Lokaler MCP-Server für Datenbank-Analysen

Ein auf Python basierter Model Context Protocol (MCP)-Server, der KI-Assistenten wie Claude Zugriff auf eine lokale SQLite-E-Commerce-Datenbank gibt. Entwickelt mit FastMCP, SQLAlchemy und Pandas.

Was ist MCP? Das Model Context Protocol (von Anthropic) ermöglicht KI-Modellen die sichere Interaktion mit lokalen Tools und Daten. Dieser Server bringt Claude Ihre Datenbank näher, sodass Claude die Daten abfragen, analysieren und erklären kann – und das alles in natürlicher Sprache.

Funktionen

Tools (insgesamt 11)

Ressourcen

Prompts

• analyze_table — Vollständige statistische Analyse einer beliebigen Tabelle ausführen

• business_summary — E-Commerce-Berichte für die Führungsebene erstellen

• find_anomalies —Datenqualitäts- und Ausreißererkennung durchführen

Related MCP server: SQLite MCP Server

Datenbankschema

customers ──< orders ──< order_items >── products

• customers: 15 Datensätze mit Name, E-Mail, Stadt und Registrierungsdatum

• products: 15 Produkte in den Kategorien Elektronik, Bücher, Sport, Wohnen und Schreibwaren

• orders: 60 Bestellungen mit Status (abgeschlossen/ausstehend/storniert) und Gesamtsummen

• order_items: Positionspositionen, die Bestellungen mit Produkten verknüpfen

Projektstruktur

MCP_Server/
├── server.py               # FastMCP server entry point
├── requirements.txt        # Python dependencies
├── database/
│   ├── engine.py           # SQLAlchemy DB connection
│   └── seed_data.py        # Seed script (creates + populates DB)
├── tools/
│   ├── query.py            # Core SQL tools (Phase 2)
│   └── analytics.py        # Analytics tools (Phase 3)
├── resources/
│   └── schema.py           # DB schema as MCP resources
├── prompts/
│   └── templates.py        # Pre-built analyst prompts
├── tests/
│   └── test_tools.py       # Unit tests
└── data/
    └── analytics.db        # SQLite database (auto-created)

Erste Schritte

1. Repository klonen

git clone https://github.com/manohar135/Local-Database-Analytics-MCP-Server.git
cd Local-Database-Analytics-MCP-Server

2. Virtuelle Umgebung erstellen und Abhängigkeiten installieren

python -m venv .venv
source .venv/bin/activate       # On Windows: .venv\Scripts\activate
pip install -r requirements.txt

3. Datenbank seeden

python database/seed_data.py

4. MCP Inspector starten (Entwicklungsmodus)

fastmcp dev server.py

5. Tests ausführen

pytest tests/ -v

Tech-Stack

Beispiel-Unterhaltungen mit Claude

Sobald die Verbindung zu Claude Desktop hergestellt ist, probieren Sie es Städte:

• „Auf welche Tabellen haben Sie Zugriff?“

• „Geben Sie mir eine geschäftliche Zusammenfassung der Verkaufsdaten“

• „Welche Produkte verkaufen sich am besten?“

• „Gibt es Datenqualitätsprobleme in der orders-Tabelle?“

• „Zeigen Sie mir die monatlichen Umsatztrends für das letzte Jahr“