为什么 AI Agent 可以信任你的数据Cube Core 搭配 MCP Server 让 AI 拥有受治理的分析底座完整指南【免费下载链接】cube Cube Core is open-source semantic layer for AI, BI and embedded analytics项目地址: https://gitcode.com/gh_mirrors/cu/cubeCube Core 是一个开源**语义层Semantic Layer**项目为 AI、BI 和嵌入式分析提供统一、受治理的数据底座。配合内置的MCP Server它让 Claude、Cursor 等 AI Agent 通过安全、可控的通道查询你的企业数据——这正是为什么 AI Agent 可以信任你的数据的答案所在 语义层AI 可信数据的第一块基石让 AI 直接读数据库表就像让新手直接操作生产环境表名难猜、口径不一致、权限无处把关。Cube Core 的做法是——先用语义建模把业务抽象成清晰的 Cube事实表与 View业务视角再让所有上层消费者只通过这些受治理的对象取数。上图展示了 Cube Core 的四层结构Data Modeling → Access Control → Caching → APIs。左侧对接 ClickHouse、Snowflake、BigQuery 等数十种数据源右侧统一输出给嵌入式分析、BI 工具以及AI Agents Chatbots——AI 拿到的不是散乱的表而是带业务含义、带权限的可信指标。语义层的价值可以概括为三点✅指标口径统一revenue在 AI 回答里和 BI 报表里是同一个定义不会出现两张嘴说两个数✅权限集中管控访问策略定义在数据模型里任何入口API、BI、MCP共享同一套权限✅AI 上下文增强每个度量、维度都带描述和 AI 上下文信息让 AI看得懂业务术语 相关文档语义层接入 AI 的上下文说明、Cube 建模为什么 AI Agent 可以信任你的数据四层治理MCPModel Context Protocol是开放标准让 AI 助手能够安全地连接外部数据源和工具。Cube Core 将MCP 作为数据入口的一部分而非后门通过四层治理让 AI Agent 的每一次取数都可被审计、可被约束1️⃣ 行级安全每个用户只看到自己该看的行AI Agent 通过 MCP 发起的每个查询都以认证用户的身份执行并遵守与 Cube 其余入口完全相同的权限体系包括行级安全RLS。通过 访问策略Access Policies你可以在数据模型中声明manager 组只能看到自己国家的订单这类规则——AI 替某个销售问数据时拿到的自动就是该销售有权看到的行而不是全量数据。官方文档原文强调了一句话非常关键MCP is a new way to reach your data, not a new access surface——MCP 只是新的取数方式不是新的权限口子。更多细节见 行级安全文档。2️⃣ 规则与认证查询约束 AI 的行为本身语义层管住了数据Cube Core 还能管住AI 怎么分析。Agent 的配置以代码形式存放在数据模型仓库的agents/目录下支持版本管理和代码评审Rules规则把业务定义写进 Markdown比如财年从 4 月 1 日开始Q1 是 4–6 月注入到 AI 的每次回答中 → Rules 文档Certified Queries认证查询提供一套经过业务验证的 SQL 示例库引导 AI 用正确的业务逻辑写查询 → 认证查询文档这两者配合AI 给出的分析不再只是语法正确的 SQL而是符合公司口径的分析。3️⃣ OAuth 认证 部署访问白名单MCP Server 通过 HTTPS **OAuthAuthorization Code PKCE**认证用户先以自己的身份登录 CubeAI 才能代其取数。管理员还可以在Admin → MCP Server中控制哪些部署deployment允许被 MCP 客户端访问如上图Deployment Access区域可以指定默认部署并打开Limit available deployments只放行选定的部署。任何超出白名单或用户权限的访问都会直接返回 403——AI 无法越权探测。4️⃣ 写操作分级确认破坏性操作必须先过人这一关MCP Server 暴露的工具按只读 / 写入 / 破坏性三级标注。破坏性操作如删除报表、合并分支到生产在客户端如 Claude始终会先弹确认对数据模型的修改更是被强制写入个人开发分支合并到生产前必须显式确认。AI 可以提效但扳机始终在人手里 完整工具清单与安全机制见 MCP Server 官方文档快速上手把 Claude 或 Cursor 连到 Cube Core一键连接 Claude最省事在 Claude 中打开Customize → Connectors点击 → Browse connectors搜索Cube并点击Connect完成 OAuth 授权、选择租户——无需粘贴任何端点 URL之后在对话中启用 Cube 连接器直接用自然语言问数据问题即可。连接 Cursor / Codex 等其他 MCP 客户端在客户端配置中加入 MCP 端点https://cubecloud.dev/mcp客户端会自动发现 OAuth 配置并引导你完成认证。以 Cursor 为例在设置中添加{ mcpServers: { cube-mcp-server: { command: npx, args: [-y, mcp-remote, --transport, http, https://cubecloud.dev/mcp] } } }如果你的 Cube 部署在自己的云上或独立域名下使用https://your-console-domain/mcp即可。反向能力让 Cube Agent 调用外部 MCP 工具除了AI 进来查数据Cube 还支持MCP Connectors让 Cube 内置的 Agent 主动调用 Notion、Linear、Sentry 等外部 MCP 服务的工具在同一个对话里结合业务数据回答更复杂的问题出站能力详见 MCP Connectors 文档。顺手一提数据源接入同样受治理Cube Core 连接第三方数据源如 Databricks时同样走 OAuth 授权流程管理员可在Integrations → OAuth apps统一管理授权应用并在Connected accounts页面查看每个授权状态未授权的一键 Authorize从数据源接入到 AI 取数整条链路都在同一套身份与授权体系之下 典型场景AI Agent 受治理数据底座场景以前的做法Cube Core MCP Server 之后让 AI 分析上月销售AI 猜表名、猜口径数字不可信AI 查询语义模型口径与 BI 完全一致销售自助问数数据团队人工跑 SQLAI 代其提问行级安全自动过滤出可见行让 AI 改数仓模型不敢让 AI 碰生产写入个人分支合并前人工确认跨工具分析数据 Sentry 报错多系统来回切换Agent 在对话中同时调用外部 MCP 工具快速导航延伸阅读与资源 MCP Server 完整文档30 个工具清单、部署选择、故障排查 Agent 总览配置LLM 选择、运行时模式、记忆隔离 访问策略参考成员级 行级 脱敏一体化配置 多数据源管理 与 并发配置 仓库示例预聚合配方、数据建模配方总结AI Agent 时代让 AI 看数据不再是技术问题而是治理问题。Cube Core 作为开源语义层把指标口径、行级权限、行为规则统一收敛在数据模型中再叠加 MCP Server 的 OAuth 认证、部署白名单与写操作分级确认就构成了一条完整链路AI 能问 → 但只问得到它该问的能改 → 但改之前必须人确认。这就是 AI Agent 可以信任你的数据的原因。想动手试试克隆仓库https://gitcode.com/gh_mirrors/cu/cube从 recipes 示例开始10 分钟内搭起你的第一个受治理 AI 分析底座 【免费下载链接】cube Cube Core is open-source semantic layer for AI, BI and embedded analytics项目地址: https://gitcode.com/gh_mirrors/cu/cube创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考