AI导哈

Snowflake账户分析服务器

一个提供全面Snowflake账户分析的MCP服务器，通过灵活查询工具和智能洞察执行自定义查询、监控安全、优化成本和分析性能。

  • by alvinlee00
  • Python
  • 本地部署
  • 1 星标
  • 更新于
在 GitHub 查看 alvinlee00/mcp-snowflake-server

使用说明

MCP雪花账户智能服务器

模型上下文协议（MCP）服务器，通过灵活的查询工具和智能洞察提供全面的Snowflake帐户分析。通过自然语言交互执行自定义查询、监控安全性、优化成本和分析性能。

特性

🔍 通用查询功能（新增）

  • 执行自定义查询：使用AI解释对ACCOUNT_UAGE运行任何SELECT查询
  • 架构资源管理器：在ACCOUNT_UAGE中查找可用的表和列
  • 查询生成器助手：获取从自然语言构建查询的帮助
  • 智能结果解读：AI分析结果并建议下一步行动

🔐 安全和访问监控（新）

  • 身份验证分析：跟踪RSA与用户密码使用情况
  • 权限审核：监控角色授予和权限更改
  • 异常检测：识别异常访问模式和潜在威胁
  • 合规报告：以安全为重点的审计分析

🚀 性能分析

  • 慢速查询检测：查找并分析最慢的查询
  • 查询模式分析：识别频繁重复的昂贵查询
  • 执行时间分布：了解您的查询性能模式
  • 查询加速机会：查找符合加速条件的查询

💰 成本优化

  • 仓库成本分析：按仓库跟踪信用消费
  • 每次查询成本分析：计算效率指标
  • 昂贵的查询标识：查找成本最高的业务
  • 用户成本分析：按用户监控资源消耗

📊 监控和利用

  • 仓库利用率：分析使用模式和规模
  • 优化报告：综合分析并提出建议
  • 实时监控：跟踪使用趋势和异常情况

快速开始

1.安装

# Clone the repository
git clone <repository-url>
cd mcp-snowflake-server

# Create virtual environment
python -m venv venv
source venv/bin/activate  # On Windows: venv\Scripts\activate

# Install dependencies
pip install -r requirements.txt

2.配置

复制 .env.example 向 .env 并配置身份验证：

cp .env.example .env

选项A：密码验证（简单）

编辑 .env:

SNOWFLAKE_ACCOUNT=your-account.snowflakecomputing.com
SNOWFLAKE_USER=your-username
SNOWFLAKE_PASSWORD=your-password
SNOWFLAKE_WAREHOUSE=your-warehouse
SNOWFLAKE_ROLE=ACCOUNTADMIN
SNOWFLAKE_CREDIT_PRICE=4.00

选项B:RSA密钥身份验证（推荐）

  1. 生成RSA密钥对 （如果你没有）：
# Generate private key
openssl genrsa 2048 | openssl pkcs8 -topk8 -inform PEM -out rsa_key.p8 -nocrypt

# Generate public key
openssl rsa -in rsa_key.p8 -pubout -out rsa_key.pub
  1. 向Snowflake用户添加公钥:
-- In Snowflake, run this with your public key content
ALTER USER your_username SET RSA_PUBLIC_KEY='MIIBIjANBgkqhkiG9w0B...';
  1. 配置.env:
SNOWFLAKE_ACCOUNT=your-account.snowflakecomputing.com
SNOWFLAKE_USER=your-username
SNOWFLAKE_WAREHOUSE=your-warehouse
SNOWFLAKE_ROLE=ACCOUNTADMIN
SNOWFLAKE_PRIVATE_KEY_PATH=/path/to/your/rsa_key.p8
SNOWFLAKE_PRIVATE_KEY_PASSPHRASE=your-passphrase-if-any
SNOWFLAKE_CREDIT_PRICE=4.00

3.测试服务器

# Test the server locally
cd src
python server.py

4.配置克劳德桌面

将服务器添加到Claude Desktop配置中(~/Library/Application Support/Claude/claude_desktop_config.json 在macOS上）：

{
  "mcpServers": {
    "snowflake-optimizer": {
      "command": "python",
      "args": ["/absolute/path/to/mcp-snowflake-server/src/server.py"],
      "env": {
        "SNOWFLAKE_ACCOUNT": "your-account.snowflakecomputing.com",
        "SNOWFLAKE_USER": "your-username",
        "SNOWFLAKE_PASSWORD": "your-password",
        "SNOWFLAKE_WAREHOUSE": "your-warehouse",
        "SNOWFLAKE_ROLE": "ACCOUNTADMIN",
        "SNOWFLAKE_CREDIT_PRICE": "4.00"
      }
    }
  }
}

重新启动Claude Desktop以加载服务器。

可用工具

通用查询工具（新）

  • execute_query(query, limit=1000, interpret=True) -使用AI解释执行任何SELECT查询
  • explore_schema(table_pattern=None, show_columns=False) -探索ACCOUNT_USAGE表和列
  • help_build_query(description) -获取从自然语言构建查询的帮助

安全工具（新）

  • check_user_authentication(users=None, days_back=30) -分析RSA与密码身份验证
  • audit_privileges(days_back=7, role_filter=None) -跟踪权限和角色更改
  • detect_anomalies(days_back=7, sensitivity="medium") -检测异常访问模式

性能工具

  • find_slow_queries(hours_back=24, limit=50) -查找最慢的查询
  • analyze_repeated_queries(hours_back=168, limit=50) -识别重复的昂贵模式
  • query_execution_distribution(days_back=7) -分析执行时间分布
  • query_acceleration_candidates(days_back=7, limit=50) -寻找加速机会

成本工具

  • warehouse_cost_analysis(days_back=7) -分析仓库成本
  • cost_per_query_analysis(days_back=30) -计算每次查询的成本
  • find_most_expensive_queries(days_back=7, limit=25) -查找昂贵的查询
  • user_cost_analysis(days_back=7) -按用户分析成本

监视工具

  • warehouse_utilization_analysis(days_back=7) -分析仓库利用率
  • optimization_report(days_back=7) -生成综合报告

可用提示

在Claude Desktop中使用以下提示进行指导工作流程：

  • “优化雪花成本” -完整的成本优化工作流程
  • “查找性能_瓶颈” -性能分析工作流程
  • “每周优化_查看” -生成每周优化报告
  • “安全审计” -综合安全分析（新增）
  • “自定义分析” -交互式查询构建辅助（新）

示例用法

通用查询执行（新）：

Execute this query: SELECT COUNT(*) FROM LOGIN_HISTORY WHERE FIRST_AUTHENTICATION_FACTOR = 'PASSWORD'

Show me all tables in ACCOUNT_USAGE that contain user activity data

Help me build a query to find users who haven't logged in for 30 days

安全分析（新增）：

Check if these users are using both RSA and password: ['USER1', 'USER2', 'USER3']

Audit privilege changes for the ACCOUNTADMIN role in the last week

Detect any unusual access patterns with high sensitivity

成本与性能：

Can you help me optimize my Snowflake costs?

Use the find_slow_queries tool to show me queries from the last 48 hours

Generate an optimization report for the last 14 days

需求

  • Python 3.10+
  • 具有ACCOUNTADMIN角色的雪花帐户（用于account_SAGE架构访问）
  • Claude Desktop（用于MCP集成）

重要提示

  • 数据延迟：ACCOUNT_USAGE视图存在延迟：
    • 查询历史：45分钟
    • 仓库_仓库_仓库：3小时
    • 仓库_装载_历史：3小时
    • 查询_取消_义务：3小时
  • 数据保留：365天的历史数据可用
  • 权限：访问ACCOUNT_SAGE架构需要ACCOUNTADMIN角色
  • 演出：ACCOUNT_USAGE查询在大型数据集上可能很慢；考虑添加日期过滤器
  • 列选择：始终选择特定列，而不是使用select*以获得更好的性能

安全说明

  • 将凭据安全地存储在环境变量中
  • 尽可能使用最低权限访问
  • 访问ACCOUNT_SAGE架构需要ACCOUNTADMIN角色
  • 考虑在生产部署中使用密钥对身份验证

项目结构

mcp-snowflake-server/
├── src/
│   ├── server.py              # Main MCP server
│   ├── tools/                 # MCP tool implementations
│   │   ├── performance.py     # Performance analysis tools
│   │   ├── costs.py          # Cost optimization tools
│   │   └── monitoring.py     # Monitoring tools
│   ├── queries/              # SQL query templates
│   │   └── optimization_queries.py
│   └── utils/               # Utilities
│       └── snowflake_connection.py
├── requirements.txt
├── .env.example
└── README.md

贡献

  1. 分叉存储库
  2. 创建要素分支
  3. 进行更改和测试
  4. 提交拉取请求

许可证

MIT许可证-有关详细信息，请参阅许可证文件。

支持

对于问题和疑问：

  1. 查看GitHub问题
  2. 查看Snowflake文档中的ACCOUNT_SAGE模式
  3. 请参阅modelcontextprotocol.io上的MCP文档

相关 MCP