Database MCP Server
一个模型上下文协议服务器,它提供通过统一接口连接和交互各种数据库系统(SQLite、PostgreSQL、MySQL/MariaDB、SQL Server)的工具。
README
数据库 MCP 服务器
一个模型上下文协议 (MCP) 服务器,提供连接和交互各种数据库系统的工具。
特性
- 多数据库支持: 连接到 SQLite, PostgreSQL, MySQL/MariaDB, 和 SQL Server 数据库
- 统一接口: 跨所有支持的数据库类型的通用数据库操作工具
- 数据库特定扩展: 在需要时,提供数据库特定功能的专用工具
- 模式管理: 创建、修改和删除表和索引
- 查询执行: 执行原始 SQL 查询或使用结构化查询工具
- 事务支持: 开始、提交和回滚事务
安装
前提条件
- Python 3.8 或更高版本
- 必需的 Python 包 (使用 pip 自动安装):
- SQLAlchemy
- 各种数据库驱动程序,具体取决于您要使用的数据库:
- SQLite (Python 自带)
- PostgreSQL:
psycopg2-binary - MySQL/MariaDB:
mysql-connector-python - SQL Server:
pyodbc
从源码安装
# 克隆仓库
git clone <repository-url>
# 安装包
pip install -e .
配置
服务器可以使用环境变量、配置文件或在运行时提供连接详细信息进行配置。
环境变量
DB_CONFIG_PATH: JSON 配置文件的路径DB_CONNECTIONS: 以逗号分隔的连接 ID 列表或包含连接详细信息的 JSON 字符串
配置文件格式
{
"connections": {
"sqlite_conn": {
"type": "sqlite",
"db_path": "/path/to/database.db"
},
"postgres_conn": {
"type": "postgres",
"host": "localhost",
"port": 5432,
"database": "mydatabase",
"user": "myuser",
"password": "mypassword"
}
}
}
用法
运行服务器
作为 Claude 的 MCP 服务器
# 使用默认设置运行
python -m db_mcp_server
# 指定配置文件
python -m db_mcp_server --config /path/to/config.json
# 设置日志级别
python -m db_mcp_server --log-level DEBUG
作为独立的 Web 服务器 (适用于任何 LLM)
# 作为 Web 服务器运行
python -m db_mcp_server.web_server
# 指定主机和端口
python -m db_mcp_server.web_server --host 0.0.0.0 --port 8000
# 指定配置文件和日志级别
python -m db_mcp_server.web_server --config /path/to/config.json --log-level DEBUG
可用的 MCP 工具
连接管理
add_connection: 添加新的数据库连接test_connection: 测试数据库连接list_connections: 列出所有数据库连接remove_connection: 删除数据库连接
查询执行
execute_query: 执行 SQL 查询get_records: 从表中获取记录insert_record: 将记录插入到表中update_record: 更新表中的记录delete_record: 从表中删除记录
模式管理
list_tables: 列出数据库中的所有表get_table_schema: 获取表的模式create_table: 创建新表drop_table: 删除表create_index: 在表上创建索引drop_index: 删除索引alter_table: 更改表结构
事务管理
begin_transaction: 开始事务commit_transaction: 提交事务rollback_transaction: 回滚事务
示例
添加连接
{
"connection_id": "my_sqlite_db",
"type": "sqlite",
"db_path": "/path/to/database.db"
}
执行查询
{
"connection_id": "my_sqlite_db",
"query": "SELECT * FROM users WHERE age > ?",
"params": [21]
}
创建表
{
"connection_id": "my_sqlite_db",
"table": "users",
"columns": [
{
"name": "id",
"type": "INTEGER",
"primary_key": true,
"nullable": false
},
{
"name": "name",
"type": "TEXT",
"nullable": false
},
{
"name": "email",
"type": "TEXT",
"nullable": true
}
]
}
插入记录
{
"connection_id": "my_sqlite_db",
"table": "users",
"data": {
"name": "John Doe",
"email": "john@example.com"
}
}
开发
运行测试
# 运行所有测试
python -m unittest discover
# 运行特定的测试文件
python -m unittest tests.test_sqlite
从其他 LLM 连接
当作为独立的 Web 服务器运行时,其他 LLM(如 Llama 3)可以通过 HTTP 连接到数据库 MCP 服务器。 服务器公开以下端点:
端点
/list_tools- GET 或 POST: 返回所有可用工具的列表,其中包含它们的描述和输入模式/call_tool- POST: 执行特定的数据库工具
示例:从另一个 LLM 调用
要将此服务器与另一个 LLM 一起使用,请让 LLM 生成对服务器的 HTTP 请求。 以下是如何为 Llama 3 等 LLM 构建提示的示例:
您可以通过向 http://localhost:8000 上的数据库服务发出 HTTP 请求来与数据库交互。
该服务提供以下端点:
1. 获取可用工具列表:
向以下地址发出 POST 请求:http://localhost:8000/list_tools
2. 执行数据库工具:
向以下地址发出 POST 请求:http://localhost:8000/call_tool
带有如下 JSON 正文:
{
"name": "tool_name",
"arguments": {
"param1": "value1",
"param2": "value2"
}
}
例如,要执行 SQL 查询,您可以发出如下请求:
POST http://localhost:8000/call_tool
Content-Type: application/json
{
"name": "execute_query",
"arguments": {
"connection_id": "my_db",
"query": "SELECT * FROM users"
}
}
客户端集成的示例 Python 代码
import requests
import json
# 数据库 MCP 服务器的基本 URL
BASE_URL = "http://localhost:8000"
# 列出可用工具
def list_tools():
response = requests.post(f"{BASE_URL}/list_tools")
return response.json()
# 执行数据库工具
def call_tool(tool_name, arguments):
payload = {
"name": tool_name,
"arguments": arguments
}
response = requests.post(f"{BASE_URL}/call_tool", json=payload)
return response.json()
# 示例:列出数据库中的表
def list_tables(connection_id):
return call_tool("list_tables", {"connection_id": connection_id})
# 示例:执行 SQL 查询
def execute_query(connection_id, query, params=None):
return call_tool("execute_query", {
"connection_id": connection_id,
"query": query,
"params": params
})
# 示例:添加新连接
def add_connection(connection_id, db_type, **kwargs):
args = {"connection_id": connection_id, "type": db_type}
args.update(kwargs)
return call_tool("add_connection", args)
许可证
推荐服务器
Baidu Map
百度地图核心API现已全面兼容MCP协议,是国内首家兼容MCP协议的地图服务商。
Playwright MCP Server
一个模型上下文协议服务器,它使大型语言模型能够通过结构化的可访问性快照与网页进行交互,而无需视觉模型或屏幕截图。
Magic Component Platform (MCP)
一个由人工智能驱动的工具,可以从自然语言描述生成现代化的用户界面组件,并与流行的集成开发环境(IDE)集成,从而简化用户界面开发流程。
Audiense Insights MCP Server
通过模型上下文协议启用与 Audiense Insights 账户的交互,从而促进营销洞察和受众数据的提取和分析,包括人口统计信息、行为和影响者互动。
VeyraX
一个单一的 MCP 工具,连接你所有喜爱的工具:Gmail、日历以及其他 40 多个工具。
graphlit-mcp-server
模型上下文协议 (MCP) 服务器实现了 MCP 客户端与 Graphlit 服务之间的集成。 除了网络爬取之外,还可以将任何内容(从 Slack 到 Gmail 再到播客订阅源)导入到 Graphlit 项目中,然后从 MCP 客户端检索相关内容。
Kagi MCP Server
一个 MCP 服务器,集成了 Kagi 搜索功能和 Claude AI,使 Claude 能够在回答需要最新信息的问题时执行实时网络搜索。
e2b-mcp-server
使用 MCP 通过 e2b 运行代码。
Neon MCP Server
用于与 Neon 管理 API 和数据库交互的 MCP 服务器
Exa MCP Server
模型上下文协议(MCP)服务器允许像 Claude 这样的 AI 助手使用 Exa AI 搜索 API 进行网络搜索。这种设置允许 AI 模型以安全和受控的方式获取实时的网络信息。