$ loading_
为数据集提供可追溯的 schema、血缘和质量信号查询
复制安装指令，让 AI 自动完成配置 · 推荐新手
"Context Catalog MCP" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
请查询 sales.orders 表的字段、类型和主键，并说明它的结构含义。
输出该表的 schema 说明，便于快速理解字段含义。
请查一下这个指标对应的数据集血缘，上游来源有哪些。
输出数据血缘路径和上游依赖关系。
请查看 customers 表的数据质量信号，告诉我是否适合用于分析。
输出质量/可信信号，帮助判断数据是否可用。
数据分析师在做报表或建模前，需要确认表结构、字段含义和来源是否清楚。这个工具可以直接从目录里拿到 grounded 信息，减少误判。
开发者或研究员在查看某个数据集时，可以用它回答“这个表从哪来”“有哪些上游依赖”“是否可信”等问题。
当 AI 需要基于目录信息回答问题时，这个 MCP 工具能提供 schema、血缘和质量信号，帮助减少幻觉。
它是一个 MCP 工具，基于 SQLite-backed catalog 暴露 schema、lineage 和 data-quality trust signals。它的目标是让 AI 代理能基于目录中的真实信息回答数据集问题。
它可以帮助查询数据集结构、字段信息、血缘关系和质量/可信信号。是否还有更具体的能力，见源码仓库。
它不是凭空生成答案，而是从目录中取出可追溯的信息来回答问题。这样更适合需要 grounded 结果的数据场景。
为大模型提供可治理的数据访问层，统一查询指标、血缘与数据目录。
通过标准化接口安全查询SQLite数据库并快速预览表结构
让 AI 通过自然语言连接并查询 SQLite 数据库，快速获取表与数据洞察。
让 AI 安全查询和分析业务指标，输出可靠的数据分析结论。
连接真实世界数据集，直接提问研究问题并返回实际数据库记录。
帮助用户深入分析数据库结构、索引问题与查询计划，快速定位性能隐患。