MCP Server - Oracle DB Context

MCP Server - Oracle DB Context

为处理大型 Oracle 数据库的 MCP 服务器

danielmeppiel

研究与数据
访问服务器

README

MCP Server - Oracle 数据库上下文

一个强大的模型上下文协议 (MCP) 服务器，为大型 Oracle 数据库提供上下文数据库模式信息，使 AI 助手能够理解和处理包含数千个表的数据库。

目录

概述

MCP Oracle DB Context 服务器解决了使用非常大的 Oracle 数据库时的一个关键挑战：如何在不让 AI 模型被成千上万的表和关系淹没的情况下，为它们提供准确、相关的数据库模式信息。

通过智能地缓存和提供数据库模式信息，此服务器允许 AI 助手：

  • 按需查找特定表模式
  • 搜索与特定模式匹配的表
  • 了解表关系和外键
  • 获取数据库供应商信息

特性

  • 智能模式缓存：构建并维护数据库模式的本地缓存，以最大限度地减少数据库查询
  • 有针对性的模式查找：检索特定表的模式，而无需加载整个数据库结构
  • 表搜索：按名称模式匹配查找表
  • 关系映射：了解表之间的外键关系
  • Oracle 数据库支持：专门为 Oracle 数据库构建
  • MCP 集成：与 VSCode 中的 GitHub Copilot、Claude、ChatGPT 以及其他支持 MCP 的 AI 助手无缝协作

用法

与 VSCode Insiders 中的 GitHub Copilot 集成

要将此 MCP 服务器与 VSCode Insiders 中的 GitHub Copilot 一起使用，请按照以下步骤操作：

  1. 安装 VSCode Insiders

  2. 安装 GitHub Copilot 扩展

    • 打开 VSCode Insiders
    • 转到扩展市场
    • 搜索并安装 "GitHub Copilot"

  3. 配置 MCP 服务器

  4. 启用 Agent 模式

    • 在 VSCode Insiders 中打开 Copilot 聊天
    • 点击 "Copilot Edits"
    • 选择 "Agent mode"
    • 点击聊天输入框中的刷新按钮以加载可用的工具

完成这些步骤后，您将可以通过 GitHub Copilot 的聊天界面访问所有数据库上下文工具。

选项 1：使用 Docker（推荐）

在 VSCode Insiders 中，转到您的用户或工作区 settings.json 文件并添加以下内容：

"mcp": {
    "inputs": [
     {
       "id": "db-password",
       "type": "promptString",
       "description": "Oracle DB 密码",
       "password": true,
     }
   ],
    "servers": {
        "oracle": {
            "command": "docker",
            "args": [
                "run",
                "-i",
                "--rm",
                "-e",
                "ORACLE_CONNECTION_STRING",
                "-e",
                "TARGET_SCHEMA",
                "-e",
                "CACHE_DIR",
                "-e",
                "THICK_MODE",
                "dmeppiel/oracle-mcp-server"
            ],
            "env": {
               "ORACLE_CONNECTION_STRING":"<db-username>/${input:db-password}@<host>:1521/<service-name>",
               "TARGET_SCHEMA":"",
               "CACHE_DIR":".cache",
               "THICK_MODE":""  // Optional: set to "1" to enable thick mode
            }
        }
    }
}

使用 Docker 时（推荐方法）：

  • 所有依赖项都包含在容器中
  • 如果需要，在环境变量中设置 THICK_MODE=1 以启用 thick 模式

选项 2：使用 UV（本地安装）

此选项需要本地安装和设置项目：

  1. 先决条件

    • Python 3.12 或更高版本
    • Oracle 数据库访问权限
    • Oracle instant client（oracledb Python 包需要）

  2. 安装 UV

    # 使用 curl 安装 uv (macOS/Linux)
curl -LsSf https://astral.sh/uv/install.sh | sh

# 或使用 PowerShell (Windows)
irm https://astral.sh/uv/install.ps1 | iex

    安装 uv 后，请务必重启您的终端。

  3. 项目设置

    # 克隆存储库
git clone https://github.com/yourusername/oracle-mcp-server.git
cd oracle-mcp-server

# 创建并激活虚拟环境
uv venv

# 激活 (On Unix/macOS)
source .venv/bin/activate

# 激活 (On Windows)
.venv\Scripts\activate

# 安装依赖项
uv pip install -e .

  4. 配置 VSCode 设置

    "mcp": {
   "inputs": [
      {
         "id": "db-password",
         "type": "promptString",
         "description": "Oracle DB 密码",
         "password": true,
      }
   ],
   "servers": {
      "oracle": {
            "command": "/path/to/your/.local/bin/uv",
            "args": [
               "--directory",
               "/path/to/your/oracle-mcp-server",
               "run",
               "main.py"
            ],
            "env": {
               "ORACLE_CONNECTION_STRING":"<db-username>/${input:db-password}@<host>:1521/<service-name>",
               "TARGET_SCHEMA":"",
               "CACHE_DIR":".cache",
               "THICK_MODE":""  // Optional: set to "1" to enable thick mode
            }
      }
   }
}
  • 将路径替换为您实际的 uv 二进制文件路径和 oracle-mcp-server 目录路径

对于这两种选择：

  • 将 ORACLE_CONNECTION_STRING 替换为您实际的数据库连接字符串
  • TARGET_SCHEMA 是可选的，它将默认为用户的模式
  • CACHE_DIR 是可选的，默认为 MCP 服务器根文件夹中的 .cache

在本地启动服务器

要直接运行 MCP 服务器：

uv run main.py

用于开发和测试：

# 安装 MCP Inspector
uv pip install mcp-cli

# 使用 MCP Inspector 进行测试
mcp dev main.py

# 或在 Claude Desktop 中安装
mcp install main.py

可用工具

当连接到 AI 助手（如 VSCode Insiders 中的 GitHub Copilot 或 Claude）时，以下工具将可用：

get_table_schema

获取特定表的详细模式信息，包括列、数据类型、可空性和关系。 示例：

你能展示一下 EMPLOYEES 表的模式吗？

get_tables_schema

一次获取多个表的模式信息。 比多次调用 get_table_schema 更有效。 示例：

请提供 EMPLOYEES 和 DEPARTMENTS 表的模式。

search_tables_schema

按名称模式搜索表并检索其模式。 示例：

查找所有可能与客户相关的表并显示其模式。

rebuild_schema_cache

强制重建模式缓存。 谨慎使用，因为这会消耗大量资源。 示例：

数据库结构已更改。 你能重建模式缓存吗？

get_database_vendor_info

获取有关连接的 Oracle 数据库版本和模式的信息。 示例：

我们正在运行什么 Oracle 数据库版本？

search_columns

搜索包含与特定术语匹配的列的表。 当您知道需要什么数据但不确定哪些表包含它时很有用。 示例：

哪些表具有与 customer_id 相关的列？

get_pl_sql_objects

获取有关 PL/SQL 对象的信息，例如过程、函数、包、触发器等。 示例：

显示所有以 'CUSTOMER_' 开头的存储过程

get_object_source

检索 PL/SQL 对象的源代码。 用于调试和理解数据库逻辑很有用。 示例：

你能展示一下 CUSTOMER_UPDATE_PROC 过程的源代码吗？

get_table_constraints

获取表的所有约束（主键、外键、唯一约束、检查约束）。 示例：

在 ORDERS 表上定义了哪些约束？

get_table_indexes

获取在表上定义的所有索引，有助于查询优化。 示例：

显示 CUSTOMERS 表上的所有索引。

get_dependent_objects

查找所有依赖于指定数据库对象的对象。 示例：

哪些对象依赖于 CUSTOMER_VIEW 视图？

get_user_defined_types

获取有关数据库中用户定义类型的信息。 示例：

显示模式中定义的所有自定义类型。

get_related_tables

获取通过外键与指定表相关的所有表，显示传入和传出关系。 示例：

哪些表与 ORDERS 表相关？

架构

此 MCP 服务器采用针对大规模 Oracle 数据库优化的三层架构：

  1. DatabaseConnector 层

    • 管理 Oracle 数据库连接和查询执行
    • 实现连接池和重试逻辑
    • 处理原始 SQL 操作

  2. SchemaManager 层

    • 实现智能模式缓存
    • 提供优化的模式查找和搜索
    • 管理磁盘上的持久缓存

  3. DatabaseContext 层

    • 公开高级 MCP 工具和接口
    • 处理授权和访问控制
    • 提供针对 AI 消费的模式优化

连接模式

数据库连接器支持两种连接模式：

Thin 模式（默认）

默认情况下，连接器使用 Oracle 的 thin 模式，这是一种纯 Python 实现。 此模式：

  • 更易于设置和部署
  • 足够用于大多数基本数据库操作
  • 在不同环境中更具可移植性

Thick 模式

对于需要高级 Oracle 功能或更好性能的场景，您可以启用 thick 模式：

  • 使用 Docker 时（推荐）：在 Docker 环境变量中设置 THICK_MODE=1
  • 使用本地安装时：导出 THICK_MODE=1 环境变量，并确保安装与您的系统架构和数据库版本兼容的 Oracle Client 库

注意：使用 Docker 时，您无需担心安装 Oracle Client 库，因为它们包含在容器中（Oracle Instant Client v23.7）。 该容器支持 linux/arm64 和 linux/amd64 架构中的 Oracle 数据库版本 19c 到 23ai。

系统要求

  • Python：3.12 或更高版本（需要获得最佳性能）
  • 内存：对于大型数据库（10,000 多个表），需要 4GB+ 可用 RAM
  • 磁盘：模式缓存至少需要 500MB 的可用空间
  • Oracle：与 Oracle Database 11g 及更高版本兼容
  • 网络：与 Oracle 数据库服务器的稳定连接

性能考虑

  • 对于非常大的数据库，初始缓存构建可能需要 5-10 分钟
  • 后续启动通常需要不到 30 秒
  • 缓存后，模式查找通常在亚秒级
  • 内存使用量随活动模式大小而扩展

贡献

我们欢迎贡献！ 请参阅我们的 贡献指南 了解详细信息。

许可证

此项目已获得 MIT 许可证的许可 - 有关详细信息，请参阅 LICENSE 文件。

支持

如有问题：

  • 在此 GitHub 存储库中创建一个 issue

推荐服务器

Crypto Price & Market Analysis MCP Server

Crypto Price & Market Analysis MCP Server

一个模型上下文协议 (MCP) 服务器，它使用 CoinCap API 提供全面的加密货币分析。该服务器通过一个易于使用的界面提供实时价格数据、市场分析和历史趋势。 (Alternative, slightly more formal and technical translation): 一个模型上下文协议 (MCP) 服务器，利用 CoinCap API 提供全面的加密货币分析服务。该服务器通过用户友好的界面，提供实时价格数据、市场分析以及历史趋势数据。

精选
TypeScript
MCP PubMed Search

MCP PubMed Search

用于搜索 PubMed 的服务器（PubMed 是一个免费的在线数据库，用户可以在其中搜索生物医学和生命科学文献）。 我是在 MCP 发布当天创建的，但当时正在度假。 我看到有人在您的数据库中发布了类似的服务器，但还是决定发布我的服务器。

精选
Python
mixpanel

mixpanel

连接到您的 Mixpanel 数据。 从 Mixpanel 分析查询事件、留存和漏斗数据。

精选
TypeScript
Sequential Thinking MCP Server

Sequential Thinking MCP Server

这个服务器通过将复杂问题分解为顺序步骤来促进结构化的问题解决，支持修订，并通过完整的 MCP 集成来实现多条解决方案路径。

精选
Python
Nefino MCP Server

Nefino MCP Server

为大型语言模型提供访问德国可再生能源项目新闻和信息的能力，允许按地点、主题（太阳能、风能、氢能）和日期范围进行筛选。

官方
Python
Vectorize

Vectorize

将 MCP 服务器向量化以实现高级检索、私有深度研究、Anything-to-Markdown 文件提取和文本分块。

官方
JavaScript
Mathematica Documentation MCP server

Mathematica Documentation MCP server

一个服务器，通过 FastMCP 提供对 Mathematica 文档的访问，使用户能够从 Wolfram Mathematica 检索函数文档和列出软件包符号。

本地
Python
kb-mcp-server

kb-mcp-server

一个 MCP 服务器，旨在实现便携性、本地化、简易性和便利性，以支持对 txtai “all in one” 嵌入数据库进行基于语义/图的检索。任何 tar.gz 格式的 txtai 嵌入数据库都可以被加载。

本地
Python
Research MCP Server

Research MCP Server

这个服务器用作 MCP 服务器，与 Notion 交互以检索和创建调查数据，并与 Claude Desktop Client 集成以进行和审查调查。

本地
Python
Cryo MCP Server

Cryo MCP Server

一个API服务器，实现了模型补全协议（MCP），用于Cryo区块链数据提取，允许用户通过任何兼容MCP的客户端查询以太坊区块链数据。

本地
Python