Databox MCP

公式

Databox MCPを使用してデータと対話し、エージェント型分析、自動データ取り込み、リアルタイムの会話型分析を実現。単なるチャートではなく、プロアクティブな推奨事項と即時のBI回答を得られます。

GitHub

Databox MCPで何ができますか？

データに関する自然言語での質問 — ask_genie を使用して、データセットから計算された回答を取得します。フォローアップのために会話スレッドを設定することも可能です。
経時的なメトリクス値の取得 — load_metric_data を呼び出して、特定のメトリクスを日付範囲で取得します。ディメンションで分割したり、時間単位/日単位/週単位/月単位で集計することもできます。
利用可能なメトリクスとデータソースの確認 — クエリを実行する前に、list_metrics と list_data_sources を使用して、アカウントに既に接続されているものを確認します。
カスタムデータを Databox にプッシュ — create_data_source と create_dataset でデータソースとデータセットを作成し、ingest_data でレコードを読み込みます。
取り込み履歴の確認 — get_dataset_ingestions と get_ingestion を使用して、過去のデータ読み込みのレコード数と詳細を確認します。
相対日付を正確に解決 — 他のツールに日付を渡す前に、get_current_datetime を呼び出して「先月」などのフレーズを基準にします。

ドキュメント

Databox MCP

どこでもデータと会話。

Databox MCPは、ビジネスデータをAIアシスタントに接続するModel Context Protocolサーバーです。平易な英語で指標について質問できます。SQLも、ダッシュボード構築も、データエクスポートも不要です。

概要

Databox MCPは、Claude、Cursor、n8n、Gemini CLIなどのAIツールが、会話形式でDataboxデータにアクセスし分析することを可能にします。ビジネス指標との関わり方を変革します。ダッシュボードを操作する代わりに、質問するだけで即座に回答が得られます。

主な利点:

自然言語でデータをクエリ
130以上の既存Databox統合に対応
Databoxユーザーに追加コストなし
60秒未満でセットアップ完了

対応AIクライアント

クライアント	状況
Claude Desktop	対応
Claude Web	対応
Cursor	対応
n8n	対応
Gemini CLI	対応
すべてのMCP互換ツール	対応

クイックセットアップ

Claude Desktop

claude_desktop_config.jsonに以下を追加:

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

Claude Web / Claude Desktop App

設定 → コネクタに移動
カスタムコネクタを追加をクリック
リモートサーバーURLを入力: https://mcp.databox.com/mcp
認証フローを完了

Cursor

CursorのMCP設定でDatabox MCPサーバーをURL https://mcp.databox.com/mcp で追加します。

n8n

https://mcp.databox.com/mcp を指すHTTP Requestノードを使用し、そこからワークフローを構築します。

利用可能なツール

Databox MCPは、データを操作するための15のツールを公開しています:

アカウント管理

`list_accounts`

認証されたユーザーがアクセス可能なすべてのDataboxアカウントを一覧表示します。

パラメータなし。

データソース

`list_data_sources`

特定のアカウントのすべてのデータソースを一覧表示します。

パラメータ	型	必須	説明
`account_id`	string	はい	アカウントの一意識別子

`create_data_source`

データセットを整理するための新しいデータソースコンテナを作成します。

パラメータ	型	必須	説明
`name`	string	はい	データソースの人間が読める名前
`account_id`	string	いいえ	対象アカウントID。デフォルトはAPIキーに関連付けられたアカウント

`delete_data_source`

データソースとそれに関連するすべてのデータセットを完全に削除します。元に戻せません。

パラメータ	型	必須	説明
`data_source_id`	string	はい	削除するデータソースの一意識別子

`list_data_source_datasets`

特定のデータソースに属するすべてのデータセットを一覧表示します。

パラメータ	型	必須	説明
`data_source_id`	string	はい	データソースの一意識別子

データセット

`create_dataset`

オプションのスキーマを使用して、データソース内に新しいデータセットを作成します。

パラメータ	型	必須	説明
`data_source_id`	string	はい	親データソースのID
`name`	string	はい	データセットの人間が読める名前
`columns`	string (JSON)	いいえ	JSON配列としてのカラムスキーマ。各カラムは `name` (string) と `data_type` (`"string"`、`"number"`、または `"datetime"`) を持つ
`primary_keys`	string (JSON)	いいえ	複合キーとして使用するカラム名のJSON配列 (例: `'["id"]'`)

`ingest_data`

既存のデータセットにデータレコードをプッシュします。

パラメータ	型	必須	説明
`dataset_id`	string	はい	対象データセットの一意識別子 (UUID)
`data`	string (JSON)	はい	レコードのJSON配列。各レコードはカラム名をキーとするオブジェクト

`get_dataset_ingestions`

特定のデータセットの取り込み履歴を取得します。

パラメータ	型	必須	説明
`dataset_id`	string	はい	データセットの一意識別子 (UUID)

`get_ingestion`

特定の取り込みイベントの詳細情報 (レコード数やデータセットメトリクスを含む) を取得します。

パラメータ	型	必須	説明
`dataset_id`	string	はい	データセットの一意識別子 (UUID)
`ingestion_id`	string	はい	取り込みイベントの一意識別子 (UUID)

`delete_dataset`

データセットとそのすべてのデータを完全に削除します。元に戻せません。

パラメータ	型	必須	説明
`dataset_id`	string	はい	削除するデータセットの一意識別子 (UUID)

`list_merged_datasets`

特定のアカウントのすべての統合データセットを一覧表示します。統合データセットは複数のソースからのデータを結合します。

パラメータ	型	必須	説明
`account_id`	string	はい	アカウントの一意識別子

メトリクス

`list_metrics`

データソース (Google Analytics、Stripeなど) で利用可能なすべてのメトリクスを一覧表示します。

パラメータ	型	必須	説明
`data_source_id`	integer	はい	メトリクスを一覧表示するデータソースID

`load_metric_data`

日付範囲にわたるメトリクスのデータを、オプションのディメンションと時系列粒度で読み込みます。

パラメータ	型	必須	説明
`data_source_id`	integer	はい	メトリクスのデータソースID
`metric_key`	string	はい	短いメトリクスキー (例: `"GoogleAnalytics4@sessions"`)
`start_date`	string	はい	開始日 (`YYYY-MM-DD` 形式)
`end_date`	string	はい	終了日 (`YYYY-MM-DD` 形式)
`dimension`	string	いいえ	内訳に使用するディメンションキー (例: `"source"`)
`granulation_time_unit`	integer	いいえ	時系列の時間単位: `1`=時間, `2`=日, `3`=週, `4`=月
`is_whole_range`	boolean	いいえ	`true` (デフォルト) の場合、単一の集計値を返す。`granulation_time_unit` が指定されると自動的に `false` に設定される
`record_limit`	integer	いいえ	返すディメンション値レコードの最大数

AI駆動分析

`ask_genie`

Genie AIを活用し、自然言語でデータをクエリします。Genieはデータに対して実際のクエリを実行し、LLMの近似値ではなく計算結果を返します。フォローアップ質問のための会話スレッドをサポートします。

パラメータ	型	必須	説明
`dataset_id`	string	はい	分析するデータセットの一意識別子 (UUID)
`question`	string	はい	データに関する自然言語の質問
`thread_id`	string	いいえ	会話を続けるための前回の応答からのスレッドID

ユーティリティ

`get_current_datetime`

現在の日付と時刻を取得します。他のツールを呼び出す前に、「先月」や「昨日」などの相対的な日付表現を解決するために使用します。

パラメータ	型	必須	説明
`timezone`	string	いいえ	タイムゾーン名 (例: `"UTC"`、`"America/New_York"`)。デフォルトはUTC

仕組み

Databox MCPは、正確で信頼性の高い回答を保証するために3層アーキテクチャを使用します:

データプラットフォーム – スキーマ、型、検証を備えた構造化データセット
分析クエリエンジン – 実際のクエリ (集計、結合、フィルタ) を実行
セマンティックレイヤー – ビジネス定義とメトリクス関係を理解

AIが直接計算に触れることはありません。AIがクエリを定式化し、エンジンがそれを実行し、AIが結果を要約します。これにより、統計的な近似値ではなく、実際の計算結果が得られます。

認証

Databox MCPは安全な認証を使用します:

ユーザー認可のためのOAuth 2.0
安全なセッションのためのJWTトークン検証
プログラムによるアクセスのためのAPIキー認証

データは既存のガバナンス基準に従ってDataboxアカウント内に保持されます。AIアクセスは明示的に付与されたデータ権限に制限されます。

セキュリティ

暗号化された接続 (HTTPS)
スコープベースの認可
監査証跡と取り込み履歴
ベンダーロックインなし (ユニバーサルMCP標準)
アカウントごとのデータ分離

ユースケース

アドホック分析

「先週のコンバージョン率は前週と比較してどうでしたか？」

クロスソースインサイト

「Google広告の広告費とStripeの収益を組み合わせてROASを計算してください」

トレンド検出

「今四半期で最も返金率が高い製品カテゴリはどれですか？」

自動アラート

「3日間のコンバージョン率が2%を下回ったらアラートを出してください」

データクレンジング

乱雑なCSVエクスポートをプッシュし、Databoxに日付、形式、スキーマを自動的に正規化させます

直接メトリクスクエリ

「過去30日間のGoogle Analyticsセッションをトラフィックソース別に表示してください」

時系列分析

「1月の日次ページビューを週次集計で読み込んでください」

ディメンション内訳

「Stripeの収益上位10カ国はどこですか？」

リソース

サポート

質問やサポートについては:

Databoxヘルプセンターにアクセス
support@databox.comに連絡

Databoxによって構築 — すべてのビジネス指標を一か所で追跡。