工具推薦｜mcp-bi — 讓 Agent 用同一組工具呼叫讀懂 Superset、Metabase 到 Power BI 的儀表板

TL;DRmcp-bi 是 zavora-ai 開源的 Business Intelligence MCP Server，用 BI_BACKEND 環境變數切換 Superset／Metabase／Power BI／Tableau／Looker／Qlik／QuickSight，Agent 寫一套工具呼叫就能跨平台讀儀表板。安裝：cargo run（預設內建假資料，免設定）。解決了「Agent 只看得到 dashboard 截圖、只能瞎猜趨勢」的問題。

#ai-agent #tool #daily #mcp-server

工具資訊
解決什麼問題
快速上手
與現有工具的比較
注意事項
今日收穫
參考資料

系列: AI Tool of the Day (28 / 31)

🌏 English version

工具資訊

項目	值
名稱	mcp-bi（Business Intelligence MCP Server）
類型	MCP server
GitHub	zavora-ai/mcp-bi
Stars	1
語言	Rust
授權	Apache-2.0（crates.io 標示；GitHub repo 頁面授權欄位顯示 `Other/NOASSERTION`，疑似缺標準 LICENSE 檔案，使用前建議自行確認）
安裝	`cargo run`（clone 後，預設免設定的 fixture backend）

解決什麼問題

你想做一個能回答「這季營收跟上季比怎樣」「哪個管道流量掉最多」的營運 Agent，資料已經在公司的 BI 平台上有現成的 dashboard 了——但 Agent 要嘛得學會每家平台不同的查詢語言（Superset 用 SQL、Power BI 用 DAX、Looker 用 explore），要嘛只能吃一張 dashboard 截圖。截圖法特別危險：模型看著圖片會很自然地「描述」出一條它根本沒量過的趨勢線，數字全靠猜。

mcp-bi 把這層差異收進一個環境變數 BI_BACKEND 裡：預設是內建三個假資料 dashboard 的 memory 模式，不用接任何帳號密碼就能先試工具怎麼用；要接正式平台就換成 superset、metabase、powerbi、tableau、looker、qlik 或 quicksight，Agent 呼叫的十二個工具（如 bi_list_dashboards、bi_chart_data、bi_drill_down）介面完全一樣，換平台不用改 Agent 端的程式碼。核心設計原則寫得很直白：「數字才是權威，圖片是給人看的」——bi_render_chart 回傳 PNG 的同時一定附上背後的統計數字，bi_insights 則單獨算出方向、變化量、極值、平均、離群值這些「值得引用的數字」，逼敘事只能引用真的算出來的東西。

適合場景：內部有 Superset 或 Metabase、想讓 Agent 直接查詢既有 dashboard 而不是重新接資料庫的團隊；客服或營運 Agent 需要回答「這個數字最新是多少」；已經用多家商用 BI 平台、想要一套工具介面而不是為每個平台各寫一套整合的場景。

快速上手

安裝

# 免設定試用：內建 3 個假資料 dashboard
git clone https://github.com/zavora-ai/mcp-bi
cd mcp-bi
cargo run

# 或直接裝發布到 crates.io 的版本
cargo install mcp-bi

基本用法

# 接正式的 Apache Superset（建議用帳密而非 token，見下方注意事項）
BI_BACKEND=superset \
  SUPERSET_URL=http://localhost:8088 \
  SUPERSET_USERNAME=admin SUPERSET_PASSWORD=admin \
  cargo run

Agent 拿到 MCP server 後的典型呼叫順序：

1. bi_backend_info      # 先確認接的是哪個平台、支援哪些能力
2. bi_list_dashboards   # 列出所有 dashboard
3. bi_get_dashboard     # 看單一 dashboard 有哪些可下鑽的維度
4. bi_chart_data        # 拿某張圖背後的原始數據列
5. bi_insights          # 算出方向/變化量/極值/離群值,回答時引用這些數字

進階用法

# 下鑽:用篩選條件narrow,再依某個維度breakdown,回傳篩選前後的列數對照
# (由 Agent 透過 bi_drill_down 工具呼叫,非命令列參數)

# 本機起一個真的 Superset 來驗證,而不是只信任 API 文件
docker run -d --name superset-bi -p 8088:8088 \
  -e SUPERSET_SECRET_KEY=local-only apache/superset:latest
docker exec superset-bi superset db upgrade
docker exec superset-bi superset init
docker exec superset-bi superset load_examples   # 灌 9 個真實範例 dashboard
python3 scripts/verify-superset.py ./target/release/mcp-bi

與現有工具的比較

	mcp-bi	只丟 dashboard 截圖給 Agent	單平台官方/社群 BI MCP（如僅支援 Metabase）
換 BI 平台不用改 Agent 端程式碼	✅（統一 12 個工具）	—	❌（換平台要換 MCP）
圖表回傳附帶背後統計數字	✅ `bi_render_chart` 同時回 PNG 與數字	❌ 全靠模型看圖猜	依實作而定
免帳密先試工具介面	✅ 預設 `memory` fixture	—	通常要先接真帳號
多平台商用 API 都做過真實串接驗證	部分：Superset 對過真實實例，其餘 5 家僅依文件實作、未對真租戶測過	—	通常只做自家那一個平台，驗證較集中
唯讀，無寫入/改動 dashboard 能力	✅（`writes_allowed = "none"`）	—	依實作而定

注意事項

只有 Superset 真的被驗證過：README 明講 Metabase 是照文件用錄好的回應測的，Power BI／Tableau／Looker／Qlik／QuickSight 五個商用平台的 adapter 完全沒對真實租戶跑過，作者原話是「expect at least one surprise per platform」——生產環境接這五家之前務必自己先打通一次。
授權標示有落差：crates.io 上 Cargo 套件標明 Apache-2.0，但 GitHub repo 頁面的授權偵測欄位顯示 Other/NOASSERTION，疑似倉庫裡沒有標準格式的 LICENSE 檔案。正式採用前建議直接去 repo 確認授權檔案內容，不要只看徽章。
專案才發佈一天、只有 1 個 star：程式碼量不小（Rust 約 3,800 行，含 27 個測試），但社群驗證幾乎是零，遇到 issue 大概率得自己讀原始碼排除。

今日收穫

BI 整合最大的坑通常不是「接不到 API」，是「Agent 的答案有沒有數字撐著」——只丟一張 dashboard 截圖，模型會很流暢地編出它從沒量過的趨勢。mcp-bi 把「圖表」和「圖表背後的統計數字」設計成必須一起回傳的兩件事，等於在協定層面就堵住了「看圖說故事」這條路。

參考資料

zavora-ai/mcp-bi GitHub repo：README 全文——架構、12 個工具列表、各平台環境變數、Superset 真實驗證的三個踩坑記錄、「Not yet verified」聲明出處。
mcp-bi — crates.io：套件授權（Apache-2.0）、版本號（0.1.1）、程式碼行數統計（Rust 3,857 行／Python 150 行）出處。
GitHub API repo metadata（zavora-ai/mcp-bi）：Stars（1）、語言（Rust）、建立時間（2026-09-11）、授權偵測欄位（Other/NOASSERTION）取自 GitHub REST API。