Keboola zrychluje datovou práci: Co je Keboola MCP a proč by vás to mělo zajímat

Jak Keboola fungovala doteď

Tradiční workflow v Keboola se skládá z několika kroků:

1. Import dat z různých zdrojů (např. Google Analytics, CRM, databáze).
   
   
2. Transformace pomocí SQL, Pythonu nebo R (často ručně psaný kód).
   
   
3. Orchestrace – nastavení plánů pro automatizaci (např. každodenní spuštění).
   
   
4. Export do datových skladů, BI nástrojů nebo dalších systémů.
   
   

Platforma nabízí vizuální rozhraní i možnosti pokročilé automatizace. Ale i přesto vyžadovala určité technické znalosti – orientaci v komponentech, práci s JSON konfiguracemi nebo psaní transformací.

Co je Keboola MCP (Model Context Protocol) Server

Keboola MCP Server je nový „most“ mezi Keboolou a nástroji typu Claude, ChatGPT nebo Cursor. Díky němu můžete stavět datové pipeline přirozeným jazykem – bez nutnosti znát konkrétní syntax SQL nebo nastavení komponent v UI.

MCP umožňuje:

• Procházet data v Keboola projektu (tabulky, sloupce, komponenty).
  
  
• Vytvářet a spouštět transformační skripty (SQL, Python, R).
  
  
• Debuggovat chyby a spravovat orchestraci.
  
  
• To vše pomocí pokynů v přirozeném jazyce – například:
  „Vytvoř mi pipeline, která spojí CRM data s objednávkami, vypočítá LTV zákazníků a exportuje je do BigQuery.“
  
  

Starý vs. nový způsob práce

Bezpečnost a nasazení

• MCP server neukládá žádná data – funguje jako prostředník.
  
  
• Používá OAuth autentizaci – bezpečně se propojí s vaším projektem.
  
  
• Můžete ho integrovat do AI IDE (Claude, Cursor) nebo spustit lokálně přes Docker/CLI.
  
  

Pro koho je MCP přínos?

• Datoví analytici – rychlejší tvorba přehledů bez čekání na vývojáře.
  
  
• Produktoví manažeři – validace hypotéz na datech vlastními slovy.
  
  
• Data inženýři – urychlení vývoje pipeline a debuggingu.

Zajímá vás víc? Připojte se na náš webinář: Zpracování dat pomocí AI - bez kódování

Shrnutí

Keboola MCP posouvá práci s daty do nové éry – zrychluje, zjednodušuje a demokratizuje přístup k datovým pipeline. Zatímco dříve bylo potřeba znát syntaxe a komponenty, dnes stačí formulovat svůj záměr. A to je obrovský krok kupředu – nejen pro datové týmy, ale pro celou firmu.