Datenbank-MCP

Datenbank-MCP-Server (von Legion AI)

Ein Server, der Benutzern mithilfe des Legion Query Runner mit Integration des Model Context Protocol (MCP) Python SDK beim Zugriff auf und Abfragen von Daten in Datenbanken hilft.

Starten Sie hier die Generierung

Dieses Tool wird von Legion AI bereitgestellt. Um das vollwertige und leistungsstarke KI-Datenanalysetool zu nutzen, besuchen Sie bitte die Website.

Generierung hier beenden

Merkmale

Datenbankzugriff über Legion Query Runner
Model Context Protocol (MCP)-Unterstützung für KI-Assistenten
Bereitstellung von Datenbankoperationen als MCP-Ressourcen, -Tools und -Eingabeaufforderungen
Mehrere Bereitstellungsoptionen (eigenständiger MCP-Server, FastAPI-Integration)
Abfrageausführung und Ergebnisverarbeitung
Flexible Konfiguration über Umgebungsvariablen, Befehlszeilenargumente oder MCP-Einstellungen JSON

Unterstützte Datenbanken

Datenbank	DB_TYPE-Code
PostgreSQL	Seite
Rotverschiebung	Rotverschiebung
CockroachDB	Kakerlake
MySQL	MySQL
RDS MySQL	rds_mysql
Microsoft SQL Server	mssql
Große Abfrage	große Abfrage
Oracle-Datenbank	Orakel
SQLite	SQLite

Wir verwenden die Legion Query Runner-Bibliothek als Konnektoren. Weitere Informationen finden Sie in der API-Dokumentation .

Was ist MCP?

Das Model Context Protocol (MCP) ist eine Spezifikation zur Aufrechterhaltung des Kontexts in KI-Anwendungen. Dieser Server verwendet das MCP Python SDK für:

Datenbankoperationen als Werkzeuge für KI-Assistenten verfügbar machen
Bereitstellung von Datenbankschemata und Metadaten als Ressourcen
Generieren Sie nützliche Eingabeaufforderungen für Datenbankoperationen
Aktivieren Sie statusbehaftete Interaktionen mit Datenbanken

Installation und Konfiguration

Erforderliche Parameter

Für alle Installationsmethoden sind zwei Parameter erforderlich:

DB_TYPE : Der Datenbanktypcode (siehe Tabelle oben)
DB_CONFIG : Eine JSON-Konfigurationszeichenfolge für die Datenbankverbindung

Das DB_CONFIG-Format variiert je nach Datenbanktyp. Datenbankspezifische Konfigurationsdetails finden Sie in der API-Dokumentation .

Installationsmethoden

Option 1: Verwendung von UV (empfohlen)

Bei Verwendung uv ist keine spezielle Installation erforderlich. Wir verwenden uvx , um database-mcp direkt auszuführen.

UV-Konfigurationsbeispiel:

REPLACE DB_TYPE and DB_CONFIG with your connection info.
{
    "mcpServers": {
      "database-mcp": {
        "command": "uvx",
        "args": [
          "database-mcp"
        ],
        "env": {
          "DB_TYPE": "pg",
          "DB_CONFIG": "{\"host\":\"localhost\",\"port\":5432,\"user\":\"user\",\"password\":\"pw\",\"dbname\":\"dbname\"}"
        },
        "disabled": true,
        "autoApprove": []
      }
    }
}

Option 2: Verwenden von PIP

Über Pip installieren:

pip install database-mcp

PIP-Konfigurationsbeispiel:

{
  "mcpServers": {
    "database": {
      "command": "python",
      "args": [
        "-m", "database_mcp", 
        "--repository", "path/to/git/repo"
      ],
      "env": {
        "DB_TYPE": "pg",
        "DB_CONFIG": "{\"host\":\"localhost\",\"port\":5432,\"user\":\"user\",\"password\":\"pw\",\"dbname\":\"dbname\"}"
      }
    }
  }
}

Ausführen des Servers

Entwicklungsmodus

mcp dev mcp_server.py

Produktionsmodus

python mcp_server.py

Konfigurationsmethoden

Umgebungsvariablen

export DB_TYPE="pg"  # or mysql, postgresql, etc.
export DB_CONFIG='{"host":"localhost","port":5432,"user":"username","password":"password","dbname":"database_name"}'
mcp dev mcp_server.py

Befehlszeilenargumente

python mcp_server.py --db-type pg --db-config '{"host":"localhost","port":5432,"user":"username","password":"password","dbname":"database_name"}'

Oder mit UV:

uv mcp_server.py --db-type pg --db-config '{"host":"localhost","port":5432,"user":"username","password":"password","dbname":"database_name"}'

Offengelegte MCP-Funktionen

Ressourcen

Ressource	Beschreibung
`schema://all`	Holen Sie sich das vollständige Datenbankschema

Werkzeuge

Werkzeug	Beschreibung
`execute_query`	Führen Sie eine SQL-Abfrage aus und geben Sie die Ergebnisse als Markdown-Tabelle zurück
`execute_query_json`	Führen Sie eine SQL-Abfrage aus und geben Sie die Ergebnisse als JSON zurück
`get_table_columns`	Abrufen von Spaltennamen für eine bestimmte Tabelle
`get_table_types`	Abrufen von Spaltentypen für eine bestimmte Tabelle
`get_query_history`	Holen Sie sich den aktuellen Abfrageverlauf

Eingabeaufforderungen

Prompt	Beschreibung
`sql_query`	Erstellen Sie eine SQL-Abfrage für die Datenbank
`explain_query`	Erklären Sie, was eine SQL-Abfrage macht
`optimize_query`	Optimieren Sie eine SQL-Abfrage für eine bessere Leistung

Entwicklung

Testen

uv pip install -e ".[dev]"
pytest

Veröffentlichen

rm -rf dist/ build/ *.egg-info/ && python -m build
python -m build
python -m twine upload dist/*

Lizenz

Dieses Repository ist unter der GPL lizenziert

database-mcp

Integrations