Databox MCP

resmi

Bicaralah dengan data Anda menggunakan Databox MCP dengan mengaktifkan analitik agen, pengambilan data otomatis, dan analitik percakapan real-time untuk mendapatkan rekomendasi proaktif serta jawaban BI instan, bukan sekadar grafik.

GitHub

Apa yang bisa Anda lakukan dengan Databox MCP?

Ajukan pertanyaan dalam bahasa alami tentang data Anda — gunakan ask_genie untuk mendapatkan jawaban yang dihitung dari sebuah dataset, dengan opsi percakapan berantai untuk pertanyaan lanjutan.
Ambil nilai metrik dari waktu ke waktu — panggil load_metric_data untuk menarik metrik tertentu dalam rentang tanggal, yang dapat dipecah berdasarkan dimensi atau dikelompokkan per jam/hari/minggu/bulan.
Temukan metrik dan sumber data yang tersedia — gunakan list_metrics dan list_data_sources untuk melihat apa yang sudah terhubung di akun sebelum melakukan kueri.
Dorong data kustom ke Databox — buat sumber data dan dataset dengan create_data_source dan create_dataset, lalu muat rekaman melalui ingest_data.
Periksa riwayat pengambilan data — gunakan get_dataset_ingestions dan get_ingestion untuk meninjau jumlah rekaman dan detail pemuatan data sebelumnya.
Selesaikan tanggal relatif secara akurat — panggil get_current_datetime untuk menjangkar frasa seperti "bulan lalu" sebelum memberikan tanggal ke alat lain.

Dokumentasi

Databox MCP

Ngobrol dengan data Anda. Di mana saja.

Databox MCP adalah server Model Context Protocol yang menghubungkan data bisnis Anda ke asisten AI. Ajukan pertanyaan tentang metrik Anda dalam bahasa sehari-hari—tanpa SQL, tanpa membuat dasbor, tanpa ekspor data.

Gambaran Umum

Databox MCP memungkinkan alat AI seperti Claude, Cursor, n8n, dan Gemini CLI untuk mengakses dan menganalisis data Databox Anda secara percakapan. Ini mengubah cara Anda berinteraksi dengan metrik bisnis—alih-alih menjelajahi dasbor, Anda cukup mengajukan pertanyaan dan mendapatkan jawaban instan.

Manfaat Utama:

Kueri data Anda menggunakan bahasa alami
Bekerja dengan 130+ integrasi Databox yang ada
Tanpa biaya tambahan untuk pengguna Databox
Penyiapan dalam waktu kurang dari 60 detik

Klien AI yang Didukung

Klien	Status
Claude Desktop	Didukung
Claude Web	Didukung
Cursor	Didukung
n8n	Didukung
Gemini CLI	Didukung
Alat apa pun yang kompatibel dengan MCP	Didukung

Penyiapan Cepat

Claude Desktop

Tambahkan ke claude_desktop_config.json Anda:

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

Claude Web / Aplikasi Claude Desktop

Buka Pengaturan → Konektor
Klik Tambah Konektor Kustom
Masukkan URL server jarak jauh: https://mcp.databox.com/mcp
Selesaikan alur otorisasi

Cursor

Tambahkan server Databox MCP di pengaturan MCP Cursor dengan URL https://mcp.databox.com/mcp.

n8n

Gunakan node HTTP Request yang mengarah ke https://mcp.databox.com/mcp dan bangun alur kerja Anda dari sana.

Alat yang Tersedia

Databox MCP menyediakan 15 alat untuk berinteraksi dengan data Anda:

Manajemen Akun

`list_accounts`

Daftarkan semua akun Databox yang dapat diakses oleh pengguna yang diautentikasi.

Tidak ada parameter.

Sumber Data

`list_data_sources`

Daftarkan semua sumber data untuk akun tertentu.

Parameter	Tipe	Wajib	Deskripsi
`account_id`	string	Ya	Pengidentifikasi unik akun

`create_data_source`

Buat wadah sumber data baru untuk mengatur dataset.

Parameter	Tipe	Wajib	Deskripsi
`name`	string	Ya	Nama yang dapat dibaca manusia untuk sumber data
`account_id`	string	Tidak	ID akun target. Default ke akun yang terkait dengan kunci API

`delete_data_source`

Hapus permanen sumber data dan semua dataset terkaitnya. Tidak dapat dibatalkan.

Parameter	Tipe	Wajib	Deskripsi
`data_source_id`	string	Ya	Pengidentifikasi unik sumber data yang akan dihapus

`list_data_source_datasets`

Daftarkan semua dataset yang dimiliki oleh sumber data tertentu.

Parameter	Tipe	Wajib	Deskripsi
`data_source_id`	string	Ya	Pengidentifikasi unik sumber data

Dataset

`create_dataset`

Buat dataset baru dalam sumber data, dengan skema opsional.

Parameter	Tipe	Wajib	Deskripsi
`data_source_id`	string	Ya	ID sumber data induk
`name`	string	Ya	Nama yang dapat dibaca manusia untuk dataset
`columns`	string (JSON)	Tidak	Skema kolom sebagai array JSON. Setiap kolom memiliki `name` (string) dan `data_type` (`"string"`, `"number"`, atau `"datetime"`)
`primary_keys`	string (JSON)	Tidak	Array JSON nama kolom untuk digunakan sebagai kunci komposit (mis. `'["id"]'`)

`ingest_data`

Dorong catatan data ke dalam dataset yang ada.

Parameter	Tipe	Wajib	Deskripsi
`dataset_id`	string	Ya	Pengidentifikasi unik dataset target (UUID)
`data`	string (JSON)	Ya	Array JSON catatan, masing-masing objek dengan nama kolom sebagai kunci

`get_dataset_ingestions`

Dapatkan riwayat penyerapan untuk dataset tertentu.

Parameter	Tipe	Wajib	Deskripsi
`dataset_id`	string	Ya	Pengidentifikasi unik dataset (UUID)

`get_ingestion`

Dapatkan informasi terperinci untuk peristiwa penyerapan tertentu, termasuk jumlah catatan dan metrik dataset.

Parameter	Tipe	Wajib	Deskripsi
`dataset_id`	string	Ya	Pengidentifikasi unik dataset (UUID)
`ingestion_id`	string	Ya	Pengidentifikasi unik peristiwa penyerapan (UUID)

`delete_dataset`

Hapus permanen dataset dan semua datanya. Tidak dapat dibatalkan.

Parameter	Tipe	Wajib	Deskripsi
`dataset_id`	string	Ya	Pengidentifikasi unik dataset yang akan dihapus (UUID)

`list_merged_datasets`

Daftarkan semua dataset gabungan untuk akun tertentu. Dataset gabungan menggabungkan data dari berbagai sumber.

Parameter	Tipe	Wajib	Deskripsi
`account_id`	string	Ya	Pengidentifikasi unik akun

Metrik

`list_metrics`

Daftarkan semua metrik yang tersedia untuk sumber data (Google Analytics, Stripe, dll.).

Parameter	Tipe	Wajib	Deskripsi
`data_source_id`	integer	Ya	ID sumber data untuk mendaftarkan metrik

`load_metric_data`

Muat data untuk metrik selama rentang tanggal dengan dimensi opsional dan granulasi deret waktu.

Parameter	Tipe	Wajib	Deskripsi
`data_source_id`	integer	Ya	ID sumber data untuk metrik
`metric_key`	string	Ya	Kunci metrik pendek (mis. `"GoogleAnalytics4@sessions"`)
`start_date`	string	Ya	Tanggal mulai dalam format `YYYY-MM-DD`
`end_date`	string	Ya	Tanggal akhir dalam format `YYYY-MM-DD`
`dimension`	string	Tidak	Kunci dimensi untuk dipecah (mis. `"source"`)
`granulation_time_unit`	integer	Tidak	Unit waktu untuk deret waktu: `1`=jam, `2`=hari, `3`=minggu, `4`=bulan
`is_whole_range`	boolean	Tidak	Jika `true` (default), mengembalikan nilai agregat tunggal. Otomatis diatur ke `false` saat `granulation_time_unit` disediakan
`record_limit`	integer	Tidak	Jumlah maksimum catatan nilai dimensi yang akan dikembalikan

Analisis Bertenaga AI

`ask_genie`

Kueri data Anda menggunakan bahasa alami, didukung oleh Genie AI. Genie menjalankan kueri aktual terhadap data Anda dan mengembalikan hasil yang dihitung, bukan perkiraan LLM. Mendukung rangkaian percakapan untuk pertanyaan lanjutan.

Parameter	Tipe	Wajib	Deskripsi
`dataset_id`	string	Ya	Pengidentifikasi unik dataset yang akan dianalisis (UUID)
`question`	string	Ya	Pertanyaan bahasa alami tentang data
`thread_id`	string	Tidak	ID rangkaian dari respons sebelumnya untuk melanjutkan percakapan

Utilitas

`get_current_datetime`

Dapatkan tanggal dan waktu saat ini. Gunakan ini untuk menyelesaikan ekspresi tanggal relatif seperti "bulan lalu" atau "kemarin" sebelum memanggil alat lain.

Parameter	Tipe	Wajib	Deskripsi
`timezone`	string	Tidak	Nama zona waktu (mis. `"UTC"`, `"America/New_York"`). Default ke UTC

Cara Kerja

Databox MCP menggunakan arsitektur tiga lapis untuk memastikan jawaban yang akurat dan andal:

Platform Data – Dataset terstruktur dengan skema, tipe, dan validasi
Mesin Kueri Analitik – Menjalankan kueri aktual (agregasi, penggabungan, filter)
Lapisan Semantik – Memahami definisi bisnis dan hubungan metrik

AI tidak pernah menyentuh perhitungan Anda secara langsung. AI merumuskan kueri, mesin mengeksekusinya, dan AI merangkum hasilnya. Ini berarti Anda mendapatkan perhitungan nyata, bukan perkiraan statistik.

Autentikasi

Databox MCP menggunakan autentikasi aman:

OAuth 2.0 untuk otorisasi pengguna
Validasi token JWT untuk sesi aman
Autentikasi kunci API untuk akses terprogram

Data Anda tetap berada dalam akun Databox Anda dengan standar tata kelola yang ada. Akses AI dibatasi pada izin data yang diberikan secara eksplisit.

Keamanan

Koneksi terenkripsi (HTTPS)
Otorisasi berbasis cakupan
Jejak audit dan riwayat penyerapan
Tanpa vendor lock-in (standar MCP universal)
Isolasi data per akun

Kasus Penggunaan

Analisis Ad-hoc

"Berapa tingkat konversi kami minggu lalu dibandingkan dengan minggu sebelumnya?"

Wawasan Lintas Sumber

"Hitung ROAS dengan menggabungkan belanja iklan dari Google Ads dengan pendapatan dari Stripe"

Deteksi Tren

"Kategori produk mana yang memiliki tingkat pengembalian dana tertinggi kuartal ini?"

Peringatan Otomatis

"Peringatkan saya jika tingkat konversi 3 hari turun di bawah 2%"

Pembersihan Data

Dorong ekspor CSV yang berantakan dan biarkan Databox menormalkan tanggal, format, dan skema secara otomatis

Kueri Metrik Langsung

"Tampilkan sesi Google Analytics selama 30 hari terakhir yang dipecah berdasarkan sumber lalu lintas"

Analisis Deret Waktu

"Muat tampilan halaman harian untuk Januari dengan agregasi mingguan"

Perincian Dimensi

"Apa 10 negara teratas berdasarkan pendapatan dari Stripe?"

Sumber Daya

Dukungan

Untuk pertanyaan dan dukungan:

Kunjungi Pusat Bantuan Databox
Hubungi support@databox.com

Dibangun oleh Databox — Lacak semua metrik bisnis Anda di satu tempat.