Postgres MCP

Обзор

Postgres MCP Pro — это сервер Model Context Protocol (MCP) с открытым исходным кодом, созданный для поддержки вас и ваших агентов ИИ на протяжении всего процесса разработки — от начального кодирования, тестирования и развертывания до настройки и обслуживания в рабочей среде.

Postgres MCP Pro делает гораздо больше, чем просто создает оболочку для соединения с базой данных.

В число особенностей входят:

• 🔍 Здоровье базы данных — анализируйте здоровье индекса, использование соединения, кэш буфера, здоровье очистки, ограничения последовательности, задержку репликации и многое другое.
• ⚡ Настройка индекса — изучите тысячи возможных индексов, чтобы найти лучшее решение для вашей рабочей нагрузки, используя передовые алгоритмы.
• 📈 Планы запросов — проверяйте и оптимизируйте производительность, просматривая планы EXPLAIN и моделируя влияние гипотетических индексов.
• 🧠 Schema Intelligence — контекстно-зависимая генерация SQL-запросов на основе детального понимания схемы базы данных.
• 🛡️ Безопасное выполнение SQL — настраиваемый контроль доступа, включая поддержку режима «только чтение» и безопасного анализа SQL, что делает его пригодным как для разработки, так и для производства.

Postgres MCP Pro поддерживает как стандартный транспорт ввода/вывода (stdio), так и транспорт Server-Sent Events (SSE) для обеспечения гибкости в различных средах.

Дополнительную информацию о том, почему мы создали Postgres MCP Pro, можно найти в нашем блоге, посвященном запуску .

Демо

От бесполезного до молниеносного

• Задача: Мы создали приложение для просмотра фильмов с использованием помощника на основе искусственного интеллекта, но код SQLAlchemy ORM работал ужасно медленно.
• Решение: Используя Postgres MCP Pro с курсором, мы устранили проблемы с производительностью за считанные минуты.

Что мы сделали:

• 🚀 Исправлена производительность — включая запросы ORM, индексацию и кэширование
• 🛠️ Исправлена неработающая страница — агенту было предложено изучить данные, исправить запросы и добавить связанный контент.
• 🧠 Улучшены лучшие фильмы — путем изучения данных и исправления запроса ORM для отображения более релевантных результатов.

Посмотрите видео ниже или прочитайте подробный рассказ .

https://github.com/user-attachments/assets/24e05745-65e9-4998-b877-a368f1eadc13

Быстрый старт

Предпосылки

Прежде чем начать, убедитесь, что у вас есть:

1. Учетные данные для доступа к вашей базе данных.
2. Docker или Python 3.12 или выше.

Учетные данные доступа

Вы можете подтвердить действительность своих учетных данных для доступа с помощью psql или инструмента с графическим интерфейсом, например pgAdmin .

Докер или Питон

Выбор между Docker и Python остается за вами. Обычно мы рекомендуем Docker, поскольку пользователи Python могут столкнуться с проблемами, связанными с окружением. Однако часто имеет смысл использовать тот метод, с которым вы лучше всего знакомы.

Установка

Выберите один из следующих способов установки Postgres MCP Pro:

Вариант 1: Использование Docker

Извлеките образ Postgres MCP Pro MCP server Docker. Этот образ содержит все необходимые зависимости, обеспечивая надежный способ запуска Postgres MCP Pro в различных средах.

Вариант 2: Использование Python

Если у вас установлен pipx , вы можете установить Postgres MCP Pro с помощью:

В противном случае установите Postgres MCP Pro с помощью uv :

Если вам необходимо установить uv , см. инструкцию по установке УФ .

Настройте своего помощника на основе искусственного интеллекта

Мы предоставляем полные инструкции по настройке Postgres MCP Pro с Claude Desktop. Многие клиенты MCP имеют похожие файлы конфигурации, вы можете адаптировать эти шаги для работы с клиентом по вашему выбору.

Конфигурация рабочего стола Клода

Вам нужно будет отредактировать файл конфигурации Claude Desktop, чтобы добавить Postgres MCP Pro. Расположение этого файла зависит от вашей операционной системы:

• MacOS: ~/Library/Application Support/Claude/claude_desktop_config.json
• Windows: %APPDATA%/Claude/claude_desktop_config.json

Вы также можете использовать пункт меню Settings в Claude Desktop, чтобы найти файл конфигурации.

Теперь вам нужно отредактировать раздел mcpServers файла конфигурации.

Если вы используете Docker

Образ Postgres MCP Pro Docker автоматически переназначит имя хоста localhost для работы изнутри контейнера.

• MacOS/Windows: автоматически использует host.docker.internal
• Linux: автоматически использует 172.17.0.1 или соответствующий адрес хоста

Если вы используете pipx

Если вы используете uv

URI соединения

Замените postgresql://... на URI подключения к вашей базе данных Postgres .

Режим доступа

Postgres MCP Pro поддерживает несколько режимов доступа , что позволяет вам контролировать операции, которые агент ИИ может выполнять в базе данных:

• Неограниченный режим : обеспечивает полный доступ на чтение/запись для изменения данных и схемы. Подходит для сред разработки.
• Ограниченный режим : ограничивает операции транзакциями только для чтения и накладывает ограничения на использование ресурсов (в настоящее время только время выполнения). Подходит для производственных сред.

Чтобы использовать ограниченный режим, замените --access-mode=unrestricted на --access-mode=restricted в примерах конфигурации выше.

Другие клиенты MCP

Многие клиенты MCP имеют похожие файлы конфигурации с Claude Desktop, и вы можете адаптировать приведенные выше примеры для работы с выбранным вами клиентом.

• Если вы используете курсор, вы можете перейти из Command Palette в Cursor Settings , а затем открыть вкладку MCP для доступа к файлу конфигурации.
• Если вы используете Windsurf, вы можете перейти из Command Palette на Open Windsurf Settings Page чтобы получить доступ к файлу конфигурации.
• Если вы используете Goose, запустите goose configure , затем выберите Add Extension .

Транспорт SSE

Postgres MCP Pro поддерживает транспорт SSE , который позволяет нескольким клиентам MCP совместно использовать один сервер, возможно, удаленный. Чтобы использовать транспорт SSE, необходимо запустить сервер с опцией --transport=sse .

Например, с помощью Docker запустите:

Затем обновите конфигурацию клиента MCP для вызова сервера MCP. Например, в mcp.json Курсора или cline_mcp_settings.json Клайна вы можете поместить:

Для Windsurf формат mcp_config.json немного отличается:

Установка расширения Postgres (необязательно)

Чтобы включить настройку индекса и комплексный анализ производительности, вам необходимо загрузить расширения pg_statements и hypopg в вашу базу данных.

• Расширение pg_statements позволяет Postgres MCP Pro анализировать статистику выполнения запросов. Например, это позволяет ему понять, какие запросы выполняются медленно или потребляют значительные ресурсы.
• Расширение hypopg позволяет Postgres MCP Pro имитировать поведение планировщика запросов Postgres после добавления индексов.

Установка расширений на AWS RDS, Azure SQL или Google Cloud SQL

Если ваша база данных Postgres работает на управляемом облачным провайдером сервисе, расширения pg_statements и hypopg должны быть уже доступны в системе. В этом случае вы можете просто запустить команды CREATE EXTENSION используя роль с достаточными привилегиями:

Установка расширений на самоуправляемом Postgres

Если вы управляете собственной установкой Postgres, вам может потребоваться выполнить дополнительную работу. Перед загрузкой расширения pg_statements вы должны убедиться, что оно указано в shared_preload_libraries в файле конфигурации Postgres. Расширение hypopg также может потребовать дополнительной установки на системном уровне (например, через менеджер пакетов), поскольку оно не всегда поставляется с Postgres.

Примеры использования

Получить обзор состояния базы данных

Просить:

Проверьте работоспособность моей базы данных и выявите любые проблемы.

Анализ медленных запросов

Просить:

Какие запросы в моей базе данных самые медленные? И как их ускорить?

Получите рекомендации о том, как ускорить процесс

Просить:

Мое приложение работает медленно. Как сделать его быстрее?

Генерация рекомендаций индекса

Просить:

Проанализируйте нагрузку на мою базу данных и предложите индексы для повышения производительности.

Оптимизировать конкретный запрос

Просить:

Помогите мне оптимизировать этот запрос: SELECT * FROM orders JOIN customers ON orders.customer_id = customers.id WHERE orders.created_at > '2023-01-01';

API сервера MCP

Стандарт MCP определяет различные типы конечных точек: инструменты, ресурсы, подсказки и другие.

Postgres MCP Pro обеспечивает функциональность только через инструменты MCP . Мы выбрали этот подход, поскольку экосистема клиентов MCP имеет широкую поддержку инструментов MCP. Это контрастирует с подходом других серверов Postgres MCP, включая Reference Postgres MCP Server , которые используют ресурсы MCP для предоставления информации о схеме.

Инструменты Postgres MCP Pro:

Связанные проекты

Серверы Postgres MCP

• Запрос MCP . Сервер MCP для Supabase Postgres с трехуровневой архитектурой безопасности и поддержкой API управления Supabase.
• PG-MCP . Сервер MCP для PostgreSQL с гибкими параметрами подключения, планами объяснений, контекстом расширения и многим другим.
• Ссылка на PostgreSQL MCP Server . Простая реализация MCP Server, предоставляющая информацию о схеме в виде ресурсов MCP и выполняющая запросы только для чтения.
• Supabase Postgres MCP Server . Этот MCP Server предоставляет функции управления Supabase и активно поддерживается сообществом Supabase.
• Nile MCP Server . MCP-сервер, предоставляющий доступ к API управления для многопользовательской службы Postgres компании Nile.
• Neon MCP Server . MCP-сервер, предоставляющий доступ к API управления для бессерверной службы Postgres Neon.
• Wren MCP Server . Предоставляет семантический движок, поддерживающий бизнес-аналитику для Postgres и других баз данных.

Инструменты DBA (включая коммерческие предложения)

• Aiven Database Optimizer . Инструмент, обеспечивающий комплексный анализ рабочей нагрузки базы данных, оптимизацию запросов и другие улучшения производительности.
• dba.ai. Помощник по администрированию баз данных на базе искусственного интеллекта, который интегрируется с GitHub для решения проблем с кодом.
• pgAnalyze . Комплексная платформа мониторинга и аналитики для выявления узких мест производительности, оптимизации запросов и оповещения в режиме реального времени.
• Postgres.ai . Интерактивный чат, объединяющий обширную базу знаний Postgres и GPT-4.
• Xata Agent . Агент ИИ с открытым исходным кодом, который автоматически отслеживает состояние базы данных, диагностирует проблемы и предоставляет рекомендации с использованием рассуждений и руководств на основе LLM.

Утилиты Postgres

• Dexter . Инструмент для создания и тестирования гипотетических индексов на PostgreSQL.
• PgHero . Панель управления производительностью для Postgres с рекомендациями. Postgres MCP Pro включает проверки работоспособности от PgHero.
• PgTune . Эвристика для настройки конфигурации Postgres.

Часто задаваемые вопросы

Чем Postgres MCP Pro отличается от других серверов Postgres MCP? Многие серверы MCP позволяют агенту ИИ выполнять запросы к базе данных Postgres. Postgres MCP Pro делает то же самое, но также добавляет инструменты для понимания и повышения производительности вашей базы данных Postgres. Например, он реализует версию Anytime Algorithm of Database Tuning Advisor для Microsoft SQL Server , современного промышленного алгоритма для автоматической настройки индекса.

Postgres MCP Pro дополняет генеративный ИИ, добавляя детерминированные инструменты и классические алгоритмы оптимизации. Такое сочетание является одновременно надежным и гибким.

Зачем нужны инструменты MCP, если LLM может рассуждать, генерировать SQL и т. д.? LLM бесценны для задач, которые включают неоднозначность, рассуждения или естественный язык. Однако по сравнению с процедурным кодом они могут быть медленными, дорогими, недетерминированными и иногда давать ненадежные результаты. В случае настройки базы данных у нас есть хорошо зарекомендовавшие себя алгоритмы, разработанные за десятилетия, которые доказали свою эффективность. Postgres MCP Pro позволяет вам объединить лучшее из обоих миров, объединив LLM с классическими алгоритмами оптимизации и другими процедурными инструментами.

Как тестировать Postgres MCP Pro? Тестирование имеет решающее значение для обеспечения надежности и точности Postgres MCP Pro. Мы создаем набор состязательных рабочих нагрузок, созданных с помощью ИИ, призванных бросить вызов Postgres MCP Pro и обеспечить его работу в самых разных сценариях.

Какие версии Postgres поддерживаются? В настоящее время наше тестирование сосредоточено на Postgres 15, 16 и 17. Мы планируем поддерживать версии Postgres с 13 по 17.

Кто создал этот проект? Этот проект создан и поддерживается Crystal DBA .

Дорожная карта

Будет определено

Вы и ваши потребности — это важнейший фактор для того, что мы создаем. Расскажите нам, что вы хотите увидеть, открыв issue или pull request . Вы также можете связаться с нами в Discord .

Технические примечания

В этом разделе представлен краткий обзор технических соображений, повлиявших на разработку Postgres MCP Pro.

Настройка индекса

Разработчики знают, что отсутствие индексов является одной из наиболее распространенных причин проблем с производительностью базы данных. Индексы предоставляют методы доступа, которые позволяют Postgres быстро находить данные, необходимые для выполнения запроса. Когда таблицы небольшие, индексы не имеют большого значения, но по мере роста размера данных разница в алгоритмической сложности между сканированием таблицы и поиском по индексу становится значительной (обычно O ( n ) против O ( log n ), потенциально больше, если задействованы объединения нескольких таблиц).

Генерация предлагаемых индексов в Postgres MCP Pro происходит в несколько этапов:

1. Определите SQL-запросы, требующие настройки . Если вы знаете, что у вас возникли проблемы с определенным SQL-запросом, вы можете предоставить его. Postgres MCP Pro также может анализировать рабочую нагрузку для определения целей настройки индекса. Для этого он использует расширение pg_stat_statements , которое регистрирует время выполнения и потребление ресурсов каждым запросом.Запрос является кандидатом на настройку индекса, если он является главным потребителем ресурсов, либо на основе выполнения, либо в совокупности. В настоящее время мы используем время выполнения в качестве прокси для совокупного потребления ресурсов, но также может иметь смысл рассмотреть конкретные ресурсы, например, количество блоков, к которым был получен доступ, или количество блоков, считанных с диска. Инструмент analyze_query_workload фокусируется на медленных запросах, используя среднее время на выполнение с пороговыми значениями для количества выполнений и среднего времени выполнения. Агенты также могут вызывать get_top_queries , который принимает параметр для среднего и общего времени выполнения, а затем передавать эти запросы analyze_query_indexes для получения рекомендаций по индексу.Сложные системы настройки индекса используют «сжатие рабочей нагрузки» для создания репрезентативного подмножества запросов, которое отражает характеристики рабочей нагрузки в целом, уменьшая проблему для нижестоящих алгоритмов. Postgres MCP Pro выполняет ограниченную форму сжатия рабочей нагрузки, нормализуя запросы так, что те, которые сгенерированы из одного шаблона, выглядят как один. Он взвешивает каждый запрос одинаково, упрощение, которое работает, когда преимущества индексации велики.
2. Генерация индексов-кандидатов После того, как у нас есть список SQL-запросов, которые мы хотим улучшить с помощью индексации, мы генерируем список индексов, которые мы, возможно, захотим добавить. Для этого мы анализируем SQL и определяем любые столбцы, используемые в фильтрах, объединениях, группировках или сортировке.Чтобы сгенерировать все возможные индексы, нам нужно рассмотреть комбинации этих столбцов, поскольку Postgres поддерживает многостолбцовые индексы . В настоящей реализации мы включаем только одну перестановку каждого возможного многостолбцового индекса, которая выбирается случайным образом. Мы делаем это упрощение, чтобы уменьшить пространство поиска, поскольку перестановки часто имеют эквивалентную производительность. Однако мы надеемся улучшить ситуацию в этой области.
3. Поиск оптимальной конфигурации индекса . Наша цель — найти комбинацию индексов, которая оптимально сбалансирует преимущества производительности с затратами на хранение и поддержку этих индексов. Мы оцениваем улучшение производительности, используя возможности «что если?», предоставляемые расширением hypopg . Это моделирует, как оптимизатор запросов Postgres будет выполнять запрос после добавления индексов, и сообщает об изменениях на основе фактической модели затрат Postgres.Одна из проблем заключается в том, что для создания планов запросов обычно требуется знание конкретных значений параметров, используемых в запросе. Нормализация запросов, необходимая для сокращения рассматриваемых запросов, удаляет константы параметров. Значения параметров, предоставляемые через переменные связывания, также недоступны для нас.Чтобы решить эту проблему, мы создаем реалистичные константы, которые мы можем предоставить в качестве параметров, выбирая из статистики таблицы. В версии 16 Postgres добавил общую функциональность плана объяснения , но у нее есть ограничения, например, вокруг предложений LIKE , которых нет в нашей реализации.Стратегия поиска имеет решающее значение, поскольку оценка всех возможных комбинаций индексов осуществима только в простых ситуациях. Это то, что отличает различные подходы к индексированию. Адаптируя подход алгоритма Anytime от Microsoft, мы используем жадную стратегию поиска, т. е. находим лучшее решение с одним индексом, затем находим лучший индекс, чтобы добавить его к нему для получения решения с двумя индексами. Наш поиск прекращается, когда бюджет времени исчерпан или когда раунд исследования не дает никаких результатов выше минимального порога улучшения в 10%.
4. Анализ затрат и выгод . Когда нам предлагают две альтернативы индексации, одна из которых обеспечивает лучшую производительность, а другая требует больше места, как нам решить, какую из них выбрать? Традиционно консультанты по индексам запрашивают бюджет хранилища и оптимизируют производительность относительно этого бюджета хранилища. Мы также берем бюджет хранилища, но выполняем анализ затрат и выгод на протяжении всей оптимизации.Мы сформулируем это как проблему выбора точки на фронте Парето — набора вариантов, для которых улучшение одной метрики качества обязательно ухудшает другую. В идеальном мире мы могли бы захотеть оценить стоимость хранилища и выгоду от улучшения производительности в денежном выражении. Однако есть более простой и практичный подход: рассмотреть изменения в относительном выражении. Большинство людей согласятся, что 100-кратное улучшение производительности того стоит, даже если стоимость хранилища составляет 2x. В нашей реализации мы используем настр��иваемый параметр для установки этого порога. По умолчанию мы требуем, чтобы изменение в логарифме (по основанию 10) улучшения производительности было в 2 раза больше разницы в логарифме стоимости пространства. Это позволяет максимально увеличить пространство в 10 раз для 100-кратного улучшения производительности.

Наша реализация наиболее тесно связана с алгоритмом Anytime, который есть в Microsoft SQL Server. По сравнению с Dexter , автоматическим инструментом индексации для Postgres, мы ищем в большем пространстве и используем другие эвристики. Это позволяет нам генерировать лучшие решения за счет более длительного времени выполнения.

Мы также показываем работу, проделанную в каждом раунде поиска, включая сравнение планов запросов до и после добавления каждого индекса. Это дает LLM дополнительный контекст, который он может использовать при ответе на рекомендации по индексации.

Экспериментально: настройка индекса LLM

Postgres MCP Pro включает экспериментальную функцию настройки индекса на основе Optimization by LLM . Вместо использования эвристики для исследования возможных конфигураций индекса мы предоставляем схему базы данных и планы запросов LLM и просим его предложить конфигурации индекса. Затем мы используем hypopg для прогнозирования производительности с предложенными индексами, затем передаем эти результаты обратно в LLM для создания нового набора предложений. Мы повторяем этот процесс до тех пор, пока несколько раундов итерации не дадут никаких дальнейших улучшений.

Оптимизация индекса с помощью LLM имеет преимущества, когда пространство поиска индекса велико или когда необходимо учитывать индексы со многими столбцами. Как и традиционные подходы на основе поиска, она опирается на точность прогнозов производительности hypopg .

Чтобы выполнить оптимизацию индекса с помощью LLM, необходимо предоставить ключ API OpenAI, установив переменную среды OPENAI_API_KEY .

Здоровье базы данных

Проверки работоспособности базы данных выявляют возможности настройки и потребности в обслуживании до того, как они приведут к критическим проблемам. В текущем выпуске Postgres MCP Pro адаптирует проверки работоспособности базы данных непосредственно из PgHero . Мы работаем над полной проверкой этих проверок и можем расширить их в будущем.

• Здоровье индекса . Ищет неиспользуемые индексы, дублирующие индексы и раздутые индексы. Раздутые индексы неэффективно используют страницы базы данных. Автоочистка Postgres очищает записи индекса, указывающие на мертвые кортежи, и помечает записи как пригодные для повторного использования. Однако она не сжимает страницы индекса, и в конечном итоге страницы индекса могут содержать мало ссылок на живые кортежи.
• Коэффициент попадания в буферный кэш . Измеряет долю операций чтения базы данных, которые обслуживаются из буферного кэша вместо диска. Низкий коэффициент попадания в буферный кэш необходимо исследовать, поскольку он часто не является оптимальным с точки зрения затрат и приводит к снижению производительности приложения.
• Connection Health . Проверяет количество подключений к базе данных и сообщает об их использовании. Самый большой риск — это исчерпание подключений, но большое количество бездействующих или заблокированных подключений также может указывать на проблемы.
• Vacuum Health . Vacuum важен по многим причинам. Критическая причина — предотвращение зацикливания идентификатора транзакции, которое может привести к тому, что база данных перестанет принимать записи. Механизм управления многоверсионным параллелизмом Postgres (MVCC) требует уникального идентификатора транзакции для каждой транзакции. Однако, поскольку Postgres использует 32-битное целое число со знаком для идентификаторов транзакций, ему необходимо повторно использовать идентификаторы транзакций после максимум 2 миллиардов транзакций. Для этого он «замораживает» идентификаторы транзакций исторических транзакций, устанавливая для них все специальные значения, указывающие на далекое прошлое. Когда записи впервые попадают на диск, они записываются в видимость для диапазона идентификаторов транзакций. Перед повторным использованием этих идентификаторов транзакций Postgres должен обновить все записи на диске, «заморозив» их, чтобы удалить ссылки на идентификаторы транзакций, которые будут повторно использоваться. Эта проверка ищет таблицы, которые требуют очистки, чтобы предотвратить зацикливание идентификатора транзакции.
• Здоровье репликации . Проверяет здоровье репликации, отслеживая задержку между первичным сервером и репликами, проверяя статус репликации и отслеживая использование слотов репликации.
• Constraint Health . Во время нормальной работы Postgres отклоняет любые транзакции, которые могут вызвать нарушение ограничений. Однако недействительные ограничения могут возникнуть после загрузки данных или в сценариях восстановления. Эта проверка ищет любые недействительные ограничения.
• Здоровье последовательности . Ищет последовательности, которые подвержены риску превышения своего максимального значения.

Клиентская библиотека Postgres

Postgres MCP Pro использует psycopg3 для подключения к Postgres с помощью асинхронного ввода-вывода. Под капотом psycopg3 использует библиотеку libpq для подключения к Postgres, предоставляя доступ к полному набору функций Postgres и базовой реализации, полностью поддерживаемой сообществом Postgres.

Некоторые другие MCP-серверы на основе Python используют asyncpg , что может упростить установку, устраняя зависимость libpq . Asyncpg также, вероятно, быстрее, чем psycopg3, но мы сами этого не проверяли. Более старые тесты показывают больший разрыв в производительности, что говорит о том, что новый psycopg3 закрыл этот разрыв по мере своего развития.

Сбалансировав эти соображения, мы выбрали psycopg3 вместо asyncpg . Мы остаемся открытыми для пересмотра этого решения в будущем.

Конфигурация соединения

Как и Reference PostgreSQL MCP Server , Postgres MCP Pro принимает информацию о подключении Postgres при запуске. Это удобно для пользователей, которые всегда подключаются к одной и той же базе данных, но может быть обременительно, когда пользователи переключают базы данных.

Альтернативный подход, принятый PG-MCP , заключается в предоставлении сведений о подключении через вызовы инструмента MCP во время использования. Это более удобно для пользователей, которые переключают базы данных, и позволяет одному серверу MCP одновременно поддерживать нескольких конечных пользователей.

Должен быть подход лучше любого из этих. У обоих есть слабые места в безопасности — немногие клиенты MCP хранят конфигурацию сервера MCP безопасно (исключением является Goose), а учетные данные, предоставленные через инструменты MCP, передаются через LLM и сохраняются в истории чата. У обоих также есть проблемы с удобством использования в некоторых сценариях.

Информация о схеме

Целью инструмента информации о схеме является предоставление вызывающему агенту ИИ информации, необходимой для генерации правильного и производительного SQL. Например, предположим, что пользователь спрашивает: «Сколько рейсов вылетело из Сан-Франциско и приземлилось в Париже за последний год?» Агенту ИИ необходимо найти таблицу, в которой хранятся рейсы, столбцы, в которых хранятся пункты отправления и назначения, и, возможно, таблицу, которая сопоставляет коды аэропортов и их местоположения.

Зачем предоставлять инструменты для работы с информацией о схеме, если LLM, как правило, способны генерировать SQL для извлечения этой информации напрямую из Postgres?

Наш опыт использования Claude показывает, что вызывающий LLM очень хорош в генерации SQL для исследования схемы Postgres путем запроса системного каталога Postgres и информационной схемы (стандартизированное ANSI представление метаданных базы данных). Однако мы не знаем, делают ли это другие LLM так же надежно и эффективно.

Будет ли лучше предоставить информацию о схеме, используя ресурсы MCP , а не инструменты MCP ?

Reference PostgreSQL MCP Server использует ресурсы для предоставления информации о схеме, а не инструменты. Навигация по ресурсам похожа на навигацию по файловой системе, поэтому этот подход во многих отношениях естественен. Однако поддержка ресурсов менее распространена, чем поддержка инструментов в экосистеме клиентов MCP (см. примеры клиентов ). Кроме того, хотя стандарт MCP гласит, что доступ к ресурсам могут получить как агенты ИИ, так и конечные пользователи-люди, некоторые клиенты поддерживают только человеческую навигацию по дереву ресурсов.

Защищенное выполнение SQL

ИИ усиливает давние проблемы защиты баз данных от ряда угроз, от простых ошибок до сложных атак злоумышленников. Независимо от того, является ли угроза случайной или злонамеренной, применяется аналогичная структура безопасности с целями, которые делятся на три категории: конфиденциальность, целостность и доступность. Знакомое напряжение между удобством и безопасностью также очевидно и выражено.

Защищенный режим выполнения SQL Postgres MCP Pro фокусируется на целостности. В контексте MCP мы больше всего обеспокоены тем, что SQL, сгенерированный LLM, может нанести ущерб, например, непреднамеренное изменение или удаление данных или другие изменения, которые могут обойти процесс управления изменениями организации.

Самый простой способ обеспечить целостность — гарантировать, что все SQL, выполняемые в отношении базы данных, доступны только для чтения. Один из способов сделать это — создать пользователя базы данных с правами доступа только для чтения. Хотя это хороший подход, многие считают его громоздким на практике. Postgres не предоставляет способа перевести соединение или сеанс в режим только для чтения, поэтому Postgres MCP Pro использует более сложный подход для обеспечения выполнения SQL только для чтения поверх соединения для чтения и записи.

Postgres MCP Предоставляет режим транзакций только для чтения, который предотвращает изменения данных и схемы. Как и Reference PostgreSQL MCP Server , мы используем транзакции только для чтения для обеспечения защищенного выполнения SQL.

Чтобы сделать этот механизм надежным, нам нужно гарантировать, что SQL каким-либо образом не обойдет режим транзакции только для чтения, например, выполнив оператор COMMIT или ROLLBACK , а затем начав новую транзакцию.

Например, LLM может обойти режим транзакции только для чтения, выполнив оператор ROLLBACK и затем начав новую транзакцию. Например:

Чтобы предотвратить подобные случаи, мы анализируем SQL перед выполнением с помощью библиотеки pglast . Мы отклоняем любой SQL, содержащий операторы commit или rollback . К счастью, популярные языки хранимых процедур Postgres, включая PL/pgSQL и PL/Python, не допускают операторы COMMIT или ROLLBACK . Если в вашей базе данных включены небезопасные языки хранимых процедур, то наши средства защиты только для чтения можно обойти.

В настоящее время Postgres MCP Pro обеспечивает два уровня защиты базы данных, находящиеся на крайних уровнях удобства/безопасности.

• «Unrestricted» обеспечивает максимальную гибкость. Подходит для сред разработки, где скорость и гибкость имеют первостепенное значение и где нет необходимости защищать ценные или конфиденциальные данные.
• "Restricted" обеспечивает баланс между гибкостью и безопасностью. Подходит для производственных сред, где база данных доступна ненадежным пользователям и где важно защитить ценные или конфиденциальные данные.

Неограниченный режим соответствует подходу режима автозапуска Cursor , где агент ИИ работает с ограниченным человеческим контролем или одобрением. Мы ожидаем, что автозапуск будет развернут в средах разработки, где последствия ошибок невелики, где базы данных не содержат ценных или конфиденциальных данных и где их можно воссоздать или восстановить из резервных копий при необходимости.

Мы разработали ограниченный режим как консервативный, с допущением ошибки в сторону безопасности, хотя это может быть неудобно. Ограниченный режим ограничен операциями только для чтения, и мы ограничиваем время выполнения запроса, чтобы предотвратить влияние длительных запросов на производительность системы. В будущем мы можем добавить меры, чтобы убедиться, что ограниченный режим безопасен для использования с производственными базами данных.

Разработка Postgres MCP Pro

Приведенные ниже инструкции предназначены для разработчиков, желающих работать с Postgres MCP Pro, или пользователей, которые предпочитают устанавливать Postgres MCP Pro из исходного кода.

Настройка локального развития

1. Установить УФ :
   curl -sSL https://astral.sh/uv/install.sh | sh
2. Клонируйте репозиторий :
   git clone https://github.com/crystaldba/postgres-mcp.git cd postgres-mcp
3. Установить зависимости :
   uv pip install -e . uv sync
4. Запустите сервер :
   uv run postgres-mcp "postgres://user:password@localhost:5432/dbname"