Databox MCP

официальный

Общайтесь со своими данными с помощью Databox MCP, включая агентную аналитику, автоматизированную загрузку данных и аналитику в реальном времени на основе диалогов, чтобы получать проактивные рекомендации и мгновенные ответы в области бизнес-аналитики, а не просто графики.

GitHub

Что можно делать с Databox MCP?

Задавайте вопросы к данным на естественном языке — используйте ask_genie для получения вычисленных ответов из набора данных с возможностью ведения диалога для уточняющих вопросов.
Получайте значения метрик за период времени — вызывайте load_metric_data, чтобы извлечь конкретную метрику за диапазон дат, с возможностью разбивки по измерению или группировки по часам/дням/неделям/месяцам.
Обнаруживайте доступные метрики и источники данных — используйте list_metrics и list_data_sources, чтобы увидеть, что уже подключено в аккаунте, перед выполнением запросов.
Загружайте собственные данные в Databox — создайте источник данных и набор данных с помощью create_data_source и create_dataset, затем загружайте записи через ingest_data.
Проверяйте историю загрузок — используйте get_dataset_ingestions и get_ingestion для просмотра количества записей и деталей прошлых загрузок данных.
Точно определяйте относительные даты — вызывайте get_current_datetime, чтобы привязать такие фразы, как «прошлый месяц», перед передачей дат в другие инструменты.

Документация

Databox MCP

Общайтесь со своими данными. Где угодно.

Databox MCP — это сервер Model Context Protocol, который подключает ваши бизнес-данные к AI-ассистентам. Задавайте вопросы о своих метриках на простом языке — без SQL, без построения дашбордов, без экспорта данных.

Обзор

Databox MCP позволяет AI-инструментам, таким как Claude, Cursor, n8n и Gemini CLI, получать доступ и анализировать ваши данные Databox в режиме диалога. Это меняет способ взаимодействия с бизнес-метриками — вместо навигации по дашбордам вы просто задаете вопросы и мгновенно получаете ответы.

Ключевые преимущества:

Запрашивайте данные на естественном языке
Работает с более чем 130 существующими интеграциями Databox
Без дополнительной платы для пользователей Databox
Настройка менее чем за 60 секунд

Поддерживаемые AI-клиенты

Клиент	Статус
Claude Desktop	Поддерживается
Claude Web	Поддерживается
Cursor	Поддерживается
n8n	Поддерживается
Gemini CLI	Поддерживается
Любой инструмент, совместимый с MCP	Поддерживается

Быстрая настройка

Claude Desktop

Добавьте в ваш claude_desktop_config.json:

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

Claude Web / Claude Desktop App

Перейдите в Настройки → Коннекторы
Нажмите Добавить пользовательский коннектор
Введите URL удаленного сервера: https://mcp.databox.com/mcp
Завершите процесс авторизации

Cursor

Добавьте сервер Databox MCP в настройках MCP Cursor, используя URL https://mcp.databox.com/mcp.

n8n

Используйте узел HTTP Request, указывающий на https://mcp.databox.com/mcp, и стройте свои рабочие процессы оттуда.

Доступные инструменты

Databox MCP предоставляет 15 инструментов для взаимодействия с вашими данными:

Управление аккаунтами

`list_accounts`

Выводит список всех аккаунтов Databox, доступных аутентифицированному пользователю.

Нет параметров.

Источники данных

`list_data_sources`

Выводит список всех источников данных для конкретного аккаунта.

Параметр	Тип	Обязательный	Описание
`account_id`	string	Да	Уникальный идентификатор аккаунта

`create_data_source`

Создает новый контейнер источника данных для организации наборов данных.

Параметр	Тип	Обязательный	Описание
`name`	string	Да	Понятное имя для источника данных
`account_id`	string	Нет	ID целевого аккаунта. По умолчанию используется аккаунт, связанный с API-ключом

`delete_data_source`

Безвозвратно удаляет источник данных и все связанные с ним наборы данных. Отменить действие невозможно.

Параметр	Тип	Обязательный	Описание
`data_source_id`	string	Да	Уникальный идентификатор удаляемого источника данных

`list_data_source_datasets`

Выводит список всех наборов данных, принадлежащих конкретному источнику данных.

Параметр	Тип	Обязательный	Описание
`data_source_id`	string	Да	Уникальный идентификатор источника данных

Наборы данных

`create_dataset`

Создает новый набор данных внутри источника данных с опциональной схемой.

Параметр	Тип	Обязательный	Описание
`data_source_id`	string	Да	ID родительского источника данных
`name`	string	Да	Понятное имя для набора данных
`columns`	string (JSON)	Нет	Схема столбцов в виде JSON-массива. Каждый столбец имеет `name` (string) и `data_type` (`"string"`, `"number"` или `"datetime"`)
`primary_keys`	string (JSON)	Нет	JSON-массив имен столбцов для использования в качестве составного ключа (например, `'["id"]'`)

`ingest_data`

Отправляет записи данных в существующий набор данных.

Параметр	Тип	Обязательный	Описание
`dataset_id`	string	Да	Уникальный идентификатор целевого набора данных (UUID)
`data`	string (JSON)	Да	JSON-массив записей, каждая из которых является объектом с именами столбцов в качестве ключей

`get_dataset_ingestions`

Получает историю загрузок для конкретного набора данных.

Параметр	Тип	Обязательный	Описание
`dataset_id`	string	Да	Уникальный идентификатор набора данных (UUID)

`get_ingestion`

Получает подробную информацию о конкретном событии загрузки, включая количество записей и метрики набора данных.

Параметр	Тип	Обязательный	Описание
`dataset_id`	string	Да	Уникальный идентификатор набора данных (UUID)
`ingestion_id`	string	Да	Уникальный идентификатор события загрузки (UUID)

`delete_dataset`

Безвозвратно удаляет набор данных и все его данные. Отменить действие невозможно.

Параметр	Тип	Обязательный	Описание
`dataset_id`	string	Да	Уникальный идентификатор удаляемого набора данных (UUID)

`list_merged_datasets`

Выводит список всех объединенных наборов данных для конкретного аккаунта. Объединенные наборы данных комбинируют данные из нескольких источников.

Параметр	Тип	Обязательный	Описание
`account_id`	string	Да	Уникальный идентификатор аккаунта

Метрики

`list_metrics`

Выводит список всех метрик, доступных для источника данных (Google Analytics, Stripe и т.д.).

Параметр	Тип	Обязательный	Описание
`data_source_id`	integer	Да	ID источника данных, для которого нужно вывести метрики

`load_metric_data`

Загружает данные по метрике за диапазон дат с опциональными измерениями и грануляцией временных рядов.

Параметр	Тип	Обязательный	Описание
`data_source_id`	integer	Да	ID источника данных для метрики
`metric_key`	string	Да	Короткий ключ метрики (например, `"GoogleAnalytics4@sessions"`)
`start_date`	string	Да	Дата начала в формате `YYYY-MM-DD`
`end_date`	string	Да	Дата окончания в формате `YYYY-MM-DD`
`dimension`	string	Нет	Ключ измерения для разбивки (например, `"source"`)
`granulation_time_unit`	integer	Нет	Единица времени для временных рядов: `1`=час, `2`=день, `3`=неделя, `4`=месяц
`is_whole_range`	boolean	Нет	Если `true` (по умолчанию), возвращает одно агрегированное значение. Автоматически устанавливается в `false`, если указан `granulation_time_unit`
`record_limit`	integer	Нет	Максимальное количество записей значений измерений для возврата

Анализ на основе AI

`ask_genie`

Запрашивайте свои данные на естественном языке с помощью Genie AI. Genie выполняет реальные запросы к вашим данным и возвращает вычисленные результаты, а не приближения LLM. Поддерживает цепочки обсуждений для уточняющих вопросов.

Параметр	Тип	Обязательный	Описание
`dataset_id`	string	Да	Уникальный идентификатор анализируемого набора данных (UUID)
`question`	string	Да	Вопрос о данных на естественном языке
`thread_id`	string	Нет	ID цепочки из предыдущего ответа для продолжения разговора

Утилиты

`get_current_datetime`

Получает текущие дату и время. Используйте это для разрешения относительных выражений дат, таких как «в прошлом месяце» или «вчера», перед вызовом других инструментов.

Параметр	Тип	Обязательный	Описание
`timezone`	string	Нет	Название часового пояса (например, `"UTC"`, `"America/New_York"`). По умолчанию UTC

Как это работает

Databox MCP использует трехуровневую архитектуру для обеспечения точных и надежных ответов:

Платформа данных – Структурированные наборы данных со схемами, типами и валидацией
Аналитический движок запросов – Выполняет реальные запросы (агрегации, соединения, фильтры)
Семантический слой – Понимает бизнес-определения и взаимосвязи метрик

AI никогда не касается ваших расчетов напрямую. Он формулирует запросы, движок выполняет их, а AI обобщает результаты. Это означает, что вы получаете реальные вычисления, а не статистические приближения.

Аутентификация

Databox MCP использует безопасную аутентификацию:

OAuth 2.0 для авторизации пользователей
Проверка JWT-токенов для безопасных сессий
Аутентификация по API-ключу для программного доступа

Ваши данные остаются в вашем аккаунте Databox с существующими стандартами управления. Доступ AI ограничен явно предоставленными разрешениями на данные.

Безопасность

Зашифрованные соединения (HTTPS)
Авторизация на основе областей действия
Аудиторские следы и история загрузок
Отсутствие привязки к поставщику (универсальный стандарт MCP)
Изоляция данных по аккаунтам

Варианты использования

Ad-hoc анализ

«Какой был коэффициент конверсии на прошлой неделе по сравнению с предыдущей?»

Кросс-источниковые инсайты

«Рассчитайте ROAS, объединив расходы на рекламу из Google Ads с доходом из Stripe»

Обнаружение трендов

«Какая категория товаров имеет самый высокий процент возвратов в этом квартале?»

Автоматические оповещения

«Предупредите меня, если 3-дневный коэффициент конверсии упадет ниже 2%»

Очистка данных

Отправляйте неструктурированные CSV-экспорты, и Databox автоматически нормализует даты, форматы и схемы

Прямые запросы метрик

«Покажите сессии Google Analytics за последние 30 дней с разбивкой по источникам трафика»

Анализ временных рядов

«Загрузите ежедневные просмотры страниц за январь с недельной агрегацией»

Разбивка по измерениям

«Какие 10 стран лидируют по доходу из Stripe?»

Ресурсы

Поддержка

По вопросам и для поддержки:

Посетите Справочный центр Databox
Свяжитесь с support@databox.com

Создано Databox — отслеживайте все свои бизнес-метрики в одном месте.