MCP-сервер для графа персональных данных на Neo4j
DataLens MCP Server
MCP-сервер на FastMCP для комплаенс-запросов к графу персональных данных в Neo4j, не связан с сервисом Яндекс DataLens
- 0 ★ репозитория
- Последний коммит
Расширенный доступ
Почему такой уровень
- Сервер читает граф с персональными данными о людях, хотя сам их не изменяет
Установка
- Работает в
Ручная установка
pip install -r requirements.txtДальше настройте .env с параметрами Neo4j и запустите python server.py.
Доступ и проверки
Как мы проверяемРасширенный доступИнструмент запускает код или ходит в сеть, а внешние данные только читает.
- Сервер читает граф с персональными данными о людях, хотя сам их не изменяет
Это чужой код. Посмотрите файлы в репозитории перед установкой.
Что делает
Сервер на Python и FastMCP подключается к базе графов Neo4j и дает несколько инструментов для комплаенс-задач: поиск, где хранятся персональные данные конкретного типа, например паспортные данные или email, трассировка происхождения данных для таблицы вверх и вниз по потоку, и список процессов обработки данных по статусу. Сервер не создает граф сам: он рассчитан на то, что таблицы, столбцы, файлы и связи между ними в Neo4j уже описаны заранее по определенной схеме, и просто читает их. Название DataLens здесь принадлежит только этому инструменту и не связано с сервисом Яндекса.
Для кого. Для команд по защите данных, у которых уже есть граф метаданных в Neo4j и нужен агентский доступ к нему для комплаенс-вопросов.
Подходит, если
- У вас уже построен граф таблиц, столбцов и файлов с разметкой PII в Neo4j
- Нужны быстрые ответы на вопросы вроде «где хранятся паспортные данные» через агента
Не подходит, если
- Ищете сервис Яндекс DataLens для BI-дашбордов: это другой, не связанный продукт
- Графа метаданных в Neo4j еще нет: сервер не строит его сам, только читает
Пример запроса к агенту
Найди, в каких таблицах и файлах хранятся данные типа email, по графу в Neo4jMCP
- Транспорт
- stdio
- Авторизация
- не нужна
Переменные окружения
NEO4J_URIобязательная- Адрес подключения к Neo4j, по умолчанию neo4j://localhost:7687
NEO4J_USERобязательная- Имя пользователя Neo4j
NEO4J_PASSWORDобязательная, секрет- Пароль Neo4j
Ограничения
Проект совсем небольшой, один файл, у одного автора без звезд. Не связан с сервисом Яндекс DataLens. Работает только поверх уже готового графа Neo4j с конкретной схемой узлов Table, Column, File, PII и ProcessingActivity, без инструментов для наполнения графа.
Как отключить. Остановите процесс python server.py и удалите сервер из конфигурации MCP-клиента.
Частые вопросы
Сервер сам построит граф персональных данных?
Нет, он только читает уже существующий граф в Neo4j по своей схеме, наполнение графа нужно делать отдельно.
Обсуждение
Вопросов и отзывов пока нет.
Похожие
MCP-серверыАнонимизатор персональных данных по 152-ФЗ
mcp-152fz-anonymizer
MCP-сервер и HTTP API, которые находят и маскируют персональные данные в тексте по требованиям 152-ФЗ перед тем, как он уйдет в LLM или во внешний сервис
Официальный MCP-сервер SentinelOne в режиме чтения: вопросы Purple AI, PowerQuery, алерты, уязвимости и инвентарь.
Шлюз для MCP-серверов: плагины маскировки известных секретов в текстовых ответах, проверки репутации и записи вызовов
ls-mcp находит MCP-серверы в Claude, Cursor и других редакторах, показывает запущенные и предупреждает о ключах в настройках.
MCP-сервер к BloodHound CE и Enterprise: агент ищет пути атак в Active Directory и Entra ID, пишет запросы Cypher.
MCP Observatory — проверка безопасности MCP-серверов
MCP Observatory
Сканер MCP-серверов: проверяет схемы, дрейф и поведение при атаках, работает в CI и как MCP-сервер для агента
Коротко о README
README на английском описывает сервер как компоненту для комплаенс-приложения DataLens, с требованиями Python 3.10 и локальной Neo4j, дает шаги установки через venv и pip, запуск в режиме разработки через fastmcp dev для инспектора инструментов и запуск в режиме stdio для интеграции с MCP-клиентом.