UniQuery

Haz preguntas sobre tu base de datos en lenguaje natural — desde cualquier cliente MCP, o desde la interfaz web.

UniQuery se conecta a una base de datos Postgres o MongoDB en modo solo lectura y la expone como un agente de consultas en lenguaje natural. Ofrece dos puertas de entrada al mismo motor: un servidor MCP que se integra con Claude Desktop, Claude Code, Cursor o cualquier otro cliente MCP, y una aplicación web Next.js para explorar resultados con gráficos.

Lo interesante no es el paso de lenguaje natural a SQL — muchas herramientas hacen eso. Es lo que lo rodea: enmascaramiento de PII antes de que las filas lleguen al modelo, límites estrictos en el número de filas y en los tiempos de espera de las consultas, aplicación de solo lectura en el conector y un almacén de esquema semántico para que el agente mejore con tu esquema con el tiempo.

Arquitectura

apps/
  web/                 Next.js 16 + React 19 + Recharts UI
packages/
  core/                The engine — connectors, agent loop, guardrails, viz
    connectors/        Postgres (Neon serverless / pg) and MongoDB, read-only
    agent/             Tool-calling loop over Vercel AI Gateway / Google Gemini
    guardrails/        PII masking + row/timeout clamps
    semantic/          Schema knowledge store with SQL migrations
    viz/               Result-shape classifier that picks a chart type
  mcp-server/          MCP server exposing core over @modelcontextprotocol/sdk

Related MCP server: Vela MCP Server

Salvaguardas

Estas son la razón por la que esto es más que una demo:

Servidor MCP

El servidor MCP registra tres herramientas:

• connectDatabase — registra una conexión Postgres o MongoDB bajo un connectionId que tú elijas

• askQuestion — haz una pregunta en lenguaje natural contra una conexión registrada; devuelve una tabla en markdown más una visualización sugerida

• además, una herramienta para listar conexiones y descubrir qué está registrado

Los resultados se devuelven como tablas en markdown (limitadas a 50 filas para mostrar) con una sugerencia de gráfico adjunta — bar, line, table o none — derivada de la forma del resultado, no adivinada por el modelo.

Configúralo en un cliente MCP

{
  "mcpServers": {
    "uniquery": {
      "command": "node",
      "args": ["/path/to/uniquery/packages/mcp-server/dist/index.js"]
    }
  }
}

Luego, en el cliente:

Conéctate a mi Postgres en postgres://… como analytics, y luego dime qué cinco clientes generaron más ingresos el último trimestre.

Primeros pasos

Requiere Node.js >= 20 y pnpm 11.

pnpm install
pnpm build

# web app
pnpm dev

# MCP server
node packages/mcp-server/dist/index.js

Copia .env.example a .env.local y completa la URL de tu base de datos y una clave de LLM — ya sea una clave de Vercel AI Gateway (por defecto) o una clave de Google Gemini con provider: "google".

Stack

TypeScript · pnpm workspaces · Model Context Protocol SDK · Vercel AI SDK 6 · Google Gemini · Neon serverless Postgres · MongoDB · Zod · Next.js 16 · Recharts · Vitest

Estado

Prototipo funcional. El motor, las salvaguardas y el servidor MCP funcionan; la aplicación web cubre el flujo principal de consulta y gráficos.

Licencia

MIT