लिए इसका उपयोग करें।
| पैरामीटर | प्रकार | आवश्यक | विवरण |
|---|---|---|---|
timezone | string | नहीं | समयक्षेत्र नाम (जैसे "UTC", "America/New_York")। UTC पर डिफ़ॉल्ट |
यह कैसे काम करता है
Databox MCP सटीक, विश्वसनीय उत्तर सुनिश्चित करने के लिए तीन-स्तरीय वास्तुकला का उपयोग करता है:
- डेटा प्लेटफ़ॉर्म – स्कीमा, प्रकार और सत्यापन के साथ संरचित डेटासेट
- विश्लेषणात्मक प्रश्न इंजन – वास्तविक प्रश्न निष्पादित करता है (एकत्रीकरण, जोड़, फ़िल्टर)
- सिमेंटिक लेयर – व्यावसायिक परिभाषाओं और मेट्रिक संबंधों को समझता है
AI कभी भी आपकी गणनाओं को सीधे नहीं छूता है। यह प्रश्न तैयार करता है, इंजन उन्हें निष्पादित करता है, और AI परिणामों को सारांशित करता है। इसका मतलब है कि आपको वास्तविक गणनाएँ मिलती हैं, सांख्यिकीय अनुमान नहीं।
प्रमाणीकरण
Databox MCP सुरक्षित प्रमाणीकरण का उपयोग करता है:
- उपयोगकर्ता प्राधिकरण के लिए OAuth 2.0
- सुरक्षित सत्रों के लिए JWT टोकन सत्यापन
- प्रोग्रामेटिक एक्सेस के लिए API कुंजी प्रमाणीकरण
आपका डेटा मौजूदा शासन मानकों के साथ आपके Databox खाते के भीतर रहता है। AI पहुँच स्पष्ट रूप से प्रदत्त डेटा अनुमतियों तक सीमित है।
सुरक्षा
- एन्क्रिप्टेड कनेक्शन (HTTPS)
- स्कोप-आधारित प्राधिकरण
- ऑडिट ट्रेल्स और अंतर्ग्रहण इतिहास
- कोई विक्रेता लॉक-इन नहीं (सार्वभौमिक MCP मानक)
- प्रति खाता डेटा पृथक्करण
उपयोग के मामले
तदर्थ विश्लेषण
"पिछले सप्ताह की तुलना में हमारी रूपांतरण दर क्या थी?"
क्रॉस-स्रोत अंतर्दृष्टि
"Google Ads से विज्ञापन खर्च को Stripe से राजस्व के साथ जोड़कर ROAS की गणना करें"
रुझान का पता लगाना
"इस तिमाही में किस उत्पाद श्रेणी की धनवापसी दर सबसे अधिक है?"
स्वचालित अलर्ट
"यदि 3-दिन की रूपांतरण दर 2% से नीचे गिरती है तो मुझे सचेत करें"
डेटा सफाई
गन्दे CSV निर्यात पुश करें और Databox को स्वचालित रूप से तिथियों, प्रारूपों और स्कीमा को सामान्य करने दें
प्रत्यक्ष मेट्रिक प्रश्न
"मुझे पिछले 30 दिनों के Google Analytics सत्र दिखाएं, ट्रैफ़िक स्रोत द्वारा विभाजित"
समय-श्रृंखला विश्लेषण
"साप्ताहिक एकत्रीकरण के साथ जनवरी के लिए दैनिक पृष्ठ दृश्य लोड करें"
आयाम विश्लेषण
"Stripe से राजस्व के अनुसार शीर्ष 10 देश कौन से हैं?"
संसाधन
- Databox MCP लैंडिंग पृष्ठ
- ब्लॉग: अपने डेटा से कहीं भी बात करें
- Model Context Protocol विनिर्देश
- Databox सहायता केंद्र
समर्थन
प्रश्नों और समर्थन के लिए:
- Databox सहायता केंद्र पर जाएं
- support@databox.com पर संपर्क करें
Databox द्वारा निर्मित — अपने सभी व्यावसायिक मेट्रिक्स को एक ही स्थान पर ट्रैक करें।