AnalyticDB PostgreSQL MCPサーバー

FlowHuntのMCP統合により、AI駆動ワークフローをAnalyticDB PostgreSQLと接続し、シームレスなスキーマ探索、自動SQL実行、パフォーマンス分析を実現します。

AI Database MCP Server PostgreSQL
はじめる デモを申し込む

FlowHuntでMCPサーバーをホスティングするために私たちにお問い合わせください

support@flowhunt.io

aliases = ["/mcp-servers/alibaba-cloud-analyticdb-for-postgresql/", “/integrations/alibaba-cloud-analyticdb-for-postgresql/”]

「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。

FlowHuntロゴ

ビジネスを成長させる準備はできましたか？

今日から無料トライアルを開始し、数日で結果を確認しましょう。

デモをリクエスト ログイン

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：

FlowHunt MCPフロー

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

セクション対応状況詳細・備考
概要✅
プロンプト一覧⛔プロンプトテンプレート無し
リソース一覧✅スキーマ、テーブル、DDL、テーブル統計
ツール一覧✅5種：select, dml, ddl, analyze, explain
APIキーのセキュリティ✅環境変数パターンが記載
Roots対応⛔未記載
Sampling対応（評価上重要度低）⛔未記載

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

ライセンス有無✅ (Apache-2.0)
ツールが1つ以上ある✅
Fork数0
Star数4

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

よくある質問

AnalyticDB PostgreSQLをFlowHuntと統合

堅牢でエンタープライズ対応のPostgreSQL分析機能をAIエージェントに提供。FlowHuntでAnalyticDB PostgreSQL MCPサーバーをセットアップし、シームレスなデータベース自動化とインサイトを実現しましょう。

はじめる デモを申し込む