seob717/redash-mcp

Добавляет визуализацию сохранённого запроса на панель мониторинга в качестве виджета. Поведение: размещает виджет и возвращает его id и dashboard_id. Использование: получите dashboard_id из list_dashboards или create_dashboard, а visualization_id из get_query (каждый сохранённый запрос предоставляет свои визуализации). Так вы собираете панель мониторинга после её создания.

Архивирует сохранённый запрос, удаляя его из списков активных запросов. Это форма удаления в Redash, и её нельзя отменить через API, поэтому перед вызовом подтвердите у пользователя. Поведение: архивирует запрос и возвращает сообщение с подтверждением. Использование: найдите query_id с помощью list_queries.

Создаёт оповещение, которое отслеживает сохранённый запрос и срабатывает, когда выбранный столбец результата пересекает порог (например, daily_signups меньше 10). Поведение: создаёт оповещение и возвращает его id и name. Использование: получите query_id из list_queries и сначала подтвердите точное имя столбца с помощью get_query / get_query_result. Оповещение оценивает последний результат запроса по расписанию Redash.

Создаёт новую пустую панель мониторинга. Поведение: создаёт панель и возвращает её id, name и slug. Использование: после создания заполните её графиками с помощью add_widget, передавая идентификаторы визуализаций, полученные из get_query. Чтобы вместо этого вывести список или просмотреть существующие панели, используйте list_dashboards / get_dashboard.

Сохраняет новый именованный SQL-запрос в Redash, чтобы его можно было повторно использовать, запускать по расписанию, визуализировать или добавлять на панель мониторинга. Поведение: создаёт запрос и возвращает его новый id, имя и created_at. Использование: получите data_source_id из list_data_sources и сначала проверьте, что SQL выполняется с помощью run_query; чтобы изменить существующий запрос, используйте update_query. Примечание: это только сохраняет запрос - используйте get_query_result, чтобы выполнить его.

Строит и запускает набор тестов точности генерации SQL для источника данных. Поведение: действие 'add_test' сохраняет вопрос в паре с эталонным SQL; 'list_tests' показывает их; 'remove_test' удаляет один; 'run' оценивает сгенерированный SQL по тестовым случаям; 'results' показывает последний запуск. Использование: используйте это, чтобы измерить, действительно ли карты ключевых слов и few-shot примеры со временем улучшают точность smart_query; тестовые случаи и запуски хранятся локально для каждого data_source_id.

Создаёт форк (дублирует) существующий сохранённый запрос в новую, независимо редактируемую копию, оставляя исходный без изменений. Поведение: создаёт копию и возвращает её новый id и name. Использование: найдите query_id для форка с помощью list_queries; используйте это, когда хотите экспериментировать с запросом или адаптировать его без изменения оригинала.

Получает полные сведения об одном оповещении. Поведение: возвращает id оповещения, название, текущее состояние, last_triggered_at, параметры порога (столбец, оператор, значение) и запрос, который оно отслеживает (id, name, description, data_source_id). Использование: найдите alert_id с помощью list_alerts.

Просматривает конфигурацию и состояние BIRD SQL.

Получает полную компоновку панели мониторинга. Поведение: возвращает идентификатор, название, слаг панели и каждый виджет, каждый со своей связанной визуализацией (id, название, тип) и запросом позади неё (id, название). Использование: найдите идентификатор или слаг панели с помощью list_dashboards; используйте возвращённые id визуализации/запроса, чтобы понять или расширить панель с помощью add_widget.

Получает полное определение сохранённого запроса. Поведение: возвращает SQL-текст запроса, data_source_id, теги, владельца, время обновления и его визуализации (каждая с id, именем, типом). Использование: найдите query_id с помощью list_queries. Возвращённые идентификаторы визуализаций можно разместить на панели с помощью add_widget; чтобы фактически выполнить запрос, используйте get_query_result.

Выполняет существующий сохранённый запрос по его ID и возвращает последние результаты. Поведение: выполняет запрос, сохранённый в Redash, и возвращает до max_rows строк в виде таблицы Markdown или JSON, со списком колонок и примечанием об усечении. Использование: найдите query_id с помощью list_queries или get_query. В отличие от run_query, этот инструмент выполняет уже сохранённый SQL, а не произвольный SQL, поэтому защитная проверка не применяется.

Получает имена столбцов и типы данных для одной или нескольких таблиц в источнике данных. Принимает одну таблицу или список таблиц, разделённых запятыми. Используйте это, чтобы подтвердить точные имена и типы столбцов перед написанием SQL с помощью run_query или smart_query. Возвращает столбцы каждой таблицы; если имя таблицы не найдено, предлагает проверить его с помощью list_tables.

Перечисляет все оповещения, настроенные в Redash. Поведение: возвращает массив, где каждое оповещение содержит id, название, текущее состояние (ok / triggered / unknown), last_triggered_at, привязанный запрос (id, название) и параметры порога. Использование: используйте это для получения alert_ids, затем вызовите get_alert для получения полной информации об одном оповещении или create_alert для добавления нового.

Перечисляет дашборды в Redash, сначала самые недавно обновлённые. Поведение: возвращает постраничный массив, каждый элемент содержит id, name, slug и временные метки created/updated. Использование: используйте, чтобы узнать id или slug дашборда, затем вызовите get_dashboard для просмотра его виджетов и визуализаций или create_dashboard для создания нового. Поддерживает поиск по ключевым словам и пагинацию.

Выводит список подключенных источников данных (id, name, type). Сначала вызовите этот инструмент, чтобы получить data_source_id.

Выводит список сохранённых (именованных) запросов в Redash, отсортированных по дате последнего обновления. Поведение: возвращает массив с постраничной навигацией, каждый элемент содержит id, name, description, data_source_id и updated_at. Используйте это, чтобы узнать query_ids, затем вызывайте get_query для получения полного SQL и визуализаций запроса, или get_query_result для его выполнения. Поддерживает поиск по ключевым словам и пагинацию; для ad-hoc SQL, который не сохранён, используйте run_query.

Перечисляет таблицы в источнике данных. Использует ключевое слово для фильтрации по имени. Проверяет имена таблиц здесь перед написанием SQL.

Управляет few-shot примерами, которые smart_query использует для генерации более точного SQL. Поведение: действие 'list' возвращает все сохранённые примеры с их идентификаторами; 'add' сохраняет новый пример (требует объект примера); 'remove' удаляет один (требует example_id). Каждый пример связывает вопрос на естественном языке с правильным SQL и используемыми таблицами, обучая модель соглашениям предметной области вашей схемы. Использование: примеры хранятся локально для каждого data_source_id и автоматически извлекаются smart_query - зарегистрируйте несколько для повторяющихся шаблонов вопросов, чтобы повысить точность.

Управляет сопоставлениями ключевых слов и имён таблиц. После проверки схемы с помощью list_tables зарегистрируйте домен-специфичные сопоставления, чтобы повысить точность сопоставления таблиц в smart_query. Например, {"revenue": ["payment"], "creator": ["creator"]}

Выполняет произвольный SQL-запрос к источнику данных и возвращает полученные строки. Каждый запрос проходит через SQL safety guard, который блокирует деструктивные операторы (DROP/TRUNCATE/ALTER, DELETE/UPDATE без WHERE) и помечает PII-столбцы и дорогостоящие полные сканирования; результаты кэшируются в памяти. Поведение: возвращает до max_rows строк в виде таблицы Markdown или JSON, вместе со списком столбцов и примечанием об усечении, если строк больше. Использование: сначала подтвердите имена таблиц и столбцов с помощью list_tables и get_table_columns; для вопросов на естественном языке спланируйте SQL с помощью smart_query перед вызовом этого инструмента. Чтобы вместо этого выполнить уже сохранённый запрос, используйте get_query_result.

Интеллектуальный инструмент запросов на основе BIRD SQL. Анализирует вопросы на естественном языке, чтобы (1) извлечь соответствующую схему, (2) сопоставить похожие few-shot примеры, (3) оценить сложность, (4) запросить уточнение для неоднозначных вопросов. Вызывайте этот инструмент перед run_query. Для нового источника данных сначала изучите схему с помощью list_tables, затем зарегистрируйте отображения ключевых слов на таблицы через manage_keyword_map, чтобы значительно повысить точность. Примечание: когда установлена ANTHROPIC_API_KEY, списки имен таблиц (но не результаты запросов или данные строк) могут быть отправлены в Anthropic API как запасной вариант для выбора таблицы.

Записывает, был ли SQL, сгенерированный для вопроса, правильным, чтобы smart_query улучшался со временем. Поведение: сохраняет оценку up/down; когда вы ставите 'down' и предоставляете правильный SQL, ошибка классифицируется, и, если такая же ошибка повторяется, автоматически повышается до few-shot примера. Возвращает id обратной связи и тип ошибки или повышение. Использование: вызывайте после просмотра вывода smart_query/run_query; обратная связь хранится локально для каждого data_source_id и питает цикл обучения.

Обновляет поля существующего сохранённого запроса. Поведение: изменяются только те поля, которые вы передаёте (name, SQL, description или tags); все пропущенные поля остаются без изменений. Возвращает id, name и updated_at запроса. Использование: найдите query_id с помощью list_queries или get_query; чтобы вместо этого создать совершенно новый запрос, используйте create_query.