将 DataHub 文档接入 AI 工具llms.txt 索引、MCP 与 Agent 上下文实践指南【免费下载链接】datahubThe Context Platform for your Data and AI Stack项目地址: https://gitcode.com/GitHub_Trending/da/datahub本篇技术指南围绕 DataHub 官方发布的让 AI 工具直接消费文档方案展开核心讲解 DataHub 维护的机器可读文档索引llms.txt是什么、如何在 Cursor、Claude Code、ChatGPT、GitHub Copilot 等主流 AI 工具中接入并进一步介绍超越文档的元数据级 AI 访问路径MCP Server、Agent Context Kit、Ask DataHub、Analytics Agent。读完本文你将掌握让 AI 助手在编辑器内直接检索 DataHub 当前文档、以及在自有 DataHub 实例上让 AI 查询真实元数据的完整配置方法。背景为什么需要把文档喂给 AI 工具AI 编码工具如 Cursor、Claude Code只有在能访问准确、最新的参考资料时才能给出可靠的技术答案。DataHub 的应对方式是发布一个面向 AI 工具编写的机器可读文档索引——llms.txt文件它把整份文档站点的核心入口与主题分组以纯文本清单的形式集中呈现AI 工具可以直接抓取这份索引再按需拉取其中链接的页面从而在不切换浏览器标签页的情况下返回关于 DataHub 的准确、即时的答案。该文件在仓库中的实体为 docs-website/static/llms.txt其线上发布地址为https://docs.datahub.com/llms.txtllms.txt 是什么机器可读的文档导航图llms.txt是一种面向大语言模型的站点导航文件约定。打开仓库中的 llms.txt共 111 行可以看到它并没有把整份文档正文复制进去而是采用站点简介 按主题分组的精选链接清单的紧凑结构首部简介用一段话说明 DataHub 是什么——开源的数据与 AI 栈上下文平台统一上下文图context graph支撑人类团队与 AI Agent 的发现、治理与可观测性并说明 DataHub Core 与 DataHub Cloud 的区别标记为 Cloud 的文档章节属于托管版企业功能。主题分组Getting Started快速开始、核心概念、在线 Demo、AI AgentsMCP Server、Agent Context Kit、DataHub Skills、Ask DataHub、Analytics Agent、AI 文档生成、Ingestion IntegrationsSnowflake/BigQuery/Redshift/Tableau/Looker/Power BI 等摄取源、Airflow/Dagster/Spark/OpenLineage 血缘、APIs SDKsGraphQL、OpenAPI、Python SDK、Java SDK V2、DataHub CLI、Core Features血缘、搜索、业务术语表、数据产品、域、标签、所有权、数据契约、断言、自动化、事件、Authentication AuthorizationOIDC、个人访问令牌、策略与角色、DeploymentAWS/GCP/Azure/Kubernetes/Docker/环境变量、Architecture Development元数据模型、MCP/MCL 事件模型、开发环境、新增摄取源、DataHub Cloud、Community、Optional发布说明、GraphQL Schema 参考、DataHub Actions、Iceberg Catalog。统一链接格式每组下均以- [标题](https://docs.datahub.com/docs/...)的 Markdown 列表形式给出方便 LLM 解析后按需抓取正文页。这种索引 按需取页的设计正是为了让 AI 工具在上下文窗口有限的情况下先加载高密度导航再只拉取与当前问题相关的页面。按工具快速接入Quick StartDataHub 文档为不同 AI 工具给出了开箱即用的接入方式核心思路都是把llms.txt或文档站域名作为自定义知识源交给工具。Cursor添加自定义文档源打开Settings → Features → Docs点击 Add new doc输入https://docs.datahub.com作为 URL。Cursor 会抓取并索引整个站点之后在对话中通过DataHub引用该文档源即可。Claude Code在提示词或 CLAUDE.md 中引用索引在提示词中直接引用索引地址让 Claude Code 把它当作参考资料claude Using https://docs.datahub.com/llms.txt as reference, how do I set up DataHub ingestion from Snowflake?或者把该 URL 写进项目根目录的CLAUDE.md本仓库各子项目均维护自己的CLAUDE.md/AGENTS.md例如 datahub-web-react/CLAUDE.md、docs-website/CLAUDE.md这样 Claude Code 会在每一轮对话中自动携带该参考源。ClaudeWeb 与桌面版粘贴 URL 即可把llms.txt的 URL 直接粘贴进对话Use https://docs.datahub.com/llms.txt as reference. How do I write a custom ingestion source in DataHub?Claude 会自行抓取索引及其中相关的链接页面。仓库中对应的实操文档可参见 metadata-ingestion/adding-source.md编写自定义摄取源的完整流程。ChatGPT开启联网后粘贴 URL在开启浏览browsing功能的前提下把llms.txtURL 粘贴进对话ChatGPT 会将其作为本次会话后续内容的导航辅助持续从中取用相关资料。GitHub CopilotVS Code使用 #fetch 命令在 VS Code 的 Copilot Chat 中用#fetch指令直接拉取索引内容#fetch https://docs.datahub.com/llms.txt explain DataHubs metadata model配合仓库内的 metadata-models 模块693 个.pdl模型文件与 docs/metadata-modeling/metadata-model.md可以进一步核对实体、Aspect 与 URN 等元数据模型的细节。从查文档到查元数据AI 访问你的数据上下文接入文档只是第一层。DataHub 更进一步为 AI 提供了访问真实元数据的能力——Agent 不仅能回答DataHub 怎么用还能回答我公司的revenue表属于谁、下游有哪些任务、有没有 PII 列。这是通过以下四条路径实现的MCP Server把 AI 客户端直连到 DataHub 实例MCP Server 实现了 Model Context ProtocolMCP让 AI Agent 通过自然语言直接查询 DataHub 元数据搜索数据资产、追踪表级/列级血缘、查看 Schema、基于真实使用情况起草 SQL。适用客户端包括 Cursor、Windsurf、Claude Desktop、OpenAI 等任意 MCP 兼容客户端。托管版DataHub Cloud v0.3.12直接指向托管端点https://tenant.acryl.io/mcp用Authorization: Bearer token携带个人访问令牌认证新版v1.0.2支持 OAuth2 动态客户端注册DCR用户可走浏览器登录。自托管DataHub Core运行开源mcp-server-datahub通过环境变量DATAHUB_GMS_URLGMS 端点如http://localhost:8080与DATAHUB_GMS_TOKEN认证uvx mcp-server-datahublatest本地启动stdio或mcp-server-datahub-http共享部署HTTP每用户携带各自 tokenGET /health可作健康探针。工具能力只读工具如search支持/q语法与布尔逻辑、get_entities、list_schema_fields、get_lineage、get_dataset_queries、draft_sql_for_tables写入工具如add_tags、add_owners、update_description、set_domains、save_document等v0.5.0 通过TOOLS_IS_MUTATION_ENABLEDtrue开启工具均带readOnlyHint/destructiveHint等 MCP 标准提示便于客户端对修改类操作做二次确认。Agent Context Kit面向主流 Agent 框架与平台的预构建集成Agent Context Kit 是一套指南 SDK MCP 服务器的组合用于构建具备 DataHub 上下文业务定义、上下文文档、所有权、血缘、质量信号、样例查询等的 AI Agent。其覆盖的集成面包括AI 编码助手Cursor、ClaudeCode Desktop、Gemini CLI、Snowflake Cortex CodeAgent 框架SDKLangChain、Google ADKPython 侧安装pip install datahub-agent-context需 Python 3.10、一个 DataHub 实例与个人访问令牌托管 Agent 平台Databricks Genie Code / Agent Bricks、Snowflake Cortex Agents、Google Vertex AI、Microsoft Copilot Studio。文档中还给出了典型的可构建 Agent 形态文本转 SQL 数据分析 Agent先在 DataHub 中找到可信数据集再生成并执行 SQL、数据质量 Agent发现重要表、配置断言、生成健康报告、数据治理/数据管家 Agent批量应用描述与合规术语并产出覆盖报告。Ask DataHubCloud基于元数据图与组织知识的对话式问答Ask DataHub托管版功能是基于元数据图与组织知识Context Graph 中的 runbook、策略、FAQ回答数据问题的对话式 AI 助手。它支持发现可信数据结合使用模式、文档质量、所有权与质量指标、影响分析沿血缘定位全部下游依赖、深入理解谁拥有/谁在用/历史、引用 Context Documents 与业务术语表回答策略性问题、评估数据质量、生成首稿 SQL。Analytics Agent开源的自然语言数据分析 AgentAnalytics Agent 是 Apache 2.0 开源、自带 LLMBYO LLM的 Agent用自然语言提问 → 在 DataHub 目录中检索上下文 → 写出 SQL → 执行并渲染图表全程工具调用与 SQL 步骤可见并提供 1–5 分的上下文质量评分/improve-context可生成并回写文档改进建议。快速上手pip install datahub-analytics-agent后执行analytics-agent quickstart本地http://localhost:8100起服务或用 Docker 拉起预置样例数据的 DataHub 实例做端到端体验。在仓库中进一步深入查看 llms.txt 全文了解索引的完整分组与链接清单阅读 MCP Server 指南掌握托管端点、PAT/OAuth 认证、Claude Desktop / Claude Code / Cursor / Gemini CLI 的 JSON 或 CLI 配置片段以及共享 HTTP 部署的注意事项共享部署禁止设置DATAHUB_GMS_TOKEN需开启METADATA_SERVICE_AUTH_ENABLEDtrue阅读 Agent Context Kit 及其目录 docs/dev-guides/agent-context/ 下各平台的端到端接入指南在 datahub-agent-context/src/datahub_agent_context/ 查看 Agent 上下文工具的 Python 实现了解 docs/automations/ai-docs.md 中 Cloud 版自动生成表/列描述的 AI 文档能力进一步完善 AI 工作流。小结DataHub 的 AI 就绪文档方案分为两层文档层通过https://docs.datahub.com/llms.txt机器可读索引让 Cursor、Claude、ChatGPT、Copilot 等工具在编辑器内直接检索准确的最新文档元数据层则通过 MCP Server、Agent Context Kit、Ask DataHub 与 Analytics Agent把 AI 的能力延伸到真实的数据目录——搜索资产、追溯血缘、评估质量、起草 SQL、甚至回写治理元数据。文档接入只须粘贴一个 URL元数据接入则需要一个 DataHub 实例Core 自托管或 Cloud与相应的认证凭证可按团队规模与合规要求选择合适路径。【免费下载链接】datahubThe Context Platform for your Data and AI Stack项目地址: https://gitcode.com/GitHub_Trending/da/datahub创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
