Databox MCP

官方

透過 Databox MCP 與您的數據對話，實現代理式分析、自動化數據攝取及即時對話式分析，獲得主動建議與即時商業智慧解答，而不只是圖表。

GitHub

你可以用 Databox MCP 做什麼？

以自然語言提問您的數據 — 使用 ask_genie 從數據集中取得計算後的答案，並可選擇啟用對話串接以進行後續追問。
隨時間擷取指標數值 — 呼叫 load_metric_data 以拉取特定日期範圍內的某個指標，可選擇按維度拆分或按小時/天/週/月進行粒度劃分。
探索可用的指標與資料來源 — 在查詢前使用 list_metrics 和 list_data_sources 查看帳戶中已連接的項目。
將自訂資料推送至 Databox — 使用 create_data_source 和 create_dataset 建立資料來源與資料集，再透過 ingest_data 載入記錄。
檢視資料匯入歷史 — 使用 get_dataset_ingestions 和 get_ingestion 檢視過去資料載入的記錄數量與詳細資訊。
準確解析相對日期 — 在將日期傳遞給其他工具前，呼叫 get_current_datetime 以錨定如「上個月」這類詞語。

文件

Databox MCP

隨時隨地與您的資料對話。

Databox MCP 是一個模型上下文協定伺服器，可將您的商業資料連結至 AI 助理。用簡單的英文詢問有關您指標的問題——無需 SQL、無需建立儀表板、無需匯出資料。

概觀

Databox MCP 讓 Claude、Cursor、n8n 和 Gemini CLI 等 AI 工具能夠以對話方式存取和分析您的 Databox 資料。它改變了您與商業指標互動的方式——您不再需要瀏覽儀表板，只需提出問題即可立即獲得解答。

主要優勢：

使用自然語言查詢您的資料
適用於 130 多個現有的 Databox 整合
Databox 使用者無需額外費用
60 秒內完成設定

支援的 AI 客戶端

客戶端	狀態
Claude Desktop	支援
Claude Web	支援
Cursor	支援
n8n	支援
Gemini CLI	支援
任何相容 MCP 的工具	支援

快速設定

Claude Desktop

新增至您的 claude_desktop_config.json：

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

Claude Web / Claude Desktop App

前往設定 → 連接器
點擊 新增自訂連接器
輸入遠端伺服器 URL：https://mcp.databox.com/mcp
完成授權流程

Cursor

在 Cursor 的 MCP 設定中，使用 URL https://mcp.databox.com/mcp 新增 Databox MCP 伺服器。

n8n

使用指向 https://mcp.databox.com/mcp 的 HTTP 請求 節點，並從那裡建立您的工作流程。

可用工具

Databox MCP 提供 15 個用於與資料互動的工具：

帳戶管理

`list_accounts`

列出已驗證使用者可存取的所有 Databox 帳戶。

無參數。

資料來源

`list_data_sources`

列出特定帳戶的所有資料來源。

參數	類型	必要	說明
`account_id`	字串	是	帳戶的唯一識別碼

`create_data_source`

建立新的資料來源容器以組織資料集。

參數	類型	必要	說明
`name`	字串	是	資料來源的人類可讀名稱
`account_id`	字串	否	目標帳戶 ID。預設為與 API 金鑰關聯的帳戶

`delete_data_source`

永久移除資料來源及其所有關聯的資料集。此操作無法復原。

參數	類型	必要	說明
`data_source_id`	字串	是	要刪除的資料來源的唯一識別碼

`list_data_source_datasets`

列出屬於特定資料來源的所有資料集。

參數	類型	必要	說明
`data_source_id`	字串	是	資料來源的唯一識別碼

資料集

`create_dataset`

在資料來源內建立新的資料集，可選擇性地加入結構描述。

參數	類型	必要	說明
`data_source_id`	字串	是	父資料來源的 ID
`name`	字串	是	資料集的人類可讀名稱
`columns`	字串 (JSON)	否	作為 JSON 陣列的欄位結構描述。每個欄位包含 `name` (字串) 和 `data_type` (`"string"`、`"number"` 或 `"datetime"`)
`primary_keys`	字串 (JSON)	否	用作複合索引鍵的欄位名稱 JSON 陣列 (例如 `'["id"]'`)

`ingest_data`

將資料記錄推送至現有的資料集。

參數	類型	必要	說明
`dataset_id`	字串	是	目標資料集的唯一識別碼 (UUID)
`data`	字串 (JSON)	是	記錄的 JSON 陣列，每個記錄都是一個以欄位名稱為索引鍵的物件

`get_dataset_ingestions`

取得特定資料集的擷取歷史記錄。

參數	類型	必要	說明
`dataset_id`	字串	是	資料集的唯一識別碼 (UUID)

`get_ingestion`

取得特定擷取事件的詳細資訊，包括記錄數量和資料集指標。

參數	類型	必要	說明
`dataset_id`	字串	是	資料集的唯一識別碼 (UUID)
`ingestion_id`	字串	是	擷取事件的唯一識別碼 (UUID)

`delete_dataset`

永久移除資料集及其所有資料。此操作無法復原。

參數	類型	必要	說明
`dataset_id`	字串	是	要刪除的資料集的唯一識別碼 (UUID)

`list_merged_datasets`

列出特定帳戶的所有合併資料集。合併資料集合併了來自多個來源的資料。

參數	類型	必要	說明
`account_id`	字串	是	帳戶的唯一識別碼

指標

`list_metrics`

列出資料來源 (Google Analytics、Stripe 等) 可用的所有指標。

參數	類型	必要	說明
`data_source_id`	整數	是	要列出指標的資料來源 ID

`load_metric_data`

載入某個日期範圍內的指標資料，可選擇性地加入維度和時間序列粒度。

參數	類型	必要	說明
`data_source_id`	整數	是	指標的資料來源 ID
`metric_key`	字串	是	簡短指標索引鍵 (例如 `"GoogleAnalytics4@sessions"`)
`start_date`	字串	是	開始日期，格式為 `YYYY-MM-DD`
`end_date`	字串	是	結束日期，格式為 `YYYY-MM-DD`
`dimension`	字串	否	用於細分的維度索引鍵 (例如 `"source"`)
`granulation_time_unit`	整數	否	時間序列的時間單位：`1`=小時、`2`=天、`3`=週、`4`=月
`is_whole_range`	布林值	否	若為 `true` (預設)，則傳回單一聚合值。當提供 `granulation_time_unit` 時，會自動設為 `false`
`record_limit`	整數	否	要傳回的維度值記錄數量上限

AI 驅動分析

`ask_genie`

使用自然語言查詢您的資料，由 Genie AI 提供支援。Genie 會對您的資料執行實際查詢，並傳回計算結果，而非 LLM 近似值。支援對話串接以進行後續提問。

參數	類型	必要	說明
`dataset_id`	字串	是	要分析的資料集的唯一識別碼 (UUID)
`question`	字串	是	關於資料的自然語言問題
`thread_id`	字串	否	來自先前回應的對話串 ID，用於繼續對話

公用程式

`get_current_datetime`

取得目前的日期和時間。在呼叫其他工具之前，使用此工具來解析相對日期表達式，例如「上個月」或「昨天」。

參數	類型	必要	說明
`timezone`	字串	否	時區名稱 (例如 `"UTC"`、`"America/New_York"`)。預設為 UTC

運作方式

Databox MCP 使用三層架構來確保答案準確可靠：

資料平台 – 具有結構描述、類型和驗證的結構化資料集
分析查詢引擎 – 執行實際查詢 (聚合、連接、篩選)
語意層 – 理解商業定義和指標關係

AI 永遠不會直接處理您的計算。它會制定查詢，由引擎執行，然後 AI 總結結果。這意味著您獲得的是真實的計算結果，而非統計近似值。

驗證

Databox MCP 使用安全驗證：

OAuth 2.0 用於使用者授權
JWT 權杖驗證 用於安全會話
API 金鑰驗證 用於程式化存取

您的資料會保留在您的 Databox 帳戶中，並遵循現有的治理標準。AI 存取權限僅限於明確授予的資料權限。

安全性

加密連線 (HTTPS)
基於範圍的授權
稽核追蹤和擷取歷史記錄
無供應商鎖定 (通用 MCP 標準)
按帳戶隔離資料

使用案例

臨時分析

「我們上週的轉換率與前一週相比如何？」

跨來源洞察

「結合 Google Ads 的廣告支出和 Stripe 的收入來計算 ROAS」

趨勢偵測

「本季哪個產品類別的退款率最高？」

自動化警示

「如果 3 天轉換率低於 2%，請提醒我」

資料清理

推送雜亂的 CSV 匯出檔案，讓 Databox 自動標準化日期、格式和結構描述

直接指標查詢

「顯示過去 30 天按流量來源細分的 Google Analytics 工作階段」

時間序列分析

「載入一月份的每日頁面瀏覽量，並按週彙總」

維度細分

「Stripe 中按收入排名的前 10 個國家/地區是哪些？」

資源

支援

如有問題和支援需求：

造訪 Databox 說明中心
聯絡 support@databox.com

由 Databox 打造 — 在一個地方追蹤您所有的商業指標。