Postgres Analytics MCP Server

Un servidor de Model Context Protocol (MCP) que permite a los asistentes de IA (Claude, Cursor y otros clientes compatibles con MCP) inspeccionar y consultar una base de datos PostgreSQL de forma segura, con aplicación de solo lectura, límites de filas/tiempo de espera y registro de auditoría completo.

Creado para responder a una pregunta sencilla: ¿cómo se permite que un agente de IA toque una base de datos real sin darle la capacidad de romper nada?

Qué hace

Una vez conectado, un cliente de IA puede preguntar cosas como:

• "¿Qué tablas hay en mi base de datos?"

• "Muéstrame los 10 pedidos más recientes."

• "¿Por qué esta consulta es lenta?"

• "¿Qué tablas no tienen índices?"

El servidor expone 5 herramientas a través de MCP:

Related MCP server: PostgreSQL MCP Server

Por qué existe esto

Las empresas están conectando cada vez más agentes de IA a sistemas internos (bases de datos, Kubernetes, APIs), y la parte difícil es hacerlo de forma segura. Este proyecto es un ejemplo pequeño y concreto de eso: un puente protegido entre un cliente de IA y una base de datos de estilo producción.

Decisiones de diseño

Solo lectura por defecto, dos veces: cada consulta se valida contra una lista negra y debe comenzar con SELECT, WITH o EXPLAIN. La conexión a la base de datos también se abre en modo de solo lectura como segunda línea de defensa.

Límites de filas y tiempos de espera de consulta: cada consulta tiene un límite de filas configurable y un tiempo de espera de declaración para que no pueda devolver datos ilimitados ni bloquear el servidor.

La autenticación vive en el entorno del proceso, no en el chat: la clave API se establece mediante la configuración del cliente MCP como variable de entorno, por lo que el modelo de IA nunca la ve ni la maneja directamente.

Registro de auditoría: cada llamada a una herramienta se registra con una marca de tiempo, nombre de la herramienta, argumentos y resultado.

Configuración

Requisitos: Python 3.11+, PostgreSQL

1. Crea un entorno virtual e instala las dependencias: python -m venv venv venv\Scripts\Activate.ps1 pip install -r requirements.txt

2. Crea una base de datos y carga el esquema de ejemplo: psql -U postgres -c "CREATE DATABASE sampledb;" psql -U postgres -d sampledb -f seed.sql

3. Copia .env.example a .env y completa tus propios valores.

4. Ejecútalo directamente para comprobar que funciona: python -m server.main

Conexión con Claude Desktop

Añade a claude_desktop_config.json (Claude Desktop -> Configuración -> Desarrollador -> Editar configuración):

"mcpServers": {
  "postgres-analytics": {
    "command": "C:\\path\\to\\venv\\Scripts\\python.exe",
    "args": ["-m", "server.main"],
    "env": {
      "PYTHONPATH": "C:\\path\\to\\project",
      "MCP_API_KEY": "same-value-as-in-.env"
    }
  }
}

Stack

Python, PostgreSQL, MCP Python SDK, psycopg2