Model Context Protocol в Apache Superset 6.1

Этот практический курс посвящён работе с Model Context Protocol в Apache Superset и использованию AI-агентов для создания аналитических чартов и дашбордов. Вы разберётесь, как устроен Superset MCP, какие задачи он решает и каким образом AI-клиент получает доступ к инструментам Apache Superset. В курсе рассматривается полный путь от установки MCP Server до создания готового аналитического дашборда. Сначала мы познакомимся с основными принципами Model Context Protocol и архитектурой подключения. Вы узнаете, чем MCP отличается от обычного API, какие инструменты предоставляет Superset и как права пользователей влияют на действия AI-агента. Затем мы установим и запустим Superset MCP Server, настроим пользователя, проверим виртуальное окружение и организуем безопасное подключение к удалённому серверу через SSH-туннель. Отдельный блок посвящён подключению Kiro. Мы создадим файл mcp.json, проверим MCP endpoint, выполним переподключение и разберём типичные ошибки, включая fetch failed, connection refused и проблемы с конфигурацией. В практической части курса AI-агент будет работать с данными Olist. Мы научимся находить датасеты, анализировать их структуру, определять уровень детализации и выбирать корректные метрики. После этого создадим несколько визуализаций: • KPI с количеством заказов; • линейный график динамики заказов по месяцам; • столбчатую диаграмму распределения заказов по статусам. Особое внимание уделяется безопасному и контролируемому подходу: сначала агент анализирует задачу, затем создаёт предварительный вариант визуализации, после чего пользователь проверяет параметры и только потом сохраняет объект. В завершение курса мы объединим созданные графики в аналитический дашборд и разберём роль AI-агента в современном BI-процессе. Курс включает: • видеолекции; • практические демонстрации; • готовые команды для терминала; • примеры конфигураций; • шаблоны промптов; • тесты для проверки знаний. Для прохождения курса желательно иметь базовое представление об Apache Superset, Linux или macOS и работе с терминалом. Глубокие знания программирования не требуются.