Skip to main content
Glama

QueryNest

by niuzaishu
GitHub
Python
MIT License
1
OverviewInspectNewEndpointsSchemaRelated ServersReviewsScore
Need Help?View Source CodeReport Issue

QueryNest - MongoDB多实例查询服务

QueryNest是一个基于MCP (Model Context Protocol) 的MongoDB多实例查询服务，提供智能化的数据库结构发现、语义分析和自然语言查询生成功能。

📍 项目信息

  • 版本: v1.0.0

  • 状态: ✅ 生产就绪

  • 许可证: MIT License

  • 语言: Python 3.12+

  • 架构: 异步/基于MCP协议

🚀 主要特性

🔍 智能查询

  • 自然语言查询：支持中文自然语言描述查询需求

  • MongoDB原生查询：支持标准MongoDB查询语法

  • 聚合管道：支持复杂的数据聚合操作

  • 查询优化：自动优化查询性能

  • 查询缓存：智能缓存提升查询速度

🏢 多实例管理

  • 实例发现：自动发现和连接多个MongoDB实例

  • 负载均衡：智能分配查询请求

  • 健康检查：实时监控实例状态

  • 故障转移：自动处理实例故障

  • 连接池管理：优化数据库连接使用

🛡️ 安全控制

  • 只读权限：确保数据安全，仅支持读取操作

  • 查询限制：限制查询复杂度和返回数据量

  • 数据脱敏：自动识别和脱敏敏感信息

  • 访问控制：基于角色的访问权限管理

  • 安全审计：记录所有查询操作

🧠 智能分析

  • 结构发现：自动分析数据库结构和字段类型

  • 语义理解：理解字段的业务含义

  • 查询建议：提供查询优化建议

  • 性能分析：分析查询性能和瓶颈

  • 索引建议：智能推荐索引优化方案

📊 监控与指标

  • 实时监控：系统性能和查询指标实时监控

  • 性能分析：详细的查询性能统计

  • 错误追踪：完整的错误记录和分析

  • 健康检查：系统健康状态评估

  • 指标导出：支持多种格式的指标导出

🔧 用户体验

  • 错误处理：友好的错误提示和建议

  • 用户反馈：完整的反馈收集系统

  • 帮助系统：内置帮助文档和FAQ

  • 配置验证：自动验证配置文件和环境

🔌 MCP集成

  • 标准协议：完全兼容MCP（Model Context Protocol）

  • 工具丰富：提供完整的查询和分析工具集

  • 交互式：支持对话式查询和探索

  • 可扩展：易于集成到各种AI应用中

  • 反馈工具：内置用户反馈和帮助工具

📦 安装部署

环境要求

  • Python 3.8+

  • MongoDB 4.0+

  • 可选：Redis（用于缓存）

🚀 快速开始

快速启动（推荐）

使用uvx快速启动服务：

# 安装uv工具（如果尚未安装） pip install uv # 从项目目录启动（推荐） cd /path/to/QueryNest uvx --from . --no-cache querynest-mcp # 或从任何位置启动 uvx --from /path/to/QueryNest --no-cache querynest-mcp

uvx启动的优势：

  • 自动处理依赖关系

  • 无需预安装包到环境

  • 使用隔离的执行环境

  • 自动缓存加速后续启动

手动安装

  1. 克隆项目

git clone https://github.com/niuzaishu/QueryNest.git cd QueryNest

  1. 安装依赖

cd QueryNest pip install -r requirements.txt

  1. 配置服务

# 复制配置模板 cp config.example.yaml config.yaml # 编辑配置文件（根据实际环境修改MongoDB连接字符串） vim config.yaml # 或使用您喜欢的编辑器

  1. 启动服务

# 开发模式（直接运行） python mcp_server.py --log-level DEBUG # 生产模式（使用uvx，推荐） uvx --from . --no-cache querynest-mcp # 设置配置文件路径（如果需要） export QUERYNEST_CONFIG_PATH=/path/to/config.yaml

Docker 部署

# 构建并启动 docker-compose up -d # 查看日志 docker-compose logs -f # 停止服务 docker-compose down

⚙️ 配置说明

🔌 MCP 客户端配置

服务启动后，可以在支持MCP协议的AI客户端中配置QueryNest服务以实现智能数据库查询功能。

1. 项目结构

QueryNest/ ├── 📄 配置文件 │ ├── config.yaml # 主配置文件 │ ├── config.example.yaml # 配置模板 │ └── config.py # 配置管理 ├── 🚀 核心服务 │ ├── mcp_server.py # MCP服务器入口 │ ├── start.py # 备用启动脚本 │ └── database/ # 数据库连接和管理 ├── 🔧 MCP工具集 │ └── mcp_tools/ # MCP协议工具实现 ├── 🔍 扫描分析 │ └── scanner/ # 数据库扫描和语义分析 ├── 🛠️ 工具类 │ └── utils/ # 验证、错误处理、工作流管理 ├── 🧪 测试代码 │ └── tests/ # 单元测试和集成测试 ├── 📚 文档 │ └── docs/ # 完整项目文档 ├── 📦 部署 │ └── deployment/ # Docker和服务配置 └── 📜 脚本 └── scripts/ # 数据库检查和测试工具

📖 详细结构说明请参考 docs/PROJECT_STRUCTURE.md

QueryNest 已经配置为可通过 uvx 运行的包，项目包含以下关键文件：

setup.py - 包配置文件：

setup( name="querynest", version="1.0.0", description="QueryNest MCP MongoDB查询服务", py_modules=["mcp_server", "config"], packages=["database", "scanner", "mcp_tools", "utils"], entry_points={ "console_scripts": [ "querynest-mcp=mcp_server:cli_main", ] }, )

入口点配置 - 在 mcp_server.py 中定义了 CLI 入口：

def cli_main(): """命令行入口点""" # 自动查找配置文件并设置环境 # 支持从不同目录启动 asyncio.run(main()) if __name__ == "__main__": cli_main()

2. 本地运行步骤

步骤 1：安装 uv 工具

如果尚未安装uv，可通过以下方式安装：

# 使用pip安装（推荐） pip install uv # 或使用官方安装脚本（Linux/macOS） curl -LsSf https://astral.sh/uv/install.sh | sh # Windows PowerShell powershell -c "irm https://astral.sh/uv/install.ps1 | iex" # 验证安装 uvx --version

步骤 2：启动服务

在项目根目录下运行：

# 推荐方式：从项目目录运行 cd /path/to/QueryNest uvx --from . --no-cache querynest-mcp # 或设置环境变量指定配置文件 export QUERYNEST_CONFIG_PATH=/path/to/QueryNest/config.yaml uvx --from /path/to/QueryNest --no-cache querynest-mcp

步骤 3：验证服务启动

服务启动成功后，您应该看到类似以下的日志输出：

{"event": "Starting QueryNest MCP server initialization", "config_path": "/path/to/config.yaml"} {"event": "Configuration loaded successfully", "instances_count": 2} {"event": "MCP tools initialized successfully", "tools_count": 13} {"event": "Starting stdio MCP server"}

3. MCP客户端集成

uvx 工作原理：

uvx 是一个现代的 Python 包执行工具，它可以：

  • 自动从当前目录（.）安装包

  • 管理临时虚拟环境

  • 执行包的入口点命令

MCP 客户端配置要点：

对于支持MCP协议的AI客户端，QueryNest 的配置示例：

{ "mcpServers": { "QueryNest": { "command": "uvx", "args": ["--from", "/path/to/QueryNest", "--no-cache", "querynest-mcp"], "cwd": "/path/to/QueryNest", "env": { "QUERYNEST_CONFIG_PATH": "/path/to/QueryNest/config.yaml", "QUERYNEST_LOG_LEVEL": "INFO" } } } }

Windows 配置示例：

{ "mcpServers": { "QueryNest": { "command": "uvx", "args": ["--from", "C:\\path\\to\\QueryNest", "--no-cache", "querynest-mcp"], "cwd": "C:\\path\\to\\QueryNest", "env": { "QUERYNEST_CONFIG_PATH": "C:\\path\\to\\QueryNest\\config.yaml" } } } }

关键配置说明：

  • --from /path/to/QueryNest: 指定项目绝对路径

  • --no-cache: 确保使用最新代码

  • cwd: 设置工作目录为项目根目录

  • querynest-mcp: 在 setup.py 中定义的入口点命令

优势：

  1. 项目路径明确: 使用绝对路径确保找到正确的项目

  2. 自动依赖管理: uvx 自动处理所有依赖包

  3. 隔离环境: 每次运行都在独立的临时环境中

  4. 配置文件自动发现: 服务器会自动查找配置文件

4. 故障排除

常见问题及解决方案：

问题 1：uvx 命令不存在

# 解决方案：安装uv工具 pip install uv # 或使用官方安装脚本 curl -LsSf https://astral.sh/uv/install.sh | sh # Linux/macOS # powershell -c "irm https://astral.sh/uv/install.ps1 | iex" # Windows # 验证安装 uvx --version

问题 2：配置文件未找到

# 检查配置文件是否存在 ls -la config.yaml # 从示例创建配置文件 cp config.example.yaml config.yaml # 设置环境变量 export QUERYNEST_CONFIG_PATH=/path/to/QueryNest/config.yaml

问题 3：MCP 服务连接失败

  • 检查 MCP 客户端配置文件格式

  • 确认项目路径是否正确（使用绝对路径）

  • 验证 MongoDB 服务是否运行

  • 检查配置文件 config.yaml 是否存在

问题 4：MongoDB连接失败

# 检查MongoDB服务状态 python scripts/check_db.py # 手动测试MongoDB连接 python -c " from pymongo import MongoClient client = MongoClient('mongodb://localhost:27017/') print('MongoDB连接成功') " # 检查MongoDB服务是否运行 # Linux/macOS sudo systemctl status mongod # Windows net start | findstr -i mongo

验证配置成功：

# 测试本地运行 cd /path/to/QueryNest uvx --from . --no-cache querynest-mcp --help # 检查项目结构 ls -la setup.py mcp_server.py config.yaml # 验证入口点 python -c " from mcp_server import cli_main print('Entry point OK') " # 测试完整启动流程 uvx --from . --no-cache querynest-mcp --log-level INFO

MongoDB实例配置

QueryNest支持灵活的环境配置，您可以根据实际需求配置不同类型的实例：

  1. 传统环境配置（dev、test、uat、sit、staging、prod）

  2. 业务系统配置（crm-prod、order-system、user-center）

  3. 地域集群配置（beijing、shanghai、guangzhou）

  4. 自定义环境配置（任意命名）

mongodb: instances: prod-main: name: "生产主库" environment: "prod" connection_string: "mongodb://admin:password@localhost:27017/admin" database: "prod_database" description: "生产环境主数据库" status: "active" tags: ["production", "primary"] crm-prod: name: "CRM生产库" environment: "crm-prod" connection_string: "mongodb://crm_user:${CRM_DB_PASSWORD}@crm-db.company.com:27017/admin" database: "crm_database" description: "CRM系统生产数据库" status: "active" tags: ["crm", "production"] beijing-cluster: name: "北京集群" environment: "beijing" connection_string: "mongodb://readonly:${BEIJING_DB_PASSWORD}@beijing-mongo.company.com:27017/admin" database: "beijing_database" description: "北京地域MongoDB集群" status: "active" tags: ["beijing", "cluster"]

安全配置

security: permissions: allowed_operations: - "find" - "count" - "aggregate" - "distinct" forbidden_operations: - "insert" - "update" - "delete" limits: max_documents: 1000 query_timeout: 30 data_masking: enabled: true sensitive_field_patterns: - "password" - "email" - "phone"

环境变量配置

支持多实例独立的环境变量管理：

# .env 文件示例 # 传统环境密码 PROD_DB_PASSWORD=your_prod_password TEST_DB_PASSWORD=your_test_password DEV_DB_PASSWORD=your_dev_password # 业务系统密码 CRM_DB_PASSWORD=your_crm_password ORDER_DB_PASSWORD=your_order_password USER_CENTER_DB_PASSWORD=your_user_center_password # 地域集群密码 BEIJING_DB_PASSWORD=your_beijing_password SHANGHAI_DB_PASSWORD=your_shanghai_password GUANGZHOU_DB_PASSWORD=your_guangzhou_password # 自定义实例密码 CUSTOM_INSTANCE_PASSWORD=your_custom_password

端口配置

  • MCP服务: 默认使用stdio通信，无需端口；HTTP模式可配置端口（默认8000）

  • MongoDB: 27017 (Docker容器内部)

  • Prometheus: 9090 (监控面板)

  • 应用监控: 8000 (可选，用于健康检查)

端口说明：

  • stdio模式：通过标准输入输出通信，无需网络端口

  • HTTP模式：通过环境变量 QUERYNEST_MCP_PORT 配置端口

元数据配置

metadata: instance_id: "dev-local" # 可以是任意环境标识 database_name: "querynest_metadata" collections: instances: "instances" databases: "databases" collections: "collections" fields: "fields" query_history: "query_history"

🛠️ MCP工具使用

1. 实例发现 (discover_instances)

发现和列出所有可用的MongoDB实例。

{ "name": "discover_instances", "arguments": { "include_health": true, "include_stats": true } }

2. 数据库发现 (discover_databases)

列出指定实例中的所有数据库。

{ "name": "discover_databases", "arguments": { "instance_id": "prod-main", "include_collections": true, "exclude_system": true } }

3. 集合分析 (analyze_collection)

分析指定集合的结构和字段信息。

{ "name": "analyze_collection", "arguments": { "instance_id": "prod-main", "database_name": "ecommerce", "collection_name": "users", "include_semantics": true, "include_examples": true, "rescan": false } }

4. 语义管理 (manage_semantics)

管理字段的业务语义信息。

{ "name": "manage_semantics", "arguments": { "action": "batch_analyze", "instance_id": "prod-main", "database_name": "ecommerce", "collection_name": "users" } }

5. 查询生成 (generate_query)

根据自然语言描述生成MongoDB查询。

{ "name": "generate_query", "arguments": { "instance_id": "prod-main", "database_name": "ecommerce", "collection_name": "orders", "query_description": "查找今天创建的订单，按金额降序排列", "query_type": "auto", "limit": 50 } }

6. 查询确认 (confirm_query)

执行生成的查询并返回结果。

{ "name": "confirm_query", "arguments": { "instance_id": "prod-main", "database_name": "ecommerce", "collection_name": "orders", "query_type": "find", "mongodb_query": { "filter": {"created_at": {"$gte": "2024-01-01T00:00:00Z"}}, "sort": {"amount": -1}, "limit": 50 }, "explain": true } }

📊 使用示例

场景1：电商数据分析

  1. 发现实例和数据库

用户："帮我查看有哪些可用的数据库实例" 助手：使用 discover_instances 工具

  1. 分析用户集合

用户："分析一下电商数据库中的用户表结构" 助手：使用 analyze_collection 工具分析 users 集合

  1. 自然语言查询

用户："查找最近一周注册的活跃用户，按注册时间排序" 助手：使用 generate_query 生成查询，然后用 confirm_query 执行

场景2：日志数据查询

  1. 语义分析

用户："帮我理解日志集合中各个字段的含义" 助手：使用 manage_semantics 进行批量语义分析

  1. 复杂聚合查询

用户："统计每小时的错误日志数量，按时间分组" 助手：生成聚合查询并执行

🔧 开发指南

项目结构

QueryNest/ ├── src/ │ ├── __init__.py │ ├── config.py # 配置管理 │ ├── mcp_server.py # MCP服务器主文件 │ ├── database/ # 数据库模块 │ │ ├── __init__.py │ │ ├── connection_manager.py │ │ ├── metadata_manager.py │ │ └── query_engine.py │ ├── scanner/ # 扫描模块 │ │ ├── __init__.py │ │ ├── structure_scanner.py │ │ └── semantic_analyzer.py │ └── mcp_tools/ # MCP工具 │ ├── __init__.py │ ├── instance_discovery.py │ ├── database_discovery.py │ ├── collection_analysis.py │ ├── semantic_management.py │ ├── query_generation.py │ └── query_confirmation.py ├── config.yaml # 配置文件 ├── requirements.txt # 依赖列表 └── README.md # 项目文档

添加新工具

  1. 创建工具类

class NewTool: def get_tool_definition(self) -> Tool: # 定义工具接口 pass async def execute(self, arguments: Dict[str, Any]) -> List[TextContent]: # 实现工具逻辑 pass

  1. 注册工具

# 在 mcp_server.py 中注册 new_tool = NewTool(...) self.tools["new_tool"] = new_tool

扩展语义分析

  1. 添加语义规则

# 在 semantic_analyzer.py 中添加 self.semantic_patterns.update({ "custom_field": { "patterns": [r"custom_.*"], "meaning": "自定义字段", "confidence": 0.8 } })

  1. 自定义分析逻辑

def analyze_custom_semantics(self, field_info): # 实现自定义语义分析逻辑 pass

🚨 注意事项

安全考虑

  1. 权限控制

    • 确保只允许读取操作

    • 配置适当的查询限制

    • 启用数据脱敏功能

  2. 网络安全

    • 使用SSL/TLS连接

    • 配置防火墙规则

    • 定期更新密码

  3. 数据保护

    • 避免记录敏感信息

    • 定期清理查询历史

    • 监控异常访问

性能优化

  1. 连接管理

    • 合理配置连接池大小

    • 启用连接复用

    • 监控连接健康状态

  2. 查询优化

    • 使用适当的索引

    • 限制查询结果数量

    • 避免复杂的聚合操作

  3. 缓存策略

    • 启用元数据缓存

    • 缓存常用查询结果

    • 定期清理过期缓存

📝 更新日志

v1.0.0 (2024-01-01)

  • 初始版本发布

  • 支持多实例MongoDB连接

  • 实现基础的结构扫描和语义分析

  • 提供完整的MCP工具集

  • 支持自然语言查询生成

🧪 测试

运行所有测试

python -m pytest tests/ -v

运行单元测试

# 测试连接管理器 python -m pytest tests/unit/test_connection_manager.py -v # 测试查询引擎 python -m pytest tests/unit/test_query_engine.py -v # 测试元数据管理器 python -m pytest tests/unit/test_metadata_manager.py -v # 测试数据库扫描器 python -m pytest tests/unit/test_database_scanner.py -v # 测试MCP工具 python -m pytest tests/unit/test_mcp_tools.py -v

测试覆盖率

pip install pytest-cov python -m pytest tests/ --cov=src --cov-report=html

环境验证

# 验证启动环境 python -c " from utils.startup_validator import validate_startup_environment print(validate_startup_environment()) "

📚 文档

核心文档

部署文档

开发文档

用户指南

📚 更多资源

🔧 故障排除

常见问题

3. 连接MongoDB失败

# 检查MongoDB服务状态 sudo systemctl status mongod # 测试网络连接 telnet <mongodb_host> <mongodb_port> # 验证认证信息 mongo --host <host> --port <port> -u <username> -p

4. 配置文件错误

# 验证配置文件 python -c " from utils.config_validator import ConfigValidator validator = ConfigValidator() print(validator.validate_config_file('config.yaml')) "

环境变量配置

QueryNest 支持以下环境变量：

环境变量

描述

默认值

示例

QUERYNEST_CONFIG_PATH

配置文件路径

config.yaml

/app/config.yaml

QUERYNEST_LOG_LEVEL

日志级别

INFO

DEBUG

,

INFO

,

WARNING

,

ERROR

QUERYNEST_MCP_TRANSPORT

MCP传输方式

stdio

stdio

,

http

QUERYNEST_MCP_HOST

HTTP模式主机地址

None

0.0.0.0

QUERYNEST_MCP_PORT

HTTP模式端口

None

8000

MONGO_PROD_PASSWORD

生产环境MongoDB密码

-

your_password

MONGO_TEST_PASSWORD

测试环境MongoDB密码

-

your_password

MONGO_DEV_PASSWORD

开发环境MongoDB密码

-

your_password

Linux/macOS 示例：

# 设置配置文件路径 export QUERYNEST_CONFIG_PATH=/path/to/QueryNest/config.yaml # 设置日志级别 export QUERYNEST_LOG_LEVEL=DEBUG # MCP传输模式（目前仅支持stdio） export QUERYNEST_MCP_TRANSPORT=stdio

Windows 示例：

# CMD set QUERYNEST_CONFIG_PATH=C:\path\to\QueryNest\config.yaml set QUERYNEST_LOG_LEVEL=DEBUG # PowerShell $env:QUERYNEST_CONFIG_PATH="C:\path\to\QueryNest\config.yaml" $env:QUERYNEST_LOG_LEVEL="DEBUG"

5. 依赖包问题

cd /path/to/QueryNest # 重新安装依赖 pip install -r requirements.txt --force-reinstall # 检查Python版本 python --version # 检查关键包安装状态 pip list | grep -E "(mcp|pymongo|motor)"

6. 权限和路径问题

# 检查文件是否存在 ls -la config.yaml mcp_server.py # 检查目录权限 ls -ld . logs/ # 修复权限（如果需要） chmod 755 . chmod 644 config.yaml chmod +x mcp_server.py # 创建日志目录（如果不存在） mkdir -p logs/

日志分析

查看详细日志：

# 查看应用日志 tail -f logs/querynest.log # 查看错误日志 tail -f logs/error.log # 查看系统日志 journalctl -u querynest -f

性能调优

# 查看系统资源使用 top htop # 查看MongoDB性能 mongotop mongostat # 查看网络连接 netstat -an | grep :27017

🤝 贡献指南

我们欢迎各种形式的贡献！请查看 CONTRIBUTING.md 了解如何参与项目开发。

快速贡献指南

  1. Fork 项目

  2. 创建功能分支 (git checkout -b feature/AmazingFeature)

  3. 添加测试用例

  4. 运行测试确保通过 (python -m pytest tests/ -v)

  5. 提交更改 (git commit -m 'Add some AmazingFeature')

  6. 推送到分支 (git push origin feature/AmazingFeature)

  7. 开启 Pull Request

开发环境

# 克隆项目 git clone <repository_url> cd QueryNest # 创建虚拟环境 python -m venv venv source venv/bin/activate # Linux/Mac venv\Scripts\activate # Windows # 安装开发依赖 pip install -r requirements.txt pip install pytest pytest-cov black flake8 # 运行代码格式化 black src/ tests/ # 运行代码检查 flake8 src/ tests/

📄 许可证

本项目采用 MIT 许可证 - 查看 LICENSE 文件了解详情。

🙏 致谢

感谢所有贡献者和以下开源项目：

📞 支持

如果您遇到问题或有建议，请：

  1. 查看 FAQ

  2. 搜索 Issues

  3. 创建新的 Issue

  4. 查看 GitHub Discussions

  5. 联系维护者

🙏 致谢

感谢以下项目和贡献者：

QueryNest - 让MongoDB查询变得简单智能 🚀

This server cannot be installed

-
security - not tested
A
license - permissive license
-
quality - not tested

How are these scores calculated?

remote-capable server

The server can be hosted and run remotely because it primarily relies on remote services or has no dependency on the local environment.

A MongoDB multi-instance query service built on MCP that provides intelligent database structure discovery, semantic analysis, and natural language query generation for MongoDB databases.

  1. 📍 项目信息
    1. 🚀 主要特性
      1. 🔍 智能查询
      2. 🏢 多实例管理
      3. 🛡️ 安全控制
      4. 🧠 智能分析
      5. 📊 监控与指标
      6. 🔧 用户体验
      7. 🔌 MCP集成
    2. 📦 安装部署
      1. 环境要求
      2. 🚀 快速开始
    3. ⚙️ 配置说明
      1. 🔌 MCP 客户端配置
      2. MongoDB实例配置
      3. 安全配置
      4. 环境变量配置
      5. 端口配置
      6. 元数据配置
    4. 🛠️ MCP工具使用
      1. 1. 实例发现 (discover_instances)
      2. 2. 数据库发现 (discover_databases)
      3. 3. 集合分析 (analyze_collection)
      4. 4. 语义管理 (manage_semantics)
      5. 5. 查询生成 (generate_query)
      6. 6. 查询确认 (confirm_query)
    5. 📊 使用示例
      1. 场景1：电商数据分析
      2. 场景2：日志数据查询
    6. 🔧 开发指南
      1. 项目结构
      2. 添加新工具
      3. 扩展语义分析
    7. 🚨 注意事项
      1. 安全考虑
      2. 性能优化
    8. 📝 更新日志
      1. v1.0.0 (2024-01-01)
    9. 🧪 测试
      1. 运行所有测试
      2. 运行单元测试
      3. 测试覆盖率
      4. 环境验证
    10. 📚 文档
      1. 核心文档
      2. 部署文档
      3. 开发文档
      4. 用户指南
    11. 📚 更多资源
      1. 🔧 故障排除
        1. 常见问题
        2. 环境变量配置
        3. 日志分析
        4. 性能调优
      2. 🤝 贡献指南
        1. 快速贡献指南
        2. 开发环境
      3. 📄 许可证
        1. 🙏 致谢
          1. 📞 支持
            1. 🙏 致谢

              Related MCP Servers

              • MongoDB Lens

                furey
                -
                security
                A
                license
                -
                quality
                Full featured MCP Server for MongoDB database analysis.
                Last updated -
                69
                187
                MIT License
                • Apple

              • MongoDB Atlas MCP Serverofficial

                mongodb-developer
                A
                security
                A
                license
                A
                quality
                An MCP server that enables users to create and manage MongoDB Atlas clusters, users, and network access through natural language commands.
                Last updated -
                6
                20
                11
                MIT License
                • Apple
                • Linux

              • MongoDB MCP Server for LLMs

                rock913
                -
                security
                A
                license
                -
                quality
                An MCP server that enables large language models to interact directly with MongoDB databases, allowing them to query collections, inspect schemas, and manage data through natural language.
                Last updated -
                109
                MIT License
                • Apple

              • MongoDB MCP Server

                rtcface
                -
                security
                F
                license
                -
                quality
                Allows interaction with MongoDB collections and documents through standardized MCP requests, supporting operations like listing collections, reading documents with filtering, and executing structured queries.
                Last updated -

              View all related MCP servers

              New MCP Servers

              MCP directory API

              We provide all the information about MCP servers via our MCP API.

              curl -X GET 'https://glama.ai/api/mcp/v1/servers/niuzaishu/QueryNest'

              If you have feedback or need assistance with the MCP directory API, please join our Discord server