Introducción
La revolución de agentes de IA en el desarrollo avanza a toda velocidad. El Model Context Protocol MCP, un protocolo estandarizado de Anthropic, permite conectar LLMs con herramientas y APIs de forma sencilla. La gran noticia es que Snowflake ha publicado su MCP Server oficial como código abierto.
Antes, Cortex Search y Cortex Analyst estaban disponibles por separado. Con la llegada de la ejecución SQL, ahora es posible acceder al entorno analítico de Snowflake directamente desde clientes MCP como Cursor o Claude Desktop. Indica en lenguaje natural lo que necesitas y tu agente de IA completará el análisis de datos. Para equipos de ingeniería, esto es diferencial.
En este artículo te muestro cómo configurar y usar Snowflake Labs MCP Server con Cursor, qué posibilidades analíticas desbloquea y cuándo utilizarlo respecto a Snowflake Intelligence. Si eres ingeniero y quieres analizar datos de Snowflake de forma más eficiente, esta guía es para ti.
Nota: Las herramientas de Snowflake Labs se consideran de comunidad y no cuentan con soporte oficial de Snowflake Inc.
Nota: Este artículo refleja opiniones personales y no las de Snowflake.
Qué es Snowflake MCP Server
Snowflake MCP Server es una herramienta OSS oficial que integra múltiples capacidades de Snowflake en el ecosistema MCP. Al conectarlo con clientes MCP como Cursor, Claude Desktop o fast agent, puedes operar las potentes funciones de análisis de datos de Snowflake mediante agentes de IA.
Características clave
Cortex Search: búsqueda en datos no estructurados.
Cortex Analyst: análisis de datos estructurados con modelos semánticos y Semantic Views.
Ejecución SQL: ejecución de consultas SQL generadas por LLM.
Gestión de objetos: creación, borrado y actualización de bases de datos, esquemas, tablas, vistas, warehouses y más.
Rasgos técnicos
Ejecución local: la versión actual se ejecuta de forma local iniciada por el cliente MCP.
Permisos flexibles: control granular de qué sentencias SQL están permitidas por ejemplo solo SELECT.
Multi servicio: configuración simultánea de varios servicios de Cortex Search y Cortex Analyst.
Cómo elegir entre Snowflake Intelligence y MCP Server
Cuándo es mejor Snowflake Intelligence
Usuarios objetivo: perfiles de negocio y analistas.
Entorno: GUI en navegador web.
Casos principales: despliegue de apps de análisis en lenguaje natural a nivel corporativo y creación de informes.
Ventajas: puesta en marcha sencilla, GUI intuitiva y seguridad gestionada por Snowflake.
Despliegue: ideal para adopción a escala de organización.
Cuándo es mejor Snowflake MCP Server
Usuarios objetivo: ingenieros y desarrolladores.
Entorno: herramientas de desarrollo como Cursor o Claude Desktop.
Casos principales: análisis ad hoc durante el desarrollo e integración con CI CD.
Ventajas: se integra en el flujo de desarrollo y permite analizar datos junto al código.
Despliegue: uso individual o por equipos.
En resumen, usa Intelligence para desplegar análisis en lenguaje natural de forma sencilla a nivel empresa y MCP Server para integrar analítica de Snowflake en clientes MCP de ingeniería. Si dudas, comienza por la vía más rápida de adoptar con Snowflake Intelligence para asentar expectativas y evalúa MCP Server después.
Configuración con Cursor
Utilizaremos PAT Programmatic Access Token por comodidad.
Requisitos previos: instalar uvx
Para ejecutar Snowflake MCP Server necesitas uvx, el comando de ejecución de la herramienta de gestión de paquetes de Python uv. En macOS o Linux puedes instalarlo con curl -LsSf https://astral.sh/uv/install.sh | sh o usando pipx install uv. Tras la instalación, verifica con uvx --version.
Nota: uvx ejecuta paquetes Python en entornos aislados. Consulta la documentación oficial de uv en el sitio de Astral para más detalles.
Generar un PAT
Entra en Snowsight y crea un PAT desde Configuración, sección Autenticación, botón Generar nuevo token. Asigna nombre y expiración, elige el rol con permisos necesarios y copia el token generado.
Nota: selecciona un rol con acceso a los servicios de Cortex Search y Cortex Analyst y a las tablas que analizarás. Importante: por defecto, el uso de PAT requiere configurar una política de red. Sin esta política, la autenticación con PAT puede fallar. Revisa los requisitos y la configuración en la documentación oficial de Programmatic Access Tokens de Snowflake.
Preparar Cortex Search y Cortex Analyst
Para Cortex Search: crea previamente un servicio de Cortex Search que haga consultable tu contenido no estructurado documentos, logs, texto. Puedes seguir la documentación oficial de Cortex Search.
Para Cortex Analyst: crea un Modelo Semántico o una Semantic View. Aportan contexto de negocio al dato estructurado y habilitan Text2SQL. Revisa la documentación de modelos semánticos de Cortex Analyst y la documentación de Semantic Views.
Nota: la creación de servicios de Cortex Search, Modelos Semánticos o Semantic Views requiere permisos adecuados. Comprueba después que el rol asociado a tu PAT puede acceder a ellos.
Crear el archivo de configuración de servicios
Crea un archivo tools_config.yaml con la definición de servicios de Cortex y permisos SQL. Hay una plantilla actualizada en GitHub en el repositorio de Snowflake Labs MCP. Incluye descripciones claras de cada servicio para que el agente de IA elija bien la herramienta.
Configuración de MCP en Cursor
Abre los ajustes de MCP e Integrations en Cursor y crea un nuevo MCP Server. Se abrirá el editor de mcp.json. Alternativamente, edita el archivo en tu carpeta de usuario en .cursor mcp.json. Configura el comando uvx con origen git del repo de Snowflake Labs MCP, ejecutable mcp server snowflake, la ruta completa a tu tools_config.yaml y los parámetros de conexión a Snowflake como account, user y password donde password es tu PAT.
Nota sobre account: si el identificador de cuenta contiene guiones bajos como ORGNAME AAA_BBB_CCC, sustitúyelos por guiones como ORGNAME AAA BBB CCC. Nota sobre seguridad: aunque también funciona una contraseña normal, se recomienda PAT.
Verificar la conexión
Una vez configurado, inicia el servidor desde la sección de MCP Servers en Cursor. Si la conexión es correcta, verás el indicador en verde y las herramientas de Snowflake aparecerán en la interfaz de chat de Cursor.
Ejemplos prácticos
Exploración de datos en lenguaje natural: escribe en el chat Lista todas las bases de datos de Snowflake. El servidor generará y ejecutará el SQL adecuado y devolverá el resultado, respetando los permisos de tu rol y las sentencias permitidas en tools_config.yaml.
Búsqueda en datos no estructurados con Cortex Search: escribe Resume el manual de operaciones. Se invocará el servicio configurado y obtendrás un resumen con los puntos clave relevantes del documento.
Análisis complejo con Cortex Analyst: pide Analiza la tendencia mensual de ventas para el segundo semestre de 2024 e identifica factores de variación. Cortex Analyst interpretará el modelo semántico o la Semantic View, generará el SQL adecuado y devolverá métricas, tendencias y factores explicativos estacionales, campañas, picos de fechas señaladas y más.
Mejores prácticas de permisos
Desarrollo: autoriza Select, Describe, Use y dependiendo del caso Create e Insert.
Producción: limita a Select, Describe y Use.
Administración: activa All True solo cuando sea estrictamente necesario y bajo control.
Conclusión
Snowflake MCP Server eleva la experiencia del desarrollador al integrar la analítica directamente en el flujo de trabajo. Aporta valor por su integración en herramientas como Cursor, por permitir operaciones en lenguaje natural sin escribir SQL y por su control fino de permisos que refuerza la seguridad.
En el día a día resulta muy cómodo no cambiar de herramienta cuando necesitas recordar la estructura de una tabla o verificar una tendencia de ventas de un periodo concreto. Mientras Snowflake Intelligence impulsa el uso de datos a nivel corporativo, MCP Server aporta un valor distinto para ingenieros y data scientists. Elegir la herramienta adecuada en cada caso acelera el uso eficaz de los datos.
Q2BSTUDIO te acompaña en esta evolución con aplicaciones a medida, software a medida, inteligencia artificial, ciberseguridad, servicios cloud AWS y Azure, servicios inteligencia de negocio, ia para empresas, agentes IA y power bi. Si buscas impulsar tus casos de uso con agentes de IA y analítica avanzada en Snowflake, descubre cómo aplicamos IA práctica en nuestros proyectos en la página de inteligencia artificial y cómo transformamos los datos en decisiones con inteligencia de negocio y Power BI.
Promoción
Comparto novedades de Snowflake Whats New en X.
Versión en inglés: Snowflake Whats New Bot en inglés
Versión en japonés: Snowflake Whats New Bot en japonés
Change log
20250901 Publicación inicial
Artículo original en japonés
Enlace al artículo original