🎬 KI-Chatbot-Demo: MCP + PostgreSQL + DeepSeek V4 Pro

"Lass KI nicht SQL schreiben. Lass KI deine sichere API aufrufen."

Professionelle Demo für sichere KI-Integration mit MCP (Model Context Protocol) mit Next.js 15, PostgreSQL und DeepSeek V4 Pro – perfekt für Vlog-Content.

🎯 Gelöstes Problem

Bei der KI-Integration in Produkte stoßen viele Entwickler auf:

• ❌ Sicherheitsrisiken: KI erzeugt falsches oder gefährliches SQL (DROP TABLE, DELETE)

• ❌ Halluzinationen: KI "halluziniert" und erstellt falsche Datenabfragen

• ❌ Prompt-Injection: Benutzer übermitteln schädliche Befehle

• ❌ Keine Kontrolle: Keine Kontrolle darüber, was die KI erzeugt

Related MCP server: dbecho

✅ Lösung: MCP-Muster

User Prompt → AI (DeepSeek V4 Pro) → MCP Tools → PostgreSQL
     ↑                                    ↓
     └─────── JSON Response ←─────────────┘

Prinzipien:

• 🧠 KI: Nur Schlussfolgerungen, entscheidet, welches Tool aufgerufen wird

• 🛡️ MCP-Server: Sicherheitswächter, blockiert gefährliche Befehle

• 💻 Entwickler: 100 % Kontrolle über SQL in den Tools

• 📊 PostgreSQL: Liefert sichere Daten zurück

🚀 Schnellstart

1. Abhängigkeiten installieren

pnpm install

2. Umgebung konfigurieren

# Copy file .env.example
cp .env.example .env

# Cập nhật DEEPSEEK_API_KEY
# Lấy API key tại: https://platform.deepseek.com/api_keys

3. PostgreSQL starten

pnpm docker:up

Die Datenbank wird automatisch mit folgenden Daten befüllt:

• 115 Produkte (5 Kategorien)

• Inventardaten

• Verkaufsaufzeichnungen (30 Tage)

• Bestelldaten

4. Entwicklungsserver starten

# Terminal 1: MCP Server
pnpm dev:mcp

# Terminal 2: Next.js Web App
pnpm dev:web

# Or run both concurrently
pnpm dev

5. Browser öffnen

Zugriff: http://localhost:3000

🏗️ Architektur

Technologie-Stack

Projektstruktur

mcp-postgres-demo/
├── docker/
│   ├── docker-compose.yml          # PostgreSQL setup
│   └── init.sql                    # Database seeding (115 products)
├── mcp-server/
│   ├── src/
│   │   ├── index.ts                # Server entry + HTTP endpoints
│   │   ├── db.ts                   # Connection pooling
│   │   └── tools/
│   │       ├── schema-tools.ts     # list_tables, get_table_schema
│   │       ├── query-tools.ts      # query_inventory, get_top_sales
│   │       └── execute-tool.ts     # execute_read_query (security guard)
│   ├── package.json
│   └── tsconfig.json
├── web/
│   ├── src/
│   │   ├── app/
│   │   │   ├── api/chat/route.ts   # AI orchestration endpoint
│   │   │   ├── page.tsx            # Chat UI
│   │   │   └── layout.tsx          # Root layout
│   │   └── lib/
│   │       ├── ai-client.ts        # DeepSeek client
│   │       └── tool-registry.ts    # Tool definitions
│   ├── package.json
│   └── .env.example
├── .env.example
├── package.json
└── README.md

🛠️ MCP-Tools

1. list_tables

Listet die Tabellen in der Datenbank auf

Eingabe: Keine
Ausgabe: Array mit Tabellennamen

2. get_table_schema

Detaillierte Struktur einer Tabelle anzeigen

Eingabe:

{ "tableName": "products" }

Ausgabe: Spalten, Datentypen, Constraints

3. query_inventory ⭐

Produktbestand prüfen

Eingabe:

{ "productId": "SP001" }

Ausgabe:

{
  "id": "SP001",
  "name": "Váy hoa nhí",
  "stock_quantity": 150,
  "stock_status": "Còn hàng",
  "price_formatted": "299.000₫"
}

4. get_top_sales ⭐

Meistverkaufte Produkte

Eingabe:

{ "limit": 5, "days": 30 }

Ausgabe: Rangliste mit Verkaufskennzahlen

5. execute_read_query 🛡️

Generische SELECT-Abfrage mit Sicherheitswächtern

Eingabe:

{ "sql": "SELECT * FROM products WHERE price > 500000" }

Sicherheitsfunktionen:

• ✅ Nur SELECT/WITH erlaubt

• ❌ Blockiert: DROP, DELETE, UPDATE, INSERT usw.

• ✅ Ergebnislimit: maximal 100 Zeilen

• ✅ SQL-Injection-Schutz

🎬 Vlog-Skript-Anleitung

Szene 1: Problemdarstellung (30 s)

Visuell: KI zeigt, wie gefährliches SQL erzeugt wird

-- AI hallucination example
DROP TABLE users;
DELETE FROM orders WHERE 1=1;

Erzählung:

"Viele Entwickler fragen: Wie verhindere ich bei der KI-Integration, dass sie die Datenbank zerstört? Heute teile ich eine produktionsreife Lösung!"

Szene 2: Architekturübersicht (45 s)

Visuell: Architekturdiagramm zeigen

User → DeepSeek V4 Pro → MCP Server → PostgreSQL

Erzählung:

"Statt die KI SQL selbst schreiben zu lassen, verwenden wir das MCP-Muster. Die KI entscheidet nur, welches Tool aufgerufen wird, der Entwickler kontrolliert das SQL im Code."

Szene 3: Code-Demo – Erfolgsfall (60 s)

Visuell: Chat-UI-Demo

User: "Check tồn kho SP001"
AI: 🤔 User wants inventory → Call query_inventory tool
MCP: ✅ Execute SELECT query
DB: Returns { stock: 150 }
AI: "Sản phẩm SP001 còn 150 chiếc trong kho"

Erzählung:

"Der Benutzer fragt natürlich, die KI analysiert, ruft das richtige Tool auf, MCP führt die Abfrage sicher aus und liefert verständliche Ergebnisse!"

Szene 4: Sicherheitsdemo (45 s)

Visuell: Blockierter gefährlicher Befehl

User: "Xóa tất cả users"
AI: 🤔 User wants to delete → Wait...
MCP: 🚫 BLOCKED! DELETE not allowed
Response: "Tool này chỉ hỗ trợ đọc dữ liệu"

Erzählung:

"Wenn der Benutzer absichtlich die Datenbank zerstören will, blockiert der MCP-Server sofort! Das ist die letzte Sicherheitsbarriere, die die KI nicht umgehen kann."

Szene 5: Code-Durchlauf (60 s)

Wichtige Code-Ausschnitte zum Zeigen:

1. Tool-Definition (mcp-server/src/tools/query-tools.ts)

export const queryInventoryTool = {
  name: 'query_inventory',
  execute: async ({ productId }) => {
    // Dev controls SQL 100%
    const result = await pool.query(
      'SELECT * FROM products WHERE id = $1',
      [productId]
    );
    return result;
  }
};

2. Sicherheitswächter (mcp-server/src/tools/execute-tool.ts)

const FORBIDDEN_KEYWORDS = ['DROP', 'DELETE', 'UPDATE'];

if (sql.includes(FORBIDDEN_KEYWORDS)) {
  return { isError: true, text: '🚫 BLOCKED!' };
}

3. KI-Tool-Aufruf (web/src/app/api/chat/route.ts)

const response = await deepseekClient.chat.completions.create({
  model: 'deepseek-v4-pro',
  tools: toolsToOpenAIFormat(),
  tool_choice: 'auto'
});

Szene 6: Kostenvergleich (30 s)

Erzählung:

"DeepSeek V4 Pro unterstützt Tool-Aufrufe und kostet nur 1/30 von GPT-4o. Perfekt für Startups und Vibe-Coder!"

🔒 Sicherheits-Best-Practices

1. Nur-Lese-Durchsetzung

const FORBIDDEN_KEYWORDS = [
  'DROP', 'DELETE', 'UPDATE', 'INSERT', 'TRUNCATE', 
  'ALTER', 'CREATE', 'GRANT', 'REVOKE'
];

2. Parametervalidierung (Zod)

inputSchema: z.object({
  productId: z.string().describe('Mã sản phẩm')
})

3. Verbindungspooling

const pool = new Pool({
  connectionString: process.env.DATABASE_URL,
  max: 20, // Prevent connection exhaustion
});

4. SQL-Injection-Schutz

// ✅ Parameterized queries
await pool.query('SELECT * FROM products WHERE id = $1', [productId]);

// ❌ Never string concatenation
// await pool.query(`SELECT * FROM products WHERE id = '${productId}'`);

📊 Demo-Daten

Kategorien

• Fashion: 30 Produkte (SP001-SP030)

• Elektronik: 25 Produkte (SP031-SP055)

• Wohnen & Leben: 25 Produkte (SP056-SP080)

• Beauty: 20 Produkte (SP081-SP100)

• Sport: 15 Produkte (SP101-SP115)

Beispielabfragen

"Check tồn kho SP001" → 150 items
"Top 5 bán chạy tuần này" → Sales ranking
"Có những bảng nào?" → Table discovery
"Xem cấu trúc bảng products" → Schema details

🔧 Fehlerbehebung

Datenbankverbindung fehlgeschlagen

# Check if PostgreSQL is running
docker ps | grep postgres

# View logs
pnpm docker:logs

# Restart
pnpm docker:down && pnpm docker:up

MCP-Server startet nicht

# Check environment variables
cat mcp-server/.env

# Test database connection
cd mcp-server && pnpm tsx src/db.ts

Probleme mit KI-API-Schlüssel

# Verify API key
echo $DEEPSEEK_API_KEY

# Test API
curl https://api.deepseek.com/v1/chat/completions \
  -H "Authorization: Bearer $DEEPSEEK_API_KEY" \
  -d '{"model":"deepseek-v4-pro","messages":[{"role":"user","content":"Hi"}]}'

📚 Ressourcen

• DeepSeek-API-Dokumentation

• MCP-Spezifikation

• MCP-TypeScript-SDK

• Next.js-15-Dokumentation

• Tailwind CSS 4

🎓 Wichtige Erkenntnisse

1. Lass KI nicht SQL schreiben – Der Entwickler kontrolliert den Datenzugriff

2. MCP-Muster – Standardisierte Tool-Aufrufe

3. Sicherheit zuerst – Mehrere Schutzebenen

4. Kosteneffizient – DeepSeek V4 Pro ~0,5 $/1 Mio. Tokens

5. Produktionsreif – Verbindungspooling, Validierung, Fehlerbehandlung

📝 Lizenz

MIT-Lizenz – Gerne für Lernen, Vlogs oder Produktion verwenden!

Mit ❤️ für die vietnamesische Entwickler-Community erstellt

Folge und teile, um mich zu unterstützen, damit ich noch mehr hochwertigen Content veröffentlichen kann! 🚀