StarRocks MCP 서버는 AI 어시스턴트와 StarRocks 데이터베이스 간의 다리 역할을 합니다. 복잡한 클라이언트 측 설정 없이도 직접 SQL 실행, 데이터베이스 탐색, 차트를 통한 데이터 시각화, 상세한 스키마/데이터 개요 조회가 가능합니다.

특징

• 직접 SQL 실행: SELECT 쿼리(read_query)와 DDL/DML 명령어(write_query)를 실행하세요.
• 데이터베이스 탐색: 데이터베이스와 테이블을 나열하고, 테이블 스키마(starrocks:// 리소스)를 검색합니다.
• 시스템 정보: proc:// 리소스 경로를 통해 내부 StarRocks 지표와 상태에 접근할 수 있습니다.
• 상세 개요: 표(table_overview) 또는 전체 데이터베이스(db_overview)의 포괄적인 요약을 받아보세요. 여기에는 열 정의, 행 수, 샘플 데이터가 포함됩니다.
• 데이터 시각화: 쿼리를 실행하고 결과에서 직접 Plotly 차트를 생성하세요 (query_and_plotly_chart).
• 지능형 캐싱: 테이블 및 데이터베이스 개요는 반복 요청을 빠르게 하기 위해 메모리에 캐시됩니다. 필요할 때 캐시를 우회할 수 있습니다.
• 유연한 구성: 환경 변수를 통해 연결 세부 정보와 동작을 설정할 수 있습니다.

선수 조건

• Python 3.11 또는 그 이후.

StarRocks Official MCP Server

The StarRocks MCP Server acts as a bridge between AI assistants and StarRocks databases. It allows for direct SQL execution, database exploration, data visualization via charts, and retrieving detailed schema/data overviews without requiring complex client-side setup.

Features

• Direct SQL Execution: Run SELECT queries (read_query) and DDL/DML commands (write_query).
• Database Exploration: List databases and tables, retrieve table schemas (starrocks:// resources).
• System Information: Access internal StarRocks metrics and states via the proc:// resource path.
• Detailed Overviews: Get comprehensive summaries of tables (table_overview) or entire databases (db_overview), including column definitions, row counts, and sample data.
• Data Visualization: Execute a query and generate a Plotly chart directly from the results (query_and_plotly_chart).
• Intelligent Caching: Table and database overviews are cached in memory to speed up repeated requests. Cache can be bypassed when needed.
• Flexible Configuration: Set connection details and behavior via environment variables.

Prerequisites

• Python 3.11 or newer.
• A reachable StarRocks cluster (FE service). By default the server connects to localhost:9030 over the MySQL protocol.
• uv — a fast Python package and project manager (a modern replacement for pip + virtualenv) from Astral. This project uses uv to resolve dependencies, create the virtual environment, and launch the server. The uv run commands throughout this README automatically create an isolated environment and install the required dependencies on first use, so no manual pip install step is needed.

Installing uv

# macOS / Linux
curl -LsSf https://astral.sh/uv/install.sh | sh

# Windows (PowerShell)
powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"

# Or via Homebrew / pipx / pip
brew install uv
# pipx install uv
# pip install uv

See the official uv installation guide for other options. After installing, verify it is on your PATH:

uv --version

Installation

You generally do not need to install the package manually — the MCP host launches it for you via uv (see Configuration below). uv fetches the package and its dependencies on demand.

To run it directly for testing or development:

# Run the published package in a throwaway environment