Архитектура сервера интеллектуальной работы с базами данных MCP

Обзор системы

Система предоставляет ИИ-агентам возможности работы с базами данных с использованием протокола контекста модели (MCP).

MCP-сервер выступает в качестве моста между:

• ИИ-ассистентами

• метаданными базы данных

• хранимыми процедурами

• инструментами исследования базы данных

Архитектура высокого уровня

ИИ-агент / MCP-клиент │ ▼ MCP-сервер (FastMCP) │ ├── Инструменты обнаружения │ (исследование базы данных) │ ├── Инструменты динамических процедур │ (генерируются из процедур базы данных) │ ▼ Интеллектуальный движок (метаданные процедур + категоризация) │ ▼ Уровень доступа к базе данных │ ▼ База данных MySQL

Основные компоненты

Related MCP server: MySQL MCP Server

1. MCP-сервер (main.py)

MCP-сервер создан с использованием FastMCP.

Обязанности:

• инициализация MCP-сервера

• регистрация инструментов обнаружения

• регистрация инструментов динамических процедур

2. Уровень доступа к базе данных (db.py)

Этот модуль управляет всем взаимодействием с базой данных.

Обязанности:

• управление подключением к базе данных

• выполнение хранимых процедур

• получение метаданных

• применение ограничений на количество результатов

Все взаимодействия с базой данных проходят через этот уровень.

3. Генератор инструментов (tool_generator.py)

Этот модуль динамически преобразует хранимые процедуры базы данных в инструменты MCP.

Выполняемые шаги:

1. загрузка метаданных процедур из базы данных

2. обнаружение параметров процедур

3. динамическая генерация функций инструментов MCP

4. регистрация инструментов в MCP-сервере

Это позволяет системе автоматически поддерживать новые процедуры, добавленные в базу данных.

4. Интеллектуальный движок (intelligence_engine.py)

Интеллектуальный движок анализирует хранимые процедуры для генерации метаданных.

Возможности включают:

• категоризацию процедур

• генерацию описаний

• анализ параметров

Примеры категорий:

Эти метаданные помогают ИИ-агентам понять назначение каждого инструмента.

5. Инструменты обнаружения (discovery_tools.py)

Инструменты обнаружения позволяют ИИ-агентам исследовать структуру базы данных.

Реализованные инструменты:

list_databases list_tables describe_table

Эти инструменты опираются на метаданные базы данных из:

INFORMATION_SCHEMA

Архитектура безопасности

Реализовано несколько мер защиты для обеспечения безопасного взаимодействия с базой данных.

Ограничения по ключевым словам

Процедуры, содержащие опасные ключевые слова, блокируются.

Примеры:

DELETE DROP TRUNCATE UPDATE INSERT ALTER

Ограничения результатов запроса

Система ограничивает размер результата с помощью настраиваемого значения:

MAX_QUERY_ROWS

Это предотвращает извлечение больших объемов данных.

Ограничение частоты запросов

MCP-сервер применяет ограничения частоты запросов для предотвращения чрезмерного использования.

Ограниченный пользователь базы данных

Пользователь базы данных, используемый MCP-сервером, должен иметь только права:

SELECT EXECUTE

Это предотвращает изменение производственных данных.

Источники метаданных

Система извлекает метаданные из системных таблиц MySQL.

Примеры:

INFORMATION_SCHEMA.ROUTINES INFORMATION_SCHEMA.PARAMETERS INFORMATION_SCHEMA.TABLES INFORMATION_SCHEMA.COLUMNS

Эти таблицы позволяют MCP-серверу автоматически понимать структуру базы данных.

Пример потока взаимодействия с ИИ

Пример взаимодействия между ИИ-агентом и базой данных:

list_databases() ↓ list_tables() ↓ describe_table("interface_stats") ↓ GetLinkCount("NodeA")

Это позволяет ИИ исследовать структуру базы данных перед выполнением аналитических процедур.

Расширяемость

Система спроектирована для поддержки дополнительных объектов базы данных.

Будущие расширения могут включать:

list_views list_functions list_triggers search_tables explain_query

Модульная архитектура позволяет легко добавлять новые инструменты.

Заключение

Эта архитектура демонстрирует, как MCP-серверы могут безопасно предоставлять возможности баз данных для ИИ-систем.

Ключевые принципы проектирования:

• модульная архитектура • динамическая генерация инструментов • обнаружение на основе метаданных • безопасный доступ к базе данных

Этот подход обеспечивает безопасную и масштабируемую интеграцию ИИ и баз данных.

Подробные системные диаграммы доступны в каталоге docs/.