Datenbank-MCP

Multi-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. Senden Sie uns eine E-Mail, wenn Sie Unterstützung für eine Datenbank wünschen.

Generierung hier beenden

Warum Database MCP wählen?

Database MCP unterscheidet sich aus mehreren überzeugenden Gründen von anderen Datenbankzugriffslösungen:

Einheitliche Schnittstelle für mehrere Datenbanken : Stellen Sie über eine einzige konsistente API eine Verbindung zu PostgreSQL, MySQL, SQL Server und anderen Datenbanken her – Sie müssen nicht für jeden Datenbanktyp unterschiedliche Clientbibliotheken erlernen.
KI-fähige Integration : Speziell für KI-Assistenteninteraktionen über das Model Context Protocol (MCP) entwickelt und ermöglicht Datenbankoperationen in natürlicher Sprache.
Schemaerkennung ohne Konfiguration : Erkennt und zeigt Datenbankschemata automatisch an, ohne dass eine manuelle Konfiguration oder Zuordnung erforderlich ist.
Datenbankunabhängige Tools : Suchen Sie Tabellen, erkunden Sie Schemata und führen Sie Abfragen mit demselben Satz an Tools aus, unabhängig von der zugrunde liegenden Datenbanktechnologie.
Sichere Anmeldeinformationsverwaltung : Behandelt Datenbankauthentifizierungsdetails sicher und trennt Anmeldeinformationen vom Anwendungscode.
Einfache Bereitstellung : Funktioniert mit modernen KI-Entwicklungsumgebungen wie LangChain, FastAPI und anderen mit minimalem Setup.
Erweiterbares Design : Fügen Sie einfach benutzerdefinierte Tools und Eingabeaufforderungen hinzu, um die Funktionalität für bestimmte Anwendungsfälle zu verbessern.

Unabhängig davon, ob Sie KI-Agenten erstellen, die Datenbankzugriff benötigen, oder einfach eine einheitliche Schnittstelle zu mehreren Datenbanken wünschen, bietet Database MCP eine optimierte Lösung, die Entwicklungszeit und Komplexität drastisch reduziert.

Merkmale

Unterstützung mehrerer Datenbanken – stellen Sie gleichzeitig eine Verbindung zu mehreren Datenbanken her
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
Benutzergesteuerte Datenbankauswahl für Multi-Datenbank-Setups

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 die Konfiguration einer einzelnen Datenbank:

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

Für die Konfiguration mehrerer Datenbanken:

DB_CONFIGS : Ein JSON-Array von Datenbankkonfigurationen, die jeweils Folgendes enthalten:
- db_type : Der Datenbanktypcode
- Konfiguration : Datenbankverbindungskonfiguration
- Beschreibung : Eine für Menschen lesbare Beschreibung der Datenbank

Das Konfigurationsformat 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 (einzelne Datenbank):

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": []
      }
    }
}

UV-Konfigurationsbeispiel (mehrere Datenbanken):

{
    "mcpServers": {
      "database-mcp": {
        "command": "uvx",
        "args": [
          "database-mcp"
        ],
        "env": {
          "DB_CONFIGS": "[{\"id\":\"pg_main\",\"db_type\":\"pg\",\"configuration\":{\"host\":\"localhost\",\"port\":5432,\"user\":\"user\",\"password\":\"pw\",\"dbname\":\"postgres\"},\"description\":\"PostgreSQL Database\"},{\"id\":\"mysql_data\",\"db_type\":\"mysql\",\"configuration\":{\"host\":\"localhost\",\"port\":3306,\"user\":\"root\",\"password\":\"pass\",\"database\":\"mysql\"},\"description\":\"MySQL Database\"}]"
        },
        "disabled": true,
        "autoApprove": []
      }
    }
}

Option 2: Verwenden von PIP

Über Pip installieren:

pip install database-mcp

PIP-Konfigurationsbeispiel (einzelne Datenbank):

{
  "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

Produktionsmodus

python mcp_server.py

Konfigurationsmethoden

Umgebungsvariablen (einzelne Datenbank)

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

Umgebungsvariablen (mehrere Datenbanken)

export DB_CONFIGS='[{"id":"pg_main","db_type":"pg","configuration":{"host":"localhost","port":5432,"user":"username","password":"password","dbname":"database_name"},"description":"PostgreSQL Database"},{"id":"mysql_users","db_type":"mysql","configuration":{"host":"localhost","port":3306,"user":"root","password":"pass","database":"mysql"},"description":"MySQL Database"}]'
uv run src/database_mcp/mcp_server.py

Wenn Sie keine ID angeben, generiert das System automatisch eine basierend auf dem Datenbanktyp und der Beschreibung:

export DB_CONFIGS='[{"db_type":"pg","configuration":{"host":"localhost","port":5432,"user":"username","password":"password","dbname":"database_name"},"description":"PostgreSQL Database"},{"db_type":"mysql","configuration":{"host":"localhost","port":3306,"user":"root","password":"pass","database":"mysql"},"description":"MySQL Database"}]'
# IDs will be generated as something like "pg_postgres_0" and "my_mysqldb_1"
uv run src/database_mcp/mcp_server.py

Befehlszeilenargumente (Einzeldatenbank)

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

Befehlszeilenargumente (mehrere Datenbanken)

python mcp_server.py --db-configs '[{"id":"pg_main","db_type":"pg","configuration":{"host":"localhost","port":5432,"user":"username","password":"password","dbname":"database_name"},"description":"PostgreSQL Database"},{"id":"mysql_users","db_type":"mysql","configuration":{"host":"localhost","port":3306,"user":"root","password":"pass","database":"mysql"},"description":"MySQL Database"}]'

Beachten Sie, dass Sie mithilfe des id Felds benutzerdefinierte IDs für jede Datenbank angeben oder diese vom System basierend auf Datenbanktyp und -beschreibung generieren lassen können.

Unterstützung mehrerer Datenbanken

Wenn Sie eine Verbindung zu mehreren Datenbanken herstellen, müssen Sie für jede Abfrage angeben, welche Datenbank verwendet werden soll:

Verwenden Sie das Tool list_databases , um verfügbare Datenbanken mit ihren IDs anzuzeigen
Verwenden Sie get_database_info , um Schemadetails von Datenbanken anzuzeigen
Verwenden Sie find_table , um eine Tabelle in allen Datenbanken zu finden
Geben Sie den db_id Parameter an Tools wie execute_query , get_table_columns usw. weiter.

Datenbankverbindungen werden intern als Wörterbuch von DbConfig Objekten verwaltet, wobei jede Datenbank eine eindeutige ID hat. Schemainformationen werden als Liste von Tabellenobjekten dargestellt, wobei jede Tabelle ihren Namen und ihre Spalteninformationen enthält.

Die Eingabeaufforderung select_database führt Benutzer durch den Datenbankauswahlprozess.

Schemadarstellung

Datenbankschemata werden als Liste von Tabellenobjekten dargestellt, wobei jede Tabelle Informationen zu ihren Spalten enthält:

[
  {
    "name": "users",
    "columns": [
      {"name": "id", "type": "integer"},
      {"name": "username", "type": "varchar"},
      {"name": "email", "type": "varchar"}
    ]
  },
  {
    "name": "orders",
    "columns": [
      {"name": "id", "type": "integer"},
      {"name": "user_id", "type": "integer"},
      {"name": "product_id", "type": "integer"},
      {"name": "quantity", "type": "integer"}
    ]
  }
]

Diese Darstellung erleichtert den programmgesteuerten Zugriff auf Tabellen- und Spalteninformationen und behält gleichzeitig eine saubere hierarchische Struktur bei.

Offengelegte MCP-Funktionen

Ressourcen

Ressource	Beschreibung
`resource://schema/{database_id}`	Abrufen der Schemata für eine oder alle konfigurierten Datenbanken

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
`list_databases`	Listen Sie alle verfügbaren Datenbankverbindungen auf
`get_database_info`	Erhalten Sie detaillierte Informationen zu einer Datenbank einschließlich Schema
`find_table`	Finden Sie heraus, welche Datenbank eine bestimmte Tabelle enthält
`describe_table`	Erhalten Sie eine detaillierte Beschreibung einer Tabelle, einschließlich Spaltennamen und -typen
`get_table_sample`	Abrufen einer Datenstichprobe aus einer Tabelle

Alle datenbankspezifischen Tools (wie execute_query , get_table_columns usw.) erfordern einen db_id Parameter, um anzugeben, welche Datenbank verwendet werden soll.

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
`select_database`	Helfen Sie dem Benutzer bei der Auswahl der zu verwendenden Datenbank

Entwicklung

Verwenden des MCP Inspector

Führen Sie dies aus, um den Inspektor zu starten

npx @modelcontextprotocol/inspector uv run src/database_mcp/mcp_server.py

Geben Sie dann im Befehlseingabefeld etwas wie

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

Testen

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

Veröffentlichen

# Clean up build artifacts
rm -rf dist/ build/ 
# Remove any .egg-info directories if they exist
find . -name "*.egg-info" -type d -exec rm -rf {} + 2>/dev/null || true
# Build the package
uv run python -m build
# Upload to PyPI
uv run python -m twine upload dist/*

Lizenz

Dieses Repository ist unter der GPL lizenziert

This server cannot be installed

security - not tested

license - permissive license

quality - not tested

How are these scores calculated?

hybrid server

The server is able to function both locally and remotely, depending on the configuration or use case.

Ein Server, der Benutzern den Zugriff auf und die Abfrage von Datenbankdaten mithilfe des Query Runner mit Integration des Model Context Protocol (MCP) Python SDK ermöglicht. Unterstützt vom Legion AI-Team (thelegionai.com)

Unterstützte Datenbanken, einschließlich PostgreSQL, Redshift, MySQL, Microsoft SQL Server, Google APIs, Amazon Web Services (über boto3), CockroachDB, SQLite

Related MCP Servers

MCP-Python
rhabraken
-
security
F
license
-
quality
A server that enables interaction with PostgreSQL, MySQL, MariaDB, or SQLite databases through Claude Desktop using natural language queries.
Last updated -
Python
MCP Databricks Server
RafaelCartenet
-
security
A
license
-
quality
This is a Model Context Protocol (MCP) server for executing SQL queries against Databricks using the Statement Execution API. It enables AI assistants to directly query Databricks data warehouses, analyze database schemas, and retrieve query results in a structured format
Last updated -
9
Python
MIT License
MCP-Turso
nbbaier
-
security
A
license
-
quality
A Model Context Protocol server that provides Claude access to Turso-hosted LibSQL databases, enabling database table listing, schema retrieval, and SELECT query execution.
Last updated -
68
5
TypeScript
MIT License
mysqldb-mcp-server
burakdirin
-
security
A
license
-
quality
An MCP server that enables MySQL database integration with Claude. You can execute SQL queries and manage database connections.
Last updated -
1
Python
MIT License

View all related MCP servers

database-mcp