Multi-Database MCP Server (Legion AI tarafından)

Legion Query Runner ile veritabanlarındaki verilere erişmenize ve sorgu yapmanıza yardımcı olan, Model Context Protocol (MCP) Python SDK'sı entegrasyonlu bir sunucudur.

Start Generation Here

Bu araç Legion AI tarafından sağlanmaktadır. Tam özellikli ve tam güçlü yapay zeka veri analitik aracını kullanmak için lütfen siteyi ziyaret edin. Desteklemesini istediğiniz bir veritabanı varsa bize e-posta gönderin.

End Generation Here

Veritabanı MCP Neden Seçilmeli

Veritabanı MCP, diğer veritabanı erişim çözümlerinden birkaç zorlayıcı nedenle öne çıkmaktadır:

• Birleşik Çok Veritabanı Arayüzü: PostgreSQL, MySQL, SQL Server ve diğer veritabanlarına tek bir tutarlı API üzerinden bağlanın - her veritabanı türü için farklı istemci kütüphaneleri öğrenmenize gerek yoktur.
• Yapay Zeka Hazır Entegrasyon: Model Context Protocol (MCP) aracılığıyla yapay zeka asistanı etkileşimleri için özel olarak tasarlanmış, doğal dil veritabanı işlemlerini etkinleştirir.
• Sıfır Yapılandırma Şema Keşfi: Veritabanı şemalarını manuel yapılandırma veya eşleme olmadan otomatik olarak keşfeder ve ortaya çıkarır.
• Veritabanı Agnostik Araçlar: Temel veritabanı teknolojisine bakılmaksızın aynı araç seti ile tabloları bulun, şemaları keşfedin ve sorguları yürütün.
• Güvenli Kimlik Bilgisi Yönetimi: Veritabanı kimlik doğrulama detaylarını güvenli bir şekilde işler, kimlik bilgilerini uygulama kodundan ayırır.
• Basit Dağıtım: LangChain, FastAPI ve diğerleri gibi modern yapay zeka geliştirme ortamlarıyla minimal kurulum ile çalışır.
• Genişletilebilir Tasarım: Belirli kullanım durumları için işlevselliği geliştirmek üzere kolayca özel araçlar ve istemler ekleyin.

İster veritabanı erişimine ihtiyaç duyan yapay zeka ajanları oluşturuyor olun ister birden çok veritabanına birleşik bir arayüz istemiş olun, Veritabanı MCP geliştirme süresini ve karmaşıklığını önemli ölçüde azaltan akamçalı bir çözüm sağlar.

Özellikler

• Çok veritabanı desteği - aynı anda birden çok veritabanına bağlanın
• Legion Query Runner aracılığıyla veritabanı erişimi
• Yapay zeka asistanları için Model Context Protocol (MCP) desteği
• Veritabanı işlemlerini MCP kaynakları, araçları ve istemler olarak ortaya çıkarın
• Birden çok dağıtım seçeneği (bağımsız MCP sunucusu, FastAPI entegrasyonu)
• Sorgu yürütme ve sonuç işleme
• Ortam değişkenleri, komut satırı argümanları veya MCP ayarları JSON üzerinden esnek yapılandırma
• Çok veritabanı kurulumları için kullanıcı tarafından yönlendirilen veritabanı seçimi

Desteklenen Veritabanları

Veritabanı	DB_TYPE kodu
PostgreSQL	pg
Redshift	redshift
CockroachDB	cockroach
MySQL	mysql
RDS MySQL	rds_mysql
Microsoft SQL Server	mssql
Big Query	bigquery
Oracle DB	oracle
SQLite	sqlite

Legion Query Runner kütüphanesini konektör olarak kullanıyoruz. Daha fazla bilgi için api dokümanlarına bakabilirsiniz.

MCP Nedir?

Model Context Protocol (MCP), yapay zeka uygulamalarında bağlamı korumanın bir spesifikasyonudur. Bu sunucu MCP Python SDK'sını kullanarak:

• Veritabanı işlemlerini yapay zeka asistanları için araçlar olarak ortaya çıkarır
• Veritabanı şemaları ve meta verilerini kaynaklar olarak sağlar
• Veritabanı işlemleri için yararlı istemler oluşturur
• Veritabanları ile durum bilgili etkileşimleri etkinleştirir

Kurulum & Yapılandırma

Gerekli Parametreler

Tek veritabanı yapılandırması için:

• DB_TYPE: Veritabanı türü kodu (yukarıdaki tabloya bakın)
• DB_CONFIG: Veritabanı bağlantısı için JSON yapılandırma dizesi

Çok veritabanı yapılandırması için:

• DB_CONFIGS: Her biri içeren bir JSON dizisi:
  • db_type: Veritabanı türü kodu
  • configuration: Veritabanı bağlantı yapılandırması
  • description: Veritabanının okunabilir bir açıklaması

Yapılandırma formatı veritabanı türüne göre değişir. Veritabanına özel yapılandırma detayları için API dokümanlarına bakın.

Kurulum Yöntemleri

Seçenek 1: UV Kullanma (Önerilen)

uv kullanırken, belirli bir kurulum gerekli değildir. database-mcp'yi doğrudan çalıştırmak için uvx kullanacağız.

UV Yapılandırma Örneği (Tek Veritabanı):

DB_TYPE ve DB_CONFIG'i bağlantı bilgileriniz ile değiştirin.
{
    "mcpServers": {
      "database-mcp": {
        "command": "uvx",
        "args": [
          "database-mcp"
        ],
        "env": {
          "DB_TYPE": "pg",
          "DB_CONFIG": "{\"host\":\"localhost\",\"port\":5432,\"user\":\"user\",\"password\":\"pw\",\"dbname\":\"dbname\"}"
        },
        "disabled": true,
        "autoApprove": []
      }
    }
}

UV Yapılandırma Örneği (Birden Çok Veritabanı):

{
    "mcpServers": {
      "database-mcp": {
        "command": "uvx",
        "args": [
          "database-mcp"
        ],
        "env": {
          "DB_CONFIGS": "[{\"id\":\"pg_main\",\"db_type\":\"pg\",\"configuration\":{\"host\":\"localhost\",\"port\":5432,\"user\":\"user\",\"password\":\"pw\",\"dbname\":\"postgres\"},\"description\":\"PostgreSQL Database\"},{\"id\":\"mysql_data\",\"db_type\":\"mysql\",\"configuration\":{\"host\":\"localhost\",\"port\":3306,\"user\":\"root\",\"password\":\"pass\",\"database\":\"mysql\"},\"description\":\"MySQL Database\"}]"
        },
        "disabled": true,
        "autoApprove": []
      }
    }
}

Seçenek 2: PIP Kullanma

pip üzerinden kurun:

pip install database-mcp

PIP Yapılandırma Örneği (Tek Veritabanı):

{
  "mcpServers": {
    "database": {
      "command": "python",
      "args": [
        "-m", "database_mcp", 
        "--repository", "path/to/git/repo"
      ],
      "env": {
        "DB_TYPE": "pg",
        "DB_CONFIG": "{\"host\":\"localhost\",\"port\":5432,\"user\":\"user\",\"password\":\"pw\",\"dbname\":\"dbname\"}"
      }
    }
  }
}

Sunucuyu Çalıştırma

Üretim Modu

python mcp_server.py

Yapılandırma Yöntemleri

Ortam Değişkenleri (Tek Veritabanı)

export DB_TYPE="pg"  # veya mysql, postgresql, vb.
export DB_CONFIG='{"host":"localhost","port":5432,"user":"username","password":"password","dbname":"database_name"}'
uv run src/database_mcp/mcp_server.py

Ortam Değişkenleri (Birden Çok Veritabanı)

export DB_CONFIGS='[{"id":"pg_main","db_type":"pg","configuration":{"host":"localhost","port":5432,"user":"username","password":"password","dbname":"database_name"},"description":"PostgreSQL Database"},{"id":"mysql_users","db_type":"mysql","configuration":{"host":"localhost","port":3306,"user":"root","password":"pass","database":"mysql"},"description":"MySQL Database"}]'
uv run src/database_mcp/mcp_server.py

Bir ID belirtmezseniz, sistem otomatik olarak veritabanı türü ve açıklamasına göre bir tane oluşturacaktır:

export DB_CONFIGS='[{"db_type":"pg","configuration":{"host":"localhost","port":5432,"user":"username","password":"password","dbname":"database_name"},"description":"PostgreSQL Database"},{"db_type":"mysql","configuration":{"host":"localhost","port":3306,"user":"root","password":"pass","database":"mysql"},"description":"MySQL Database"}]'
# ID'ler "pg_postgres_0" ve "my_mysqldb_1" gibi şeyler olarak oluşturulacak
uv run src/database_mcp/mcp_server.py

Komut Satırı Argümanları (Tek Veritabanı)

python mcp_server.py --db-type pg --db-config '{"host":"localhost","port":5432,"user":"username","password":"password","dbname":"database_name"}'

Komut Satırı Argümanları (Birden Çok Veritabanı)

python mcp_server.py --db-configs '[{"id":"pg_main","db_type":"pg","configuration":{"host":"localhost","port":5432,"user":"username","password":"password","dbname":"database_name"},"description":"PostgreSQL Database"},{"id":"mysql_users","db_type":"mysql","configuration":{"host":"localhost","port":3306,"user":"root","password":"pass","database":"mysql"},"description":"MySQL Database"}]'

Her veritabanı için id alanını kullanarak özel ID'ler belirtebileceğinizi veya sistemin bunları veritabanı türü ve açıklamasına göre oluşturmasına izin verebileceğinizi unutmayın.

Çok Veritabanı Desteği

Birden çok veritabanına bağlanırken, her sorgu için hangi veritabanının kullanılacağını belirtmeniz gerekir:

1. Mevcut veritabanlarını ID'leriyle görmek için list_databases aracını kullanın
2. Veritabanlarının şema detaylarını görmek için get_database_info kullanın
3. Tüm veritabanları arasında bir tablo bulmak için find_table kullanın
4. execute_query, get_table_columns vb. araçlara db_id parametresini sağlayın

Veritabanı bağlantıları dahili olarak DbConfig nesnelerinin bir sözlüğü olarak yönetilir ve her veritabanının benzersiz bir ID'si vardır. Şema bilgisi, her tablo adını ve sütun bilgisini içeren bir tablo nesneleri listesi olarak temsil edilir.

select_database istemi kullanıcıları veritabanı seçim süreci aracılığıyla yönlendirir.

Şema Temsili

Veritabanı şemaları tablo nesnelerinin bir listesi olarak temsil edilir ve her tablo sütunları hakkında bilgi içerir:

[
  {
    "name": "users",
    "columns": [
      {"name": "id", "type": "integer"},
      {"name": "username", "type": "varchar"},
      {"name": "email", "type": "varchar"}
    ]
  },
  {
    "name": "orders",
    "columns": [
      {"name": "id", "type": "integer"},
      {"name": "user_id", "type": "integer"},
      {"name": "product_id", "type": "integer"},
      {"name": "quantity", "type": "integer"}
    ]
  }
]

Bu temsil, tablo ve sütun bilgilerine programlı olarak erişmeyi kolay kılırken temiz bir hiyerarşik yapı tutar.

Ortaya Çıkarılan MCP Yetenekleri

Kaynaklar

Kaynak	Açıklama
resource://schema/{database_id}	Bir veya tüm yapılandırılmış veritabanlarının şemalarını alın

Araçlar

Araç	Açıklama
execute_query	Bir SQL sorgusu yürütün ve sonuçları markdown tablosu olarak döndürün
execute_query_json	Bir SQL sorgusu yürütün ve sonuçları JSON olarak döndürün
get_table_columns	Belirli bir tablo için sütun adlarını alın
get_table_types	Belirli bir tablo için sütun türlerini alın
get_query_history	Son sorgu geçmişini alın
list_databases	Tüm mevcut veritabanı bağlantılarını listeleyin
get_database_info	Şema dahil olmak üzere bir veritabanı hakkında ayrıntılı bilgi alın
find_table	Belirli bir tablonun hangi veritabanında olduğunu bulun
describe_table	Sütun adları ve türleri dahil olmak üzere bir tablonun ayrıntılı açıklamasını alın
get_table_sample	Bir tablodaki verinin bir örneğini alın

execute_query, get_table_columns vb. gibi tüm veritabanına özgü araçlar, hangi veritabanının kullanılacağını belirtmek için db_id parametresi gerektirir.

İstemler

İstem	Açıklama
sql_query	Veritabanına karşı bir SQL sorgusu oluşturun
explain_query	Bir SQL sorgusunun ne yaptığını açıklayın
optimize_query	Daha iyi performans için bir SQL sorgusunu optimize edin
select_database	Kullanıcıya hangi veritabanını kullanacağını seçmesinde yardımcı olun

Geliştirme

MCP Inspector Kullanma

inspektörü başlatmak için bunu çalıştırın

npx @modelcontextprotocol/inspector uv run src/database_mcp/mcp_server.py

ardından komut giriş alanında şuna benzer bir şey ayarlayın

run src/database_mcp/mcp_server.py --db-type pg --db-config '{"host":"localhost","port":5432,"user":"username","password":"password","dbname":"database_name"}'

Test Etme

uv pip install -e ".[dev]"
pytest

Yayımlama

# Derleme yapılarını temizleyin
rm -rf dist/ build/ 
# Varsa .egg-info dizinlerini kaldırın
find . -name "*.egg-info" -type d -exec rm -rf {} + 2>/dev/null || true
# Paketi derleyin
uv run python -m build
# PyPI'ye yükleyin
uv run python -m twine upload dist/*

Lisans

Bu depo GPL lisansı altında lisanslanmıştır