跳到主要内容

DataHub 扩展

🎥Plug & Play
Watch the demo

本教程介绍如何将 DataHub MCP 服务器 添加为 goose 扩展，以便在整个数据生态中进行 AI 驱动的数据发现、血缘探索和元数据查询。

快速安装

启动安装程序

环境变量

DATAHUB_GMS_URL: <your-datahub-url>
DATAHUB_GMS_TOKEN: <your-datahub-token>

什么是 DataHub？​

DataHub 是一个开源元数据平台，为你的数据生态提供统一视图，编目数据集、仪表盘、管道等，并附带丰富的元数据，包括所有权、血缘、使用统计和数据质量信息。

DataHub MCP 服务器让 AI 代理能够：

  • 使用带有热度、质量和血缘等信任信号的自然语言搜索，找到可信的数据
  • 探索数据血缘，在表级和列级理解上游和下游依赖
  • 通过词汇表、域、数据产品和组织元数据理解业务上下文
  • 借助文档、血缘和常见查询模式生成 SQL 查询

了解更多：DataHub MCP 服务器指南 | GitHub 仓库

前提条件​

使用 DataHub MCP 服务器之前，请确保你有：

配置​

信息

运行此命令需要在系统上安装 uv，因为它使用 uvx。

  1. Launch the installer
  2. Click Yes to confirm the installation
  3. Get your DataHub Personal Access Token and paste it in
  4. Click Add Extension
  5. Click the button in the top-left to open the sidebar
  6. Navigate to the chat

使用示例​

找到可信的数据​

用自然语言描述你的需要，找出与项目相关的数据集。

goose 提示词​

找出分析团队拥有的、与客户交易相关的所有数据集

goose 输出​

桌面版

DataHub 扩展会搜索你的数据目录，并返回相关数据集及其元数据，包括：

  • 数据集名称和描述
  • 列名、类型、描述和标签
  • 所有者
  • 标签、属性和词汇表术语
  • 使用统计
  • 数据质量状态

探索数据血缘​

我想从 customer_orders 表中删除 “timestamp_seconds” 列。什么会坏掉？

goose 提示词​

给我看 customer_orders 表的上游血缘

goose 输出​

桌面版

扩展会遍历血缘图，并展示任何会受删除该列影响的：

  • 源表和数据集
  • 转换管道
  • ETL 作业和工作流
  • 下游列

生成 SQL 查询​

我如何计算去年在美国产生的订单数量？

goose 提示词​

针对 customer_orders 数据集最常运行的查询有哪些？

goose 输出​

桌面版

扩展会检索 SQL 查询历史，展示：

  • 频繁执行的查询
  • 常见的连接模式
  • 过滤条件
  • 聚合模式

此外还有列名、类型、描述和任何标签。这将使代理能够生成高质量 SQL 来回答问题。

理解数据质量与新鲜度​

在使用数据集之前，判断它是否可信。

goose 提示词​

customer_orders 表是否新鲜，并且没有数据质量问题？

goose 输出​

桌面版

扩展会获取：

  • 最新的数据质量断言和测试结果
  • 新鲜度 / 过期指标
  • Schema 变更历史
  • SLA 或 SLO 元数据
  • 所有者提供的健康状态

从而使代理能够警告用户，或确认数据的可信度。

能力​

DataHub MCP 服务器提供以下工具：

search

使用结构化关键词搜索（/q 语法）搜索 DataHub，支持布尔逻辑、过滤器、分页，以及按使用指标可选排序。

get_lineage

检索任意实体（数据集、列、仪表盘等）的上游或下游血缘，支持过滤、血缘内查询、分页和跳数控制。

get_dataset_queries

获取引用某个数据集或列的真实 SQL 查询（手工编写或系统生成），以理解使用模式、连接、过滤和聚合行为。

get_entities

按 URN 获取一个或多个实体的详细元数据；支持批量检索，以便高效检查搜索结果。

list_schema_fields

列出数据集的 schema 字段，支持关键词过滤和分页。当搜索结果截断了字段，或在探索大型 schema 时很有用。

get_lineage_paths_between

检索两个资产或列之间的确切血缘路径，包括中间转换和 SQL 查询信息。

资源​

故障排除​

连接问题​

如果连接 DataHub 时遇到问题：

  1. 核实 DATAHUB_GMS_URL 是否正确：

    • DataHub Cloud：https://your-tenant.acryl.io
    • 本地实例：http://localhost:8080
    • 本地部署：https://datahub.your-company.com

  2. 确认个人访问令牌有效，并且具有适当权限

  3. 检查网络连通性和防火墙规则

安装问题​

如果找不到 uvx：

  1. 确保已安装 uv：curl -LsSf https://astral.sh/uv/install.sh | sh
  2. 重启终端，或 source 你的 shell 配置
  3. 验证安装：which uvx