de en es ja ko ru zh

MCP Autonomous Data Agent

Name: MCP Autonomous Data Agent
Author: fortuneMog

by fortuneMog

Overview Schema Related Servers Score Discussions

Python

Local

Anthropic Claude API и MCP: автономный агент данных

Python Version Protocol Test Suite Security

Готовая к производству система корпоративной финансовой аналитики, интегрирующая Anthropic Model Context Protocol (MCP) с автономным агентом рассуждений. Система безопасно предоставляет многоттабличное реляционное хранилище финансовых данных большим языковым моделям (LLM) через стандартный транспорт JSON-RPC 2.0 stdio.

Она включает интеллектуальную 5-уровневую архитектуру эшелонированной защиты (Defense-in-Depth), чистый Python SQL AST-лексер и рекурсивный нисходящий парсер, анализатор производительности планов EXPLAIN, потокобезопасный пул соединений с тайм-аутами выполнения опкодов и цикл самовосстановления автономного агента, способный автоматически восстанавливаться после ошибок синтаксиса SQL, нарушений безопасности AST и предупреждений о декартовых соединениях.

Обзор архитектуры

┌─────────────────────────────────────────────────────────────────────────────┐
│                          Stakeholder / User Prompt                          │
│               ("Identify branches with elevated 60+ delinquency")            │
└──────────────────────────────────────┬──────────────────────────────────────┘
                                       │
                                       ▼
┌─────────────────────────────────────────────────────────────────────────────┐
│                 Autonomous Agent Runner (agent/client_runner.py)            │
│  - Multi-Turn Tool-Calling Loop (Anthropic Claude API / MockClaudeClient)   │
│  - Schema-First Reflection & Planning                                       │
│  - Closed-Loop Self-Correction & Query Repair Engine (Max Turns: 5)         │
└──────────────────────────────────────┬──────────────────────────────────────┘
                                       │ JSON-RPC 2.0 (stdio)
                                       ▼
┌─────────────────────────────────────────────────────────────────────────────┐
│                      MCP Server Engine (agent/server.py)                    │
│  ┌───────────────────────────────────────────────────────────────────────┐  │
│  │ Methods: initialize, ping, tools/list, tools/call, resources, prompts │  │
│  └───────────────────────────────────┬───────────────────────────────────┘  │
│                                      │                                      │
│      ┌───────────────────────────────┼───────────────────────────────┐      │
│      ▼                               ▼                               ▼      │
│  query_database               explain_query                 get_database_   │
│  (query_financial_lakehouse)                                schema          │
└──────┬───────────────────────────────┬───────────────────────────────┬──────┘
       │                               │                               │
       ▼                               ▼                               ▼
┌─────────────────────────┐ ┌─────────────────────────┐ ┌─────────────────────┐
│ Layer 1: AST Gate       │ │ Layer 2: Plan Analyzer  │ │ Layer 3: Connection │
│ (agent/ast_validator.py)│ │(agent/explain_analyzer) │ │ Pool & Sandboxing   │
│ - Pure Python Lexer     │ │ - Cost Scoring (0-100)  │ │ (agent/db_engine.py)│
│ - Recursive AST Parser  │ │ - Full Scan Detection   │ │ - URI mode=ro       │
│ - 100% Non-DQL Block    │ │ - Cartesian Join Flag   │ │ - sqlite authorizer │
│ - Injection Defense     │ │ - Index Tuning Advice   │ │ - Opcode Timeouts   │
└────────────┬────────────┘ └────────────┬────────────┘ └──────────┬──────────┘
             │                           │                         │
             └───────────────────────────┼─────────────────────────┘
                                         ▼
                 ┌───────────────────────────────────────────────┐
                 │  Financial Data Warehouse (data/warehouse.db) │
                 │  - 6 Relational Tables & Composite Indexes    │
                 │  - branches, customers, credit_ratings,       │
                 │    loans, repayments, audit_log               │
                 └───────────────────────────────────────────────┘

5-уровневая модель безопасности с эшелонированной защитой

Система обеспечивает строгие границы безопасности между LLM и механизмом базы данных на 5 независимых уровнях:

Уровень	Компонент	Механизм безопасности	Устраняемая угроза
Уровень 1: AST-шлюз перед выполнением	`agent/ast_validator.py`	Чистый Python-лексер и рекурсивный нисходящий парсер, проверяющие одно единственное выражение DQL (`SELECT`, `WITH ... SELECT`).	Составной запрос с несколькими операторами (`;`), DDL (`DROP`, `ALTER`, `CREATE`), DML (`INSERT`, `UPDATE`, `DELETE`), атаки на PRAGMA, комментариев эксплойты.
Уровень 2: Шлюз стоимости перед выполнением	`agent/explain_analyzer.py`	Оценивает `EXPLAIN QUERY PLAN` в SQLite, вычисляя составную оценку стоимости ($0-100$).	Декартовы произведения (соединения $O(N \times M)$), неограниченные сканирования, истощение памяти из-за временных B-деревьев.
Уровень 3: Режим “только чтение” ОС и механизма	`agent/db_engine.py`	Подключение SQLite с URI `file:<path>?mode=ro`.	Отказ в несанкционированных записях на диск, вмешательство в схему.
Уровень 4: Авторизатор времени выполнения	`agent/db_engine.py`	`sqlite3.set_authorizer` ограничивает операции до `SQLITE_SELECT`, `SQLITE_READ`, `SQLITE_FUNCTION`, `SQLITE_RECURSIVE` и безопасных PRAGMA схемы.	Обходы, пытающиеся выполнить `ATTACH DATABASE`, `load_extension`, `PRAGMA writable_schema`, изменение таблиц.
Уровень 5: Защитные ограничения ресурсов и памяти	`agent/db_engine.py`	Обработчик прогресса опкодов (`conn.set_progress_handler`) для контроля времени выполнения запроса + усечение строк через `fetchmany(max_rows + 1)`.	Вышедшие из-под контроля рекурсивные CTE, отказ в обслуживании ЦП, разрушение памяти из-за безграничных результирующих наборов.

AST-валидатор безопасности SQL (`agent/ast_validator.py`)

AST-шлюз безопасности реализует двухрежимный механизм:

Лексический анализатор и рекурсивный нисходящий парсер на чистых Python без зависимостей: построен с помощью стандартной библиотеки Python с полным отслеживанием координат (строка/колонка).
Опциональный движок sqlglot: парсер с учётом диалектов автоматически активируется, если установлен sqlglot.

Поддерживаемая аналитическая грамматика SQL

Одно единственное выражение DQL: SELECT и WITH [RECURSIVE] ... SELECT.
Общие табличные выражения (CTE): отдельные и множественные связанные CTE. Парсер рекурсивно проходит определения CTE, гарантируя отсутствие встроенных DML-операций.
Оконные функции: OVER (PARTITION BY ... ORDER BY ... [ROWS/RANGE ...]), ROW_NUMBER(), RANK(), SUM() OVER ().
Соединения нескольких таблиц: INNER JOIN, LEFT OUTER JOIN, CROSS JOIN, NATURAL JOIN с ON и USING (...).
Подзапросы: подзапросы в FROM, скалярные подзапросы в SELECT, IN (SELECT ...), EXISTS (SELECT ...).
Составные операции над множествами: UNION [ALL], INTERSECT, EXCEPT.
Скалярные выражения: CASE WHEN ... THEN ... ELSE ... END, CAST(... AS ...), конкатенация строк (||), арифметика.

Запрещённые паттерны (100% блокировка)

DDL: DROP, CREATE, ALTER, TRUNCATE.
DML: INSERT, UPDATE, DELETE, REPLACE, UPSERT, MERGE.
Административные команды: PRAGMA, ATTACH, DETACH, VACUUM, REINDEX, ANALYZE, BEGIN, COMMIT.
Опасные функции: load_extension, readfile, writefile, edit, fts3_tokenizer, eval, randomblob.
Системные таблицы: sqlite_master, sqlite_schema, sqlite_temp_master, sqlite_temp_schema, sqlite_sequence, sqlite_stat*.
Виды инъекций: операторы с несколькими выражениями через точку с запятой (;), незакрытые блочные комментарии (/* ...), незакрытые строковые литералы.

Анализатор плана запроса EXPLAIN (`agent/explain_analyzer.py`)

Разбирает дерево EXPLAIN QUERY PLAN в формате из 4 столбцов начиная с SQLite 3.24+ (id, parent, notused, detail), а также в устаревших форматах.

Формула оценки и штрафы

$$\text{CostScore} = \min\left(100, ; \sum \text{Penalties}\right)$$

Операция	Классификация	Серьёзность	Штраф
`SCAN TABLE <table>`	Неиндексированное полное сканирование	Высокая	+25.0 каждая
`SEARCH TABLE <table> USING AUTOMATIC INDEX`	Эфемерное построение индекса	Высокая	+20.0
`USE TEMP B-TREE FOR ORDER BY`	Неиндексированная сортировка	Средняя	+15.0
`USE TEMP B-TREE FOR GROUP BY/DISTINCT`	Временное агрегирующее B-дерево	Средняя	+10.0
`MATERIALIZE <id>`	Материализованный подзапрос	Средняя	+10.0 каждый
Многотабличное неиндексированное сканирование	Декартово соединение	Критическая	+30.0

Категории оценок

$0.0 - 25.0$ (OPTIMAL): Полностью индексированные поиски по условиям и диапазонам. Мгновенное выполнение.
$26.0 - 50.0$ (ACCEPTABLE): Незначительная временная сортировка или сканирование одной маленькой таблицы.
$51.0 - 74.0$ (WARNING): Субоптимальный план; множественные сканирования.
$75.0 - 100.0$ (CRITICAL): Декартово произведение или тяжёлое неиндексированное соединение. Блокируется шлюзом выполнения MCP.

Схема хранилища финансовых данных (`data/schema.sql`)

Модель предметной области финансирования автомобильных активов с 6 реляционными таблицами:

┌──────────────┐       1:N       ┌──────────────┐       1:N       ┌──────────────┐
│   branches   ├────────────────►│  customers   ├────────────────►│credit_ratings│
└──────┬───────┘                 └──────┬───────┘                 └──────────────┘
       │ 1:N                            │ 1:N
       │         ┌──────────────┐       │
       └────────►│    loans     │◄──────┘
                 └──────┬───────┘
                        │ 1:N
                 ┌──────▼───────┐
                 │  repayments  │
                 └──────────────┘

┌──────────────┐
│  audit_log   │  (Immutable lifecycle state transition log)
└──────────────┘

branches: 12 региональных центров и розничных отделений с рекурсивной иерархией «родитель-потомок» (parent_branch_id).
customers: 300 профилей заёмщиков с логнормальным распределением доходов, коэффициентами долговой нагрузки и SHA-256 хэшами PII.
credit_ratings: более 600 продольных снимков кредитных скоринговых бюро от 5 уровням риска (от PRIME_PLUS до DEEP_SUBPRIME).
loans: 500 договоров автомобильного финансирования и МСП с скорректированными на риск процентными ставками и ежемесячными амортизационными платежами.
repayments: более 17 000 записей транзакционного журнала с разбивкой на основной долг, проценты, комиссии и отслеживанием просрочки.
audit_log: неизменяемые записи аудита, отслеживающие переходы состояния займа в DELINQUENT_90, DEFAULTED и WRITE_OFF.

Инструменты MCP и интерфейс протокола JSON-RPC 2.0

Сервер (agent/server.py) предлагает 4 базовых инструмента:

1. `query_database` (Alaias: `query_financial_lakehouse`)

Выполняет безопасные read-only SQL-запросы с автоматической предварительной AST-валидацией, тайм-аутами выполнения опкодов и ограничением количества строк.

Входные данные: query (str, обязательный), max_rows (int, по умолчанию: 100), timeout_seconds (float, по умолчанию: 5.0).
Выходные данные: JSON-объект с columns, rows, row_count, is_truncated, execution_time_ms.

2. `explain_query`

Изучает узлы плана выполнения, вычисляет оценку стоимости ($0-100$), обнаруживает сканирования и даёт рекомендации по индексам без выполнения мутаций.

Входные данные: query (str, обязательный).
Выходные данные: cost_score, complexity_rating, scanned_tables, indexed_tables, warnings, recommendations.

3. `get_database_schema`

Отражает метаданные каталога базы данных, типы столбцов, первичные ключи, внешние ключи и индексы.

Входные данные: table_name (str, опциональный).
Выходные данные: полные или отфильтрованные определения схемы таблиц.

4. `validate_sql_safety`

Выполняет статический анализ безопасности AST без доступа к базе данных.

Входные данные: query (str, обязательный).
Выходные данные: is_safe (bool), statement_type, referenced_tables, detected_risks.

Автономный агент и цикл саморегенерации (`agent/client_runner.py`)

AutonomousDataAgent реализует итерационный цикл вызова инструментов с текстовым замкнутым контуром исправления ошибок:

                  ┌─────────────────────────────────────┐
                  │ User: "Top 5 default risk branches" │
                  └──────────────────┬──────────────────┘
                                     │
                                     ▼
                  ┌─────────────────────────────────────┐
                  │ Turn 1: Introspect Database Schema  │
                  └──────────────────┬──────────────────┘
                                     │
                                     ▼
                  ┌─────────────────────────────────────┐
                  │ Turn 2: Synthesize & Explain Plan   │
                  └──────────┬──────────────────────┬───┘
                             │                      │
             Plan Warning /  ▼                      ▼ Pass
             Cartesian Join  ┌──────────────────┐   ┌──────────────────┐
                             │ 🔄 Repair Query  │   │ Turn 3: Execute  │
                             │ (Add JOIN ... ON)│   │  query_database  │
                             └────────┬─────────┘   └────────┬─────────┘
                                      │                      │
                                      ▼                      ▼
                             ┌──────────────────┐   ┌──────────────────┐
                             │ Turn 4: Re-check │   │ Synthesize Final │
                             │   & Run Query    │   │ Executive Report │
                             └──────────────────┘   └──────────────────┘

Обрабатываемые сценарии самокоррекции

Ошибка синтаксиса / схемы SQLite (например, ошибочно названный столбец): вставка SYNTAX_ERROR_TEMPLATE с каталогом схемы; агент исправляет имена столбцов.
Отказ безопасности AST (например, не-DQL запрос): вставка AST_VIOLATION_TEMPLATE; агент переформулирует запрос в один соответствующий оператор SELECT.
Высокая стоимость запроса / декартово соединение: вставка PLAN_WARNING_TEMPLATE; агент добавляет индексированные предикаты соединения.
Детерминимованное офлайн-выполнение: MockClaudeClient позволяет 100% -ое тестирование без использования API-ключа Anthropic.

Краткое руководство и проверка

1. Установка и настройка окружения

# Clone and navigate to repository
cd MCP_Autonomous_Agent

# Install dependencies
pip install -r requirements.txt

2. Генерация демонстрационного хранилища данных

Заполните data/warehouse.db детерминистическими синтетическими финансовыми данными (фиксированное seed 42):

python data/seed_warehouse.py

Вывод:

[SeedWarehouse] branches        :     12 rows
[SeedWarehouse] customers       :    300 rows
[SeedWarehouse] credit_ratings  :    627 rows
[SeedWarehouse] loans           :    500 rows
[SeedWarehouse] repayments      :  17120 rows
[SeedWarehouse] audit_log       :     44 rows
[SeedWarehouse] Database seeding successfully completed.

3. Запуск полного набора тестов

Выполните все 66 модульных и интеграционных тестов по AST-валидации, анализу EXPLAIN, потокобезопасности ядра БД, инструментам MCP и циклом самовосстановления агента:

python -m unittest discover -s tests -v

4. Запуск демо автономного агента

Проведите многоходовую сессию аналитических запросов к финансовому хранилищу:

from agent.client_runner import AutonomousDataAgent

agent = AutonomousDataAgent()
response = agent.run("Identify the top default risk branches with delinquency counts and total exposure")

print(f"Success: {response.success}")
print(f"Turns Taken: {response.turns_taken}")
print(f"SQL Executed: {response.sql_executed}")
print(f"\n{response.final_answer}")

5. Запуск MCP-сервера на Stdio

Для подключения к приложению Anthropic Claude Desktop или к MCP Inspector:

python agent/server.py

Настройте в Claude Desktop claude_desktop_config.json:

{
  "mcpServers": {
    "financial-data-agent": {
      "command": "python",
      "args": ["-m", "agent.server"],
      "cwd": "/path/to/MCP_Autonomous_Agent"
    }
  }
}

Структура проекта

MCP_Autonomous_Agent/
├── data/
│   ├── __init__.py
│   ├── schema.sql              # 6-table relational financial warehouse DDL
│   ├── seed_warehouse.py       # Deterministic synthetic data generator (seed 42)
│   └── warehouse.db            # Generated SQLite database file
├── agent/
│   ├── __init__.py
│   ├── ast_validator.py        # Pure-Python SQL Lexer & Recursive Descent AST Parser
│   ├── explain_analyzer.py     # SQLite EXPLAIN QUERY PLAN analyzer & cost scorer
│   ├── db_engine.py            # Thread-safe read-only connection pool & opcode timeout
│   ├── prompts.py              # System prompts, tool schemas & remediation templates
│   ├── client_runner.py        # Autonomous agent loop with closed-loop self-correction
│   └── server.py               # MCP JSON-RPC 2.0 stdio server implementation
├── tests/
│   ├── __init__.py
│   ├── test_ast_validator.py   # Unit tests for AST security and analytical DQL (29 tests)
│   ├── test_explain_analyzer.py# Unit tests for plan parsing, scans, cartesian (7 tests)
│   ├── test_db_engine.py       # Unit tests for read-only pool, timeouts, threads (8 tests)
│   ├── test_mcp_tools.py       # Unit tests for MCP protocol, tool calls, errors (15 tests)
│   └── test_client_runner.py   # Unit tests for agent loop and self-healing (5 tests)
├── requirements.txt            # Dependency specification (mcp, anthropic, sqlglot, pytest)
└── README.md                   # Complete architectural & technical documentation

Лицензия

Лицензия MIT. Проект создан для корпоративной финансовой аналитики и демонстрации портфеля AI-агентов.

This server cannot be installed

license - not tested

Not graded

quality - not tested

maintenance

How are these scores calculated?

Maintenance

–Maintainers

–Response time

–Release cycle

–Releases (12mo)

Commit activity

Resources

GitHub Repository

Need Help?

Related Servers

Unclaimed servers have limited discoverability.

Looking for Admin?

If you are the server author, to access and configure the admin panel.

Related MCP Connectors

PlainQuery | MCP DB Agent
Query PostgreSQL databases in plain English — LLM-generated, safety-validated SQL.
Prism — Crossdeck
Ask your app anything — revenue, errors, read-cost, growth — and get rendered charts back.
BankBridge
Read-only bank access for your AI agent. Connects Claude, ChatGPT, Cursor, Gemini, Codex.

View all MCP Connectors

Latest Blog Posts

Who's Calling? MCP Hosts Are an Identity Blind Spot (And the Spec Knows It)
By Om-Shree-0709 on July 25, 2026.
mcp
Agent Identity
OAuth 2.1
Your AI Chatbot Just Exposed Your CEO's Salary to an Intern
By Om-Shree-0709 on July 2, 2026.
Agent Identity
MCP Security
OAuth Delegation
Why MCP Servers Need Execution Sandboxing (And Why Your Current Stack Isn't Enough)
By Om-Shree-0709 on June 30, 2026.
Agentic Ai
Prompt Injection
WebAssembly

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/fortuneMog/MCP_Autonomous_Agent'

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