Supabase
MCP server for interacting with the Supabase platform
Beschreibung vom Entwickler (englisches Original)
Local data runtime for AI agents: query CSV, Excel, Parquet and JSON files with DuckDB SQL.
Diese drei werden nie zu einer Punktzahl zusammengefasst: Meinungen, Messungen und Beliebtheit sind verschiedene Dinge.
Für diesen Server haben wir noch keine Zusammenfassung in einfacher Sprache geschrieben. Unten stehen die Fakten, die wir aus der Registry gelesen haben.
Wähle die KI-App, die du nutzt, und kopiere die Einstellungen.
Der Entwickler hat in der Registry keine Installationsangaben gemacht. Sieh dir unten die README des Entwicklers an.
Läuft auf deinem Computer; die Tool-Liste erscheint nach der Installation in deiner KI-App.
Wir prüfen Informationen, die jeder sehen kann; den Code haben wir nicht gelesen. Checks, die nicht zutreffen, werden nicht mitgezählt. · Geprüft am 7. Nov. 2026
Der Registry-Name wurde mit dem GitHub-Konto melihbirim bestätigt, dem das Repo gehört
Dieses Repo haben wir noch nicht von GitHub gelesen
Dieses Repo haben wir noch nicht von GitHub gelesen
Dieser Server läuft auf deinem Computer; es gibt keinen Endpunkt im Internet
Läuft auf deinem Computer und nutzt stattdessen lokale Einstellungen
Läuft auf deinem Computer; Tool-Listen können wir nur von Endpunkten im Internet lesen
Verglichen mit allen aktiven Servern dieser Kategorie in der Registry. Sterne zählen nur, wenn dem Herausgeber das Repo gehört.
Er hat 1 von 1 zutreffenden Basischecks bestanden. Den Code haben wir nicht gelesen. Bevor du einen Schlüssel oder Token hinzufügst, sieh nach, welche Zugriffe der Server verlangt, und nutze einen Schlüssel, der nur die Berechtigungen hat, die du brauchst.
Die Registry nennt keinen erforderlichen Schlüssel, manche Server bitten dich aber bei der ersten Nutzung, dich anzumelden.
Er läuft auf deinem Computer. Deine KI-App startet ihn bei Bedarf, und die Daten laufen nicht über die Server des Entwicklers (außer der Server ruft selbst einen Onlinedienst auf).
Das GitHub-Repo wurde zuletzt – geändert, und die neueste Version (0.7.2) kam vor 7 Tagen in die Registry.
Apps, die MCP unterstützen, etwa Claude Desktop, Claude Code, Cursor und VS Code. Außerdem brauchst du Rust auf deinem Computer.
In derselben Kategorie: Supabase, MongoDB MCP Server, Elasticsearch MCP Server
Server derselben Kategorie von anderen Entwicklern, sortiert nach Sternen.
So liest du eine Karte:★ GitHub-SterneiDrei Säulen: Bewertungen · Checks · NutzungiAktualisiert = neueste Version in der Registry veröffentlichti
MCP server for interacting with the Supabase platform
MongoDB Model Context Protocol Server
MCP server for interacting with Elasticsearch
Unverändert aus dem Repo des Entwicklers übernommen. PopNx MCP hat den Inhalt weder geprüft noch empfiehlt es ihn. HTML, Bilder und Skripte wurden entfernt. Links führen von dieser Website weg.
The local data runtime for AI agents.
Point it at a folder of CSV, Parquet, JSON, or TSV files — your AI can now query them with real SQL instead of hallucinating.
Works as an MCP server for Claude Code, Cursor, RooCode, and Copilot. Also ships as a standalone CLI for interactive data exploration. Powered by DuckDB. Files never leave your machine.
MIT licensed.
# macOS / Linux
curl -fsSL https://pipetable.com/install | sh
irm https://pipetable.com/install.ps1 | iex
cargo install pipetable
claude mcp add pipetable pipetable mcp
{
"mcpServers": { "pipetable": { "command": "pipetable", "args": ["mcp"] } } }
{
"servers": { "pipetable": { "type": "stdio", "command": "pipetable", "args": ["mcp"] } } }
Once configured, your AI can:
scan_folder — register all data files in a folderlist_datasets — see schemas and column typesget_schema — inspect a specific table with sample rowsexecute_sql — run real DuckDB SQL against your filesResults are ground truth from DuckDB, not generated.
pipetable ~/data/
SQL and natural language at the > prompt. SQL always works. Natural language requires Ollama running locally.
> SELECT region, SUM(revenue) AS total FROM sales GROUP BY 1 ORDER BY 2 DESC
4 row(s)
region total ───────────── EU 141000 US 32000 APAC 17000
show me top 5 customers by revenue
Using: customers, sales Thinking..... SELECT c.name, SUM(s.revenue) AS total FROM customers c JOIN sales s ON s.customer_id = c.id GROUP BY c.name ORDER BY total DESC LIMIT 5 ... → piped as _last
Every query saves its result as _last — a live DuckDB view you can query further:
> SELECT * FROM sales WHERE region = 'EU'
... → piped as _last
show me top 3 from _last
Using: _last Thinking.....
| Command | Description |
|---|---|
.scan | Load a folder or file (Tab completes) |
.datasets | List loaded datasets |
.schema | Columns + sample rows |
.drop | Remove a dataset from the session |
.use | Focus NL queries on specific datasets |
.remove | Remove from focus |
.clear | Reset focus to all datasets |
.model | Switch Ollama model |
.help | Show help |
Tab completes dataset names after FROM, JOIN, .schema, .drop, .use.
pipetable ask "who has the highest revenue?" ~/data/
pipetable ask "SELECT * FROM sales LIMIT 5" ~/data/
Set any one of these — pipetable auto-detects:
# Claude (best quality)
export ANTHROPIC_API_KEY=sk-ant-...
export OPENAI_API_KEY=sk-... export OPENAI_BASE_URL=http://localhost:1234 # optional, for local endpoints
ollama pull qwen2.5-coder:1.5b ollama serve
Priority: Anthropic → OpenAI-compatible → Ollama. SQL and MCP work without any of them.
CSV, Parquet, JSON, NDJSON, TSV, Excel (xlsx, xls, xlsm). Files up to 2GB. Folders scanned up to 3 levels deep. Hidden files and common noise directories (node_modules, target, .git) are skipped automatically.
MIT
mcp-name: io.github.melihbirim/pipetable