MindsDB, Google의 MCP Toolbox에 비정형 데이터 지원을 추가해 성능 강화
Source: Dev.to
위의 링크에 포함된 전체 텍스트를 제공해 주시면, 해당 내용을 한국어로 번역해 드리겠습니다.
MindsDB 통합 한눈에 보기
MindsDB는 AI 애플리케이션을 위해 특별히 설계된 연합 쿼리 엔진입니다. 친숙한 SQL을 사용해 수백 개의 데이터 소스(구조화, 반구조화, 비구조화)를 조회할 수 있게 해주는 범용 번역기 역할을 합니다. 우리는 이 기능을 MCP Toolbox에 새로운 커넥터로 기여하여, 개발자와 AI 에이전트가 MindsDB를 통해 보다 넓은 범위의 기업 데이터와 원활히 상호작용할 수 있도록 했습니다.
이제 MindsDB와 함께라면 MCP Toolbox가 **수백 개의 데이터 소스**에 연결할 수 있습니다. 여기에는 Salesforce, Jira, GitHub과 같은 인기 비즈니스 애플리케이션은 물론 Gmail, Slack과 같은 비구조화 데이터 소스도 포함됩니다. 이를 통해 데이터 사일로를 해소하고 단일 API를 통해 모든 데이터를 AI 애플리케이션에 연결할 수 있습니다. 일반적인 사용 사례로는 AI 기반 검색, 분석, 그리고 에이전시 애플리케이션을 위한 실시간 데이터 제공 등이 있습니다.
Key features: Bridging structured and unstructured worlds
- Datasource expansion – 즉시 방대한 새로운 데이터 소스 카탈로그에 접근할 수 있습니다. Salesforce 기회를 GitHub 활동과 함께 쿼리하거나, Slack 대화와 함께 이메일 패턴을 분석하세요—모두 통합 인터페이스를 통해.
- SQL interface for any data – 다양한 API 프로토콜(REST, GraphQL, 네이티브 프로토콜)로 자동 변환되는 표준 SQL 쿼리를 작성합니다. 이를 통해 다양한 데이터에 접근하는 복잡성과 학습 곡선을 줄일 수 있습니다.
- Cross‑datasource AI analytics – 서로 다른 소스 간에 조인 및 분석을 수행합니다. 예를 들어, Salesforce의 판매 데이터와 GitHub의 개발 활동을 연관시켜 비즈니스 운영에 대한 전체적인 관점을 얻을 수 있습니다. MindsDB는 각 소스(구조화된 것이든 비구조화된 것이든)를 가상 테이블로 취급하여 모든 소스에 걸친 정교한 SQL 작업을 가능하게 합니다.
- Access to unstructured data – 200개가 넘는 커넥터를 통해 텍스트 데이터를 인덱싱하고 SQL로 쿼리할 수 있습니다.
- Knowledge Bases for unstructured data – 자율적인 Retrieval‑Augmented Generation(RAG) 시스템을 만듭니다. 이메일(Gmail/Outlook), 메시지(Slack, Microsoft Teams, Discord), 파일(S3, 로컬 파일)을 Knowledge Base에 수집합니다. 수집된 데이터는 AI 애플리케이션이나 모델이 쿼리할 수 있게 됩니다. 자동 생성된 데이터 카탈로그는 모든 소스에 대한 메타데이터와 관계 모델을 제공하고, 하이브리드 검색(벡터 유사도 + 키워드)은 AI 검색 및 분석 사용 사례에 가장 적합한 결과를 도출합니다.
기술 구현 업데이트
- 새로운 MindsDB 소스 구현 – Toolbox에 MySQL 와이어 프로토콜을 활용하여 견고한 연결성을 제공하는 MindsDB 소스가 포함되었습니다.
- 포괄적인 테스트 커버리지 – 광범위한 단위 및 통합 테스트를 통해 신뢰성과 기존 SQL 기능과의 하위 호환성을 보장합니다.
- 전용 MindsDB 도구 – 직접 SQL 실행을 위한
mindsdb-execute-sql와 매개변수화된 쿼리를 위한mindsdb-sql이 향상된 유연성을 제공합니다.
Source: …
빠른 시작 가이드
-
MCP Toolbox 설정
MCP Toolbox 서비스가 실행 중인지 확인하세요. 자세한 내용은 공식 문서를 참고하세요. -
MindsDB 설치
MindsDB를 가장 빠르게 실행하려면 Docker를 사용하세요:docker run --name mindsdb_container \ -e MINDSDB_APIS=http,mysql \ -p 47334:47334 -p 47335:47335 \ mindsdb/mindsdb다른 설치 옵션(예: PyPI)은 MindsDB 문서를 참고하세요.
-
MindsDB에서 데이터 소스 연결
MindsDB 안에서 외부 소스에 연결되는 “데이터베이스”를 생성합니다. 예시:각 커넥터 설정 방법은 해당 통합 가이드를 따르세요.
MindsDB에서 데이터 소스 연결하기
보통 CREATE DATABASE 문을 사용합니다. 예시:
-- Salesforce에 연결
CREATE DATABASE salesforce_datasource
WITH
ENGINE = 'salesforce',
PARAMETERS = {
"username": "your-username@email.com",
"password": "your-password",
"client_id": "your-client-id",
"client_secret": "your-client-secret"
};
-- PostgreSQL에 연결
CREATE DATABASE postgresql_datasource
WITH
ENGINE = 'postgres',
PARAMETERS = {
"host": "postgres.sample.com",
"port": 5432,
"database": "postgres",
"user": "postgres",
"schema": "data",
"password": "password"
};자세한 커넥터 내용은 MindsDB 문서의 특정 커넥터 상세 정보를 참고하세요.
4. MCP Toolbox에서 MindsDB 도구 사용
MCP Toolbox 내의 MindsDB 통합을 통해 연결된 MindsDB 데이터 소스에 대해 SQL 쿼리를 실행할 수 있습니다. mindsdb-execute-sql 같은 도구를 사용해 직접 쿼리할 수 있습니다.
-- 연합 쿼리 실행
SELECT *
FROM salesforce_datasource.account a
JOIN postgresql_datasource.customer_int c
ON a.`Id` = c.`AccountId`;5. 데이터를 Knowledge Base에 통합하기
MindsDB Knowledge Base에 데이터를 로드하면 대규모 비정형 데이터에 대한 의미 검색이 가능해집니다.
CREATE KNOWLEDGE_BASE my_kb
USING
embedding_model = {
"provider": "openai",
"model_name": "text-embedding-3-large",
"api_key": "sk-..."
},
reranking_model = {
"provider": "openai",
"model_name": "gpt-4o",
"api_key": "sk-..."
},
storage = my_vector_store.storage_table,
metadata_columns = ['AccountId', 'Created_At', ...],
content_columns = ['Description', 'Notes', ...],
id_column = 'Id';
INSERT INTO my_kb
SELECT *
FROM salesforce_datasource.account a
JOIN postgresql_datasource.customer_int c
ON a.`Id` = c.`AccountId`;Knowledge Base에 대한 자세한 내용은 여기를 확인하세요.
리소스
- MCP 툴박스 GitHub 저장소:
- MCP 툴박스의 MindsDB:
- MindsDB 문서:
- MindsDB GitHub: