خادم AnalyticDB PostgreSQL MCP

ماذا يفعل خادم “AnalyticDB PostgreSQL” MCP؟

يعمل خادم AnalyticDB PostgreSQL MCP كجسر عالمي بين المساعدين الذكيين وقواعد بيانات AnalyticDB PostgreSQL. يتيح التفاعل السلس من خلال تمكين وكلاء الذكاء الاصطناعي من استرجاع البيانات الوصفية لقاعدة البيانات، وتنفيذ استعلامات SQL، وإدارة العمليات البرمجية على قاعدة البيانات. من خلال توفير وصول موحد لوظائف قاعدة البيانات، يسهل هذا الخادم مهام مثل استكشاف المخططات، وتنفيذ الاستعلامات، وجمع إحصائيات الجداول، وتحليل أداء الاستعلامات. مما يجعله أداة ضرورية للمطورين ومهندسي البيانات الذين يسعون لدمج سير عمل مدفوع بالذكاء الاصطناعي مع قواعد بيانات PostgreSQL قوية وجاهزة للمؤسسات.

قائمة القوالب (Prompts)

لا توجد قوالب مطالبات مذكورة في المستودع أو التوثيق المقدم.

قائمة الموارد

• adbpg:///schemas
  يسترجع جميع المخططات الموجودة في قاعدة بيانات AnalyticDB PostgreSQL المتصلة.

• adbpg:///{schema}/tables
  يعرض جميع الجداول ضمن مخطط محدد.

• adbpg:///{schema}/{table}/ddl
  يوفر عبارة تعريف الكيان (DDL) لجدول معين.

• adbpg:///{schema}/{table}/statistics
  يعرض الإحصائيات المتعلقة بجدول معين، مما يساعد في تحليل الأداء والتحسين.

قائمة الأدوات

• execute_select_sql
  ينفذ استعلامات SQL من نوع SELECT على خادم AnalyticDB PostgreSQL لاسترجاع البيانات.

• execute_dml_sql
  ينفذ عمليات لغة معالجة البيانات (DML) مثل INSERT وUPDATE وDELETE.

• execute_ddl_sql
  ينفذ عمليات لغة تعريف البيانات (DDL) مثل CREATE وALTER وDROP.

• analyze_table
  يجمع إحصائيات لجدول لتحسين أداء قاعدة البيانات.

• explain_query
  يقدم خطة تنفيذ لاستعلام SQL معين، مما يساعد المستخدمين على فهم وتحسين أداء الاستعلام.

حالات الاستخدام لهذا الخادم MCP

• استكشاف قاعدة البيانات واسترجاع البيانات الوصفية
  يمكن للمطورين استكشاف مخططات القاعدة بسهولة، وعرض الجداول، والوصول إلى تعريفات الجداول، مما يحسن الإنتاجية وفهم هيكل البيانات.

• تنفيذ الاستعلامات المؤتمتة
  يمكن لوكلاء الذكاء الاصطناعي تنفيذ استعلامات SELECT وDML برمجيًا، مما يمكّن حالات مثل توليد التقارير، وتحديث البيانات، وسير العمل المؤتمت.

• إدارة المخططات وتطويرها
  يسمح الخادم بتنفيذ استعلامات DDL، مما يسهل تغييرات المخطط مثل إنشاء أو تعديل أو حذف الجداول ضمن خطوط CI/CD.

• ضبط وتحسين الأداء
  تساعد أدوات مثل analyze_table وexplain_query المطورين على جمع الإحصائيات وخطط التنفيذ، مما يسهل تحديد عنق الزجاجة وتحسين الاستعلامات.

• تحليل البيانات المدفوع بالذكاء الاصطناعي
  من خلال التكامل مع المساعدين الذكيين، يمكن للخادم دعم تحليل بيانات سياقي ذكي وتمكين الاستكشاف التفاعلي وتوليد الرؤى.

كيفية الإعداد

Windsurf

1. المتطلبات المسبقة:
   تأكد من تثبيت Python 3.10+ والحزم المطلوبة.
2. الاستنساخ أو التثبيت:
   • استنساخ: git clone https://github.com/aliyun/alibabacloud-adbpg-mcp-server.git
   • أو التثبيت عبر pip: pip install adbpg_mcp_server
3. تعديل الإعدادات:
   افتح ملف إعدادات عميل Windsurf MCP.
4. إضافة خادم MCP:
   أدخل JSON التالي:

   "mcpServers": {
     "adbpg-mcp-server": {
       "command": "uv",
       "args": [
         "--directory",
         "/path/to/adbpg-mcp-server",
         "run",
         "adbpg-mcp-server"
       ],
       "env": {
         "ADBPG_HOST": "host",
         "ADBPG_PORT": "port",
         "ADBPG_USER": "username",
         "ADBPG_PASSWORD": "password",
         "ADBPG_DATABASE": "database"
       }
     }
   }
   

5. احفظ وأعد التشغيل
   احفظ الملف وأعد تشغيل Windsurf.

Claude

1. المتطلبات المسبقة:
   Python 3.10+ والتبعيات مثبتة.
2. تثبيت الخادم:
   pip install adbpg_mcp_server
3. تعديل الإعدادات:
   افتح إعدادات Claude MCP.
4. إضافة خادم MCP:

   "mcpServers": {
     "adbpg-mcp-server": {
       "command": "uvx",
       "args": [
         "adbpg_mcp_server"
       ],
       "env": {
         "ADBPG_HOST": "host",
         "ADBPG_PORT": "port",
         "ADBPG_USER": "username",
         "ADBPG_PASSWORD": "password",
         "ADBPG_DATABASE": "database"
       }
     }
   }
   

5. احفظ وأعد التشغيل
   احفظ الإعدادات وأعد تشغيل Claude.

Cursor

1. المتطلبات المسبقة:
   تأكد من وجود Python 3.10+ والتبعيات.
2. الاستنساخ أو التثبيت:
   استنسخ أو نفذ pip install adbpg_mcp_server.
3. تعديل الإعدادات:
   افتح ملف إعداد MCP في Cursor.
4. إضافة خادم MCP:

   "mcpServers": {
     "adbpg-mcp-server": {
       "command": "uvx",
       "args": [
         "adbpg_mcp_server"
       ],
       "env": {
         "ADBPG_HOST": "host",
         "ADBPG_PORT": "port",
         "ADBPG_USER": "username",
         "ADBPG_PASSWORD": "password",
         "ADBPG_DATABASE": "database"
       }
     }
   }
   

5. احفظ وأعد التشغيل
   احفظ وأعد تشغيل Cursor.

Cline

1. المتطلبات المسبقة:
   Python 3.10+ والتبعيات.
2. الاستنساخ أو التثبيت:
   استخدم Git أو pip كما أعلاه.
3. تعديل الإعدادات:
   افتح إعدادات MCP.
4. إضافة خادم MCP:

   "mcpServers": {
     "adbpg-mcp-server": {
       "command": "uvx",
       "args": [
         "adbpg_mcp_server"
       ],
       "env": {
         "ADBPG_HOST": "host",
         "ADBPG_PORT": "port",
         "ADBPG_USER": "username",
         "ADBPG_PASSWORD": "password",
         "ADBPG_DATABASE": "database"
       }
     }
   }
   

5. احفظ وأعد التشغيل
   احفظ الإعدادات وأعد تشغيل Cline.

تأمين مفاتيح API

يتم استخدام متغيرات البيئة لبيانات اعتماد قاعدة البيانات. لزيادة الأمان، استخدم متغيرات البيئة بدلاً من كتابة المعلومات الحساسة مباشرة:

"env": {
  "ADBPG_HOST": "${ADBPG_HOST}",
  "ADBPG_PORT": "${ADBPG_PORT}",
  "ADBPG_USER": "${ADBPG_USER}",
  "ADBPG_PASSWORD": "${ADBPG_PASSWORD}",
  "ADBPG_DATABASE": "${ADBPG_DATABASE}"
}

كيفية استخدام هذا MCP داخل التدفقات

استخدام MCP في FlowHunt

لدمج خوادم MCP في سير عمل FlowHunt الخاص بك، ابدأ بإضافة مكون MCP إلى التدفق الخاص بك وربطه بوكيل الذكاء الاصطناعي:

انقر على مكون MCP لفتح لوحة الإعدادات. في قسم إعدادات MCP في النظام، قم بإدخال تفاصيل خادم MCP الخاص بك باستخدام هذا التنسيق:

{
  "adbpg-mcp-server": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

بعد الإعداد، سيتمكن وكيل الذكاء الاصطناعي من استخدام هذا MCP كأداة مع إمكانية الوصول إلى جميع وظائفه وقدراته. تذكر تغيير “adbpg-mcp-server” إلى اسم خادم MCP الفعلي الخاص بك واستبدال عنوان URL بعنوان خادم MCP الخاص بك.

نظرة عامة

استنادًا إلى التوثيق المتاح، يقدم خادم AnalyticDB PostgreSQL MCP تكاملًا قويًا لسير العمل المعتمد على قواعد البيانات مع أدوات ونقاط موارد واضحة. ومع ذلك، يفتقر إلى قوالب المطالبات والدعم الصريح لـ Roots/Sampling.

درجة MCP

الرأي والتقييم:
هذا الخادم MCP موثق جيدًا لميزات التكامل مع قواعد البيانات ويغطي الاحتياجات الأساسية للمطورين مع PostgreSQL. غياب قوالب المطالبات والميزات المتقدمة مثل Roots أو Sampling يعد نقطة ضعف، لكن تركيزه ووضوحه يجعله مفيدًا لسير العمل الموجه بقواعد البيانات. التقييم: 7/10