Provides tools to interact with a SQLite database containing sales data, enabling AI agents to inspect database structure and execute SQL queries to retrieve customer, product, and sales transaction information.
Click on "Deploy Server".
Wait a few minutes for the server to deploy. Once ready, it will show a "Started" state.
In the chat, type @ followed by the MCP server name and your instructions, e.g., "@sales-db 先月いちばん売れたGPUは？"
That's it! The server will respond to your query, and you can continue using it as needed.
Here is a step-by-step guide with screenshots.
「先月いちばん売れた GPU はどれ？」とふつうの日本語で聞くと、AI が自分で SQL を組み立てて 売上データベースに問い合わせ、集計結果まで答えてくれる——それを実現する MCP サーバーのサンプルです。
Python + FastMCP で書かれています。 解説記事は Qualiteg Blog に掲載しています。
git clone https://github.com/qualiteg/mcp-server-tutorial.git
cd mcp-server-tutorial
python -m pip install -r requirements.txt
python db_setup.pypip ではなく python -m pip を使ってください。pip だと、MCP サーバーを起動する Python と
別の環境に入ってしまうことがあります。
db_setup.py は固定シードで架空のデータを生成します（実在の企業・人物・価格とは関係ありません）。
誰が実行しても同じデータになるので、記事の実行結果と一致します。
customers … 顧客マスター 500 人
products … 商品マスター 72 種類（PC パーツ 8 カテゴリ）
sales_transactions … 売上明細 4,000 件（2024-01-01 〜 2026-12-31）
Related MCP server: sales-agent-mcp
claude mcp add sales-db -- python /path/to/mcp-server-tutorial/mcp_server_sales.py
claude mcp listclaude mcp list に ✔ Connected と出れば、AI からこのサーバーが見えています。
うまく繋がらないときは、Python とスクリプトを絶対パスで指定してください。仮想環境を使っている場合は、
その中の Python を指す必要があります。
claude -p "職業別の売上トップ3を教えて"「2025年に発売されたハイエンドGPUで、売上が多い順に並べて」
「月別の売上推移を出して、いちばん売れた月は？」
stdio で使う場合、python mcp_server_sales.py を手動で起動しておく必要はありません。
登録したコマンドは Claude Code が子プロセスとして起動します。サーバー単体の動きを確認したいときだけ
手動で起動してください。
ツール | 役割 |
| テーブル構造・件数・データ期間・カテゴリ別売上の要約を返す |
| SELECT 文を実行して結果を返す |
業務ごとに「売上集計ツール」「顧客分析ツール」と関数を並べる設計もできますが、SQL を書けるのは AI 側なので、汎用の SQL 実行ツールを 1 本渡すほうが応用が利きます。そのぶん安全側の手当てが サーバーの責任になるので、役割の違う 3 つの安全弁を設けています。
読み取り専用の接続: SQLite を mode=ro で開く。書き込みは接続そのものが拒む
SQL の補助フィルター: SELECT 以外の文と書き換え系キーワードを早い段階で落とす （構文解析ではないので、これは補助的な位置づけ）
実行時間の上限: 10 秒を超えるクエリを実時間で中断する（リソース保護のため）
あわせて、AI へ返す行数を 50 行までに制限しています。AI は平気で SELECT * FROM sales_transactions
を投げてくるので、返す量はサーバー側で決めます。ただし制限しているのは返却行数だけで、SQLite から
読み込む件数は制限していません。大規模データでは fetchmany や SQL 側の LIMIT を検討してください。
安全弁が効いているかは verify.py で確認できます。
python verify.py独立して常駐させ、ネットワーク経由で使う場合は Streamable HTTP で起動します。
python mcp_server_sales.py --http --port 9904MCP エンドポイント: http://127.0.0.1:9904/mcp
ヘルスチェック: http://127.0.0.1:9904/health
既定の待受は 127.0.0.1（ローカルのみ）です。 このサンプルには認証がありません。
--host 0.0.0.0 や LAN 内の IP を指定すると、到達できる相手なら誰でも SQL を実行できてしまいます。
そのまま共有環境や外部へ公開しないでください（指定した場合は起動時に警告が出ます）。
外へ出すなら、HTTPS、認証と認可、接続元の制限、Origin 検証、監査ログを前段に置く前提になります。
MCP サーバーをゼロから書くのではなく、社内にすでにある REST API を MCP サーバーに変換するサンプルです。
FastMCP の OpenAPI 統合(FastMCP.from_openapi)を使うと、ツールの実装コードを書かずに
OpenAPI スキーマから MCP ツールを自動生成できます。
ファイル | 役割 |
| 「社内にすでにある REST API」役の FastAPI アプリ(売上DBを返す・ポート 9905) |
| その API の OpenAPI スキーマを読み込んで MCP サーバー化する |
# 1. 既存 API 役を起動しておく
python sales_api.py
# 2. 別ターミナルで MCP サーバーとして登録
claude mcp add sales-api -- python /path/to/mcp-server-tutorial/mcp_sales_api.py
claude -p "2025年でいちばん売れたGPUはどれ？"mcp_sales_api.py は RouteMap で GET のエンドポイントだけをツールにしています。
書き込み系(POST / DELETE)は AI からは存在ごと見えません。
ChatGPT や Claude は、構成によっては認証なしのリモート MCP にも接続できます。ただし、社内データベースへ 到達するサーバーを無認証で公開する構成は採用できません。解説記事の後編では、MCP Authorization 仕様に 沿った OAuth 認証を使う方法を紹介しています。
Python 3.10 以降
FastMCP 3.4.5 以上 4 未満
FastAPI・uvicorn・httpx（OpenAPI 統合サンプル sales_api.py / mcp_sales_api.py で使用）
このサンプルは仕組みを理解するための最小構成です。複数人が同時に使う場面では、同期的な DB 処理を スレッドへ逃がす、同時実行数を絞る、DB 側のタイムアウトを設けるといった手当てが別に要ります。
MIT License. サンプルコードなので自由に改変してお使いください。
This server cannot be deployed
Ask questions in plain language, get answers from your business database. No SQL required.
Ask data questions in natural language. Get SQL, insights, and charts from your databases.
Ask business questions in plain English. Get instant answers from your database, no SQL needed.
Explore, query, and inspect SQLite databases with ease. List tables, preview results, and view det…
