dbt-docs-mcpDenna MCP-server ansluter din AI-assistent till dbt-projektets metadata och dokumentationsfiler. Den låter dig söka efter datamodeller efter namn eller kod, inspektera detaljerade attribut och spåra exakt hur information...

— (0)

Granskat av Daniel Nikulshyn·Uppdaterad juli 2026

Översikt

Den här servern är en Model Context Protocol (MCP)-server för att interagera med metadata och dokumentationsfiler i ett dbt‑projekt. Den låter användare söka efter datamodeller efter namn eller kod, inspektera detaljerade attribut och spåra sina dataursprung. Nyckelfunktioner inkluderar sökning och inspektion av dbt‑noder, utforskning av nodlinje, spårning av kolumnnivålinje och mer. För att använda servern måste användarna ha Python installerat och klona repot med git. Därefter kan de parsa dbt-manifestet för kolumnnivålinje och köra servern med det medföljande skriptet. MCP-servern exponerar dbt-grafinformation och möjliggör att fråga efter noddetaljer, modell‑/kolumnlinje samt relaterad metadata. Det föreslås att användare utvecklar verktyg för att köra SQL‑frågor, hämta metadata för tabeller/vyer/kolumner från databasen och söka i kunskapsbasens innehåll.

Nyckelfunktioner

Sök dbt-noder efter namn eller kolumnnamn
Inspektera detaljerade nodattribut
Utforska modell- och kolumnlinjeage
Spåra uppströms- och nedströmsberoenden

Priser

Modell: Free
Kategori: MCP-servrar
Betyg: Inga recensioner

Användningsfall

Datamodellupptäckt

Använd MCP-servern för att söka efter datamodeller efter namn eller kod, samt inspektera deras attribut och linjeage.

Kolumnnivålinjeageanalys

Använd servern för att spåra alla uppströmskällor för en specifik kolumn i en modell eller alla nedströmsberoenden till en kolumn.

Fördelar och nackdelar

Fördelar

Gör det möjligt för AI-assistenter att komma åt dbt-projektmetadata
Stöder sökning av noder efter namn, kolumnnamn eller SQL-kod
Tillhandahåller detaljerade nodattribut och linjeageinformation
Möjliggör linjespårning på kolumnnivå

Nackdelar

Kräver installation av Python-miljö
Att skapa kolumnlinjeage kan vara tidskrävande för stora dbt-projekt

Recensioner

Logga in för att lämna en recension.

Inga recensioner än. Bli den första!

Frågor

Vilka nyckelfunktioner erbjuder dbt-docs-mcp?

Det inkluderar sökning och inspektion av dbt-noder, utforskning av nodlinjer, spårning av kolumnnivå-linjer och mer.

Asked by Grace Okafor · Sep 19, 2025

Vilka är begränsningarna för dbt-docs-mcp?

Att skapa kolumnlinjer kan vara tidskrävande för stora dbt-projekt och det kräver Python-miljöinställning.

Asked by Bianca Ferreira · Jun 30, 2025

Kan jag söka efter dbt-noder via nödvändig kod?

Ja, servern tillåter användarna att söka efter datamodeller efter namn eller kod.

Asked by Ren Nakamura · Jun 26, 2025

Vad krävs för att använda dbt-docs-mcp?

För att använda servern måste användaren ha Python installerat och klona repot med hjälp av git.

Asked by Omar Haddad · Jun 14, 2025

Ställ en fråga

Alternativ till MCP-servrar

Playwright MCP interface preview

Playwright MCPMCP-servrar

Open-source MCP-server som låter LLMs driva riktiga webbläsare via Playwright och tillgänglighetssnapshots.

Pydantic AI interface preview

Pydantic AIMCP-servrar

Pythonaggregatramverk från Pydantic-teamet för byggande av typsäkert GenAI-programvara.

Cognee interface preview

CogneeMCP-servrar

Adaptiv minnesskikt som hjälper AI-agenter att lära sig från kontext över tid.

Inbox Zero interface preview

Inbox ZeroMCP-servrar

AI-mailerassistent som organiserar, framställer svar och hjälper dig att få inbox noll snabbare.

Screenpipe interface preview

ScreenpipeMCP-servrar

Öppen-sourcesscen 24/7-inspelning för lokal skärm och ljud för att bygga kontextmedvetna AI-appar

AgentKit interface preview

AgentKitMCP-servrar

TypeScript‑bibliotek för att bygga och orkestrera AI‑agenter med verktyg, minne och multi‑agent‑arbetsflöden.

onchain-mcpMCP-servrar

Förenar bankerlös onchains-API med MCP

markitdownMCP-servrar

Python-verktyg för konvertering av filer och kontorsdokument till Markdown.