Questo tutorial di Fivetran — anche qui, contenuto di un vendor, firmato da un suo sales engineer — mostra come interrogare un data lake in linguaggio naturale dal proprio laptop, senza un warehouse cloud sotto. Lo stack è quattro pezzi: Fivetran per portare i dati in un lake in formato aperto, DuckDB come motore di query, un server MCP che fa da ponte e Claude Desktop come interfaccia conversazionale.
L’architettura
Il presupposto è la Open Data Infrastructure: i dati stanno in formati aperti (Apache Iceberg, Delta Lake) su storage aperto (S3), con un catalogo Polaris, e il compute è disaccoppiato dallo storage. Il Managed Data Lake Service di Fivetran sincronizza le sorgenti nel lake in formato Iceberg/Delta. Sopra, di norma, girano Snowflake, Databricks o BigQuery; ma poiché il formato è aperto, “open compute” vuol dire anche qualcosa di più piccolo.
Qui entra DuckDB, motore SQL analitico in-process: nessun server, nessun cluster. Supporta Iceberg in modo nativo, quindi può leggere le stesse tabelle che in produzione interrogano Snowflake o Databricks. Il Model Context Protocol (MCP) è lo standard aperto che permette a un modello di chiamare tool esterni: un piccolo server MCP espone un tool run_sql_query che avvolge una connessione DuckDB al catalogo Iceberg. Sono tre componenti che lavorano insieme: Fivetran porta i dati nello storage aperto, DuckDB legge in locale, l’MCP espone lo strumento, Claude lo usa per rispondere.
Come si lavora
Una volta in piedi, l’interazione diventa conversazione. Nell’esempio, chiedendo quali schemi ci sono nel catalogo Iceberg, Claude interroga il catalogo e li raggruppa per tipo di sorgente. Su uno schema specifico identifica 32 tabelle e le organizza per dominio. Per capire il significato dei dati, Claude legge i metadata di Polaris e recupera una riga per tabella. Chiedendo di “creare una dashboard” produce una visualizzazione interattiva con quattro tab, senza che l’utente scriva SQL.
Il setup dichiarato richiede circa 15 minuti e serve un account Fivetran con Managed Data Lake Service, un bucket S3, DuckDB, Claude Desktop, Python 3.9+ e una API key Anthropic. Il codice del server MCP è su GitHub.
Cosa vale davvero
Il punto interessante, al netto del taglio promozionale, è architetturale: se il dato vive in formato aperto, le stesse tabelle Iceberg/Delta possono essere lette da DuckDB in locale, trasformate in Databricks o esposte a un LLM, senza copie o re-ingestion. Il warehouse resta quando serve, ma non è più l’unica porta d’accesso. Da valutare con la solita cautela verso demo che girano su dataset scelti dal vendor.
In sintesi
- Stack local-first: Fivetran + Iceberg/Delta su S3, DuckDB come motore, MCP + Claude come interfaccia.
- Il valore è nei formati aperti: stesse tabelle interrogabili da laptop o da warehouse, senza duplicare i dati.
- Setup dichiarato in circa 15 minuti; codice MCP disponibile su GitHub. Da provare sul proprio dato.
Fonte: Run local AI queries on your data lake with DuckDB and Claude
Hai qualcosa da aggiungere? Unisciti alla discussione.