AnalyticDB PostgreSQL MCPサーバー

「AnalyticDB PostgreSQL」MCPサーバーとは？

AnalyticDB PostgreSQL MCPサーバーは、AIアシスタントとAnalyticDB PostgreSQLデータベースをつなぐユニバーサルブリッジとして機能します。AIエージェントがデータベースのメタデータ取得、SQLクエリの実行、データベース操作をプログラム的に行えるため、スキーマ探索やクエリ実行、テーブル統計の収集、クエリパフォーマンスの分析などの標準化されたアクセスを提供します。これにより、堅牢でエンタープライズ向けのPostgreSQL分析データベースとAI駆動ワークフローの統合を目指す開発者やデータエンジニアにとって、不可欠なツールとなります。

プロンプト一覧

提供されたリポジトリやドキュメントにはプロンプトテンプレートは記載されていません。

リソース一覧

• adbpg:///schemas
  接続中のAnalyticDB PostgreSQLデータベース内の全スキーマを取得します。

• adbpg:///{schema}/tables
  指定したスキーマ内の全テーブルを一覧表示します。

• adbpg:///{schema}/{table}/ddl
  指定テーブルのDDL（データ定義言語）文を提供します。

• adbpg:///{schema}/{table}/statistics
  指定テーブルの統計情報を表示し、パフォーマンス分析と最適化を支援します。

ツール一覧

• execute_select_sql
  AnalyticDB PostgreSQLサーバー上でSELECTクエリを実行し、データを取得します。

• execute_dml_sql
  INSERT, UPDATE, DELETEなどのDML（データ操作言語）操作を実行します。

• execute_ddl_sql
  CREATE, ALTER, DROPなどのDDL（データ定義言語）操作を実行します。

• analyze_table
  テーブルの統計収集を行い、データベースパフォーマンスを最適化します。

• explain_query
  指定したSQLクエリの実行計画を提供し、クエリ性能の理解と最適化を支援します。

このMCPサーバーのユースケース

• データベース探索・メタデータ取得
  開発者はデータベーススキーマの探索、テーブル一覧や定義の取得が容易になり、生産性やデータ構造の理解を向上できます。

• 自動化されたクエリ実行
  AIエージェントがSELECTやDMLクエリを自動で実行でき、レポート作成、データ更新、自動ワークフローなどの用途に活用できます。

• スキーマ管理・進化
  DDLクエリを実行できるため、CI/CDパイプラインにおけるテーブル作成・変更・削除などのスキーマ進化に対応可能です。

• パフォーマンスチューニング
  analyze_tableやexplain_queryなどのツールにより、統計収集や実行計画の取得が簡単になり、ボトルネックの特定やクエリ最適化が容易です。

• AI駆動データ分析
  AIアシスタントとの連携で、コンテキストに応じたデータ分析やインサイトの自動生成を支援します。

セットアップ方法

Windsurf

1. 前提条件：
   Python 3.10+と必要なパッケージがインストールされていることを確認してください。
2. クローンまたはインストール：
   • クローン: git clone https://github.com/aliyun/alibabacloud-adbpg-mcp-server.git
   • またはpipでインストール: pip install adbpg_mcp_server
3. 設定ファイルの編集：
   Windsurf MCPクライアントの設定ファイルを開きます。
4. MCPサーバーの追加：
   以下のJSONを挿入します:

   "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. 保存＆再起動
   ファイルを保存し、Windsurfを再起動します。

Claude

1. 前提条件：
   Python 3.10+および依存パッケージをインストールしてください。
2. サーバーのインストール：
   pip install adbpg_mcp_server
3. 設定ファイルの編集：
   ClaudeのMCP設定を開きます。
4. MCPサーバーの追加：

   "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. 保存＆再起動
   設定を保存し、Claudeを再起動します。

Cursor

1. 前提条件：
   Python 3.10+と依存パッケージをインストールしてください。
2. クローンまたはインストール：
   クローンまたはpip install adbpg_mcp_serverを実行します。
3. 設定ファイルの編集：
   CursorのMCP設定ファイルを開きます。
4. MCPサーバーの追加：

   "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. 保存＆再起動
   保存してCursorを再起動します。

Cline

1. 前提条件：
   Python 3.10+と依存パッケージをインストールしてください。
2. クローンまたはインストール：
   上記と同様にGitまたはpipを使用します。
3. 設定ファイルの編集：
   MCP設定ファイルを開きます。
4. MCPサーバーの追加：

   "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. 保存＆再起動
   設定を保存し、Clineを再起動してください。

APIキーのセキュリティ確保

データベースの認証情報には環境変数を使用します。セキュリティ強化のため、機密情報はハードコーディングせず、必ず環境変数で管理しましょう：

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

FlowHuntフロー内でこのMCPを使う方法

FlowHuntでのMCP利用

MCPサーバーをFlowHuntのワークフローに統合するには、まずMCPコンポーネントをフローに追加し、AIエージェントと接続します：

MCPコンポーネントをクリックして設定パネルを開き、system MCP設定セクションで以下のJSON形式でMCPサーバー情報を入力します：

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

設定が完了すると、AIエージェントがこのMCPのすべての機能にアクセスできるようになります。“adbpg-mcp-server"はご自身のMCPサーバー名に、URL部分もご自身のMCPサーバーURLへ変更してください。

概要

公開ドキュメントに基づき、AnalyticDB PostgreSQL MCPサーバーはデータベース駆動のワークフロー統合に優れたリソース/ツールを持ちますが、プロンプトテンプレートやRoots/Samplingへの明示的な対応はありません。

MCPスコア

所感＆評価：
このMCPサーバーは、コアなデータベース統合機能について十分なドキュメントがあり、PostgreSQL向け開発者の基本ニーズをカバーしています。プロンプトテンプレートやRoots/Samplingといった高度なMCP機能が無い点は弱みですが、その明確な用途と分かりやすさでデータベース志向のワークフローに有用です。評価：7/10