Studio 托管 MCP Server
云器 Lakehouse Studio 内置托管了一个 MCP Server。用户不需要自己部署服务进程，只需要在 Studio 中创建 Personal Access Token，并把对应客户端配置接入 Claude Desktop、Cursor、Cherry Studio 等 AI Agent，即可让 Agent 直接操作 Lakehouse 和 Studio 中的数据、任务与运维能力。
这套能力适合两类用户：
- 希望把 Lakehouse 和 Studio 接入通用 AI 客户端的用户
- 希望让 AI Agent 直接参与任务开发、任务执行、运行排查的用户
它与独立部署的 Lakehouse MCP Server 的区别在于：
- Studio 托管版：由云器托管，适合快速接入和日常使用
- 自托管版：由用户自行部署，更适合需要自定义部署方式或接入策略的场景
这套 MCP 能做什么
Studio 托管 MCP Server 覆盖以下几类典型场景：
- 查询 Lakehouse 数据源、Schema、表等元数据
- 创建和读取 Studio 目录、任务、任务内容与配置
- 发布任务、临时执行任务，并读取任务实例、执行 attempt 和执行日志
- 面向 CDC、数据质量、组合任务等更复杂对象提供专门工具
这意味着它并不只是”让 Agent 查一条 SQL”，而是可以把 Agent 接入到 Studio 的实际工作流中。
建议阅读路径
如果你是第一次接触 Studio 托管 MCP Server，建议按下面顺序阅读：
- Studio 托管 MCP Server 接入配置指南
- Studio MCP 使用方式：先探索，再执行
- Studio MCP 能力总览
- Studio MCP 操作 SQL 任务
- Studio MCP 操作 Python 任务
- Studio MCP 操作普通离线同步任务
- Studio MCP 场景：离线同步接 SQL 建模
- Studio MCP 配置任务参数与调度
- Studio MCP 发布、下线与运行诊断
- Studio MCP 任务开发与运行诊断指南
- Studio MCP 操作普通数据集成任务
- Studio MCP 操作多表实时同步任务
- Studio MCP 最佳实践
适合优先使用 MCP 的场景
以下场景通常比纯手工点页面更适合先让 Agent 通过 MCP 操作：
- 快速盘点当前工作空间有哪些数据源、Schema、表和任务
- 批量查看任务基础信息、任务配置和任务状态
- 在已有 SQL、Python 或普通离线同步任务上补写内容、更新说明、读取执行日志
- 先由 Agent 做一次运行排查，再决定是否回到页面做更细的人工检查
什么时候仍然建议回到页面
MCP 很适合结构化操作，但不等于要替代所有页面动作。以下场景通常仍然建议结合页面一起使用：
- 需要对复杂图形化配置做人工确认时
- 需要浏览大段执行结果、图形化依赖关系或长日志时
- 需要从多个候选对象里做视觉判断时
比较自然的使用方式通常是：
- 先用 MCP 快速查询、定位和执行
- 再用页面完成视觉确认、细节调整和最终核验
联系我们