AnalyticDB PostgreSQL MCP 서버

“AnalyticDB PostgreSQL” MCP 서버는 무엇을 하나요?

AnalyticDB PostgreSQL MCP 서버는 AI 어시스턴트와 AnalyticDB PostgreSQL 데이터베이스 간의 범용 인터페이스 역할을 합니다. 이 서버를 통해 AI 에이전트는 AnalyticDB PostgreSQL과 원활하게 통신하며, 데이터베이스 메타데이터 조회 및 다양한 SQL 작업을 실행할 수 있습니다. 데이터베이스 기능을 Model Context Protocol(MCP)로 노출함으로써, AI 모델이 SELECT, DML, DDL SQL 쿼리 실행, 테이블 통계 분석, 스키마 또는 테이블 정보 조회 등의 작업을 수행할 수 있습니다. 이를 통해 데이터베이스 쿼리, 스키마 탐색, 성능 분석 등을 AI 환경 내에서 자동화하고 최적화할 수 있습니다.

프롬프트 목록

저장소 또는 문서에 프롬프트 템플릿이 언급되어 있지 않습니다.

리소스 목록

• adbpg:///schemas: 연결된 AnalyticDB PostgreSQL 데이터베이스에 존재하는 모든 스키마를 조회합니다.
• adbpg:///{schema}/tables: 지정된 스키마 내 모든 테이블을 나열합니다.
• adbpg:///{schema}/{table}/ddl: 특정 테이블의 DDL(Data Definition Language) 문을 가져옵니다.
• adbpg:///{schema}/{table}/statistics: 지정 테이블에 대한 상세 통계 정보를 표시합니다.

도구 목록

• execute_select_sql: AnalyticDB PostgreSQL 서버에서 SELECT SQL 쿼리를 실행하여 데이터 조회를 지원합니다.
• execute_dml_sql: DML(INSERT, UPDATE, DELETE) SQL 쿼리를 실행하여 데이터베이스 레코드를 수정합니다.
• execute_ddl_sql: DDL(CREATE, ALTER, DROP) SQL 쿼리를 실행하여 데이터베이스 스키마를 관리합니다.
• analyze_table: 테이블 통계를 수집 및 갱신하여 쿼리 최적화를 돕습니다.
• explain_query: SQL 쿼리에 대한 실행 계획을 받아 성능 진단에 활용합니다.

이 MCP 서버의 활용 사례

• AI 기반 데이터베이스 쿼리: AI 에이전트가 SELECT 또는 DML SQL 명령을 실행하여 자연어 인터페이스로 직접 데이터 조회·수정이 가능합니다.
• 스키마 및 메타데이터 탐색: AI 모델이 스키마, 테이블, DDL을 조회·나열하여 데이터베이스 구조를 효율적으로 탐색할 수 있습니다.
• 자동 테이블 분석: analyze_table 도구를 사용해 통계를 수집·갱신하여 쿼리 최적화 및 성능을 향상합니다.
• 쿼리 최적화 가이드: explain_query 도구를 활용해 개발자 또는 AI 에이전트가 SQL 쿼리의 실행 계획을 이해하고 최적화할 수 있습니다.
• 데이터 워크플로우 통합: 데이터베이스 작업을 AI 또는 오케스트레이션 도구가 관리하는 자동화된 워크플로우에 자연스럽게 통합합니다.

설치 방법

Windsurf

1. Python 3.10+이 설치되어 있는지 확인합니다.
2. 저장소를 다운로드하거나 클론합니다:
   git clone https://github.com/aliyun/alibabacloud-adbpg-mcp-server.git
3. Windsurf 설정 파일에 MCP 서버를 다음과 같이 추가합니다:

"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"
    }
  }
}

4. 설정을 저장하고 Windsurf를 재시작하세요.
5. 서버가 MCP 요청에 응답하는지 확인합니다.

Claude

1. Python 3.10+과 필요한 패키지를 설치합니다.
2. pip으로 설치:
   pip install adbpg_mcp_server
3. Claude 설정에 서버를 아래와 같이 추가합니다:

"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"
    }
  }
}

4. 설정 저장 후 Claude를 재시작하세요.
5. MCP 서버가 정상 동작하는지 확인합니다.

Cursor

1. Python 3.10+과 의존성을 준비합니다.
2. 위에서 안내한 대로 클론 또는 pip 설치를 선택합니다.
3. Cursor 설정 파일에 다음을 포함하세요:

"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"
    }
  }
}

4. 저장 후 Cursor를 재시작하고, MCP 서버가 정상 작동하는지 확인하세요.

Cline

1. Python 3.10+이 준비되어 있고 의존성도 설치합니다.
2. 패키지를 클론하거나 pip으로 설치합니다.
3. Cline 설정을 아래와 같이 업데이트하세요:

"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"
    }
  }
}

4. 변경 내용을 저장하고 Cline을 재시작합니다.
5. 서버 접속이 정상인지 확인하세요.

API 키 보안

데이터베이스 비밀번호 등 민감한 값은 반드시 환경 변수로 저장하고, 일반 텍스트 설정 파일에는 입력하지 마세요. 예시:

"env": {
  "ADBPG_PASSWORD": "${ADBPG_PASSWORD_ENV}"
}

시스템 환경 변수도 적절히 설정하여 안전하게 통합하세요.

FlowHunt 내에서 MCP 사용법

FlowHunt에서 MCP 통합

워크플로우에 MCP 서버를 연동하려면, MCP 컴포넌트를 플로우에 추가하고 AI 에이전트와 연결하세요.

MCP 컴포넌트를 클릭하면 설정 패널이 열립니다. 시스템 MCP 설정 영역에 다음과 같은 JSON 형식으로 MCP 서버 정보를 입력하세요:

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

설정이 완료되면, AI 에이전트가 MCP의 모든 기능을 도구로 사용할 수 있습니다. “adbpg-mcp-server"는 실제 사용하는 MCP 서버 이름으로, URL도 본인의 MCP 서버 주소로 변경하세요.

요약

이 MCP 서버는 설치, 리소스, 도구에 대한 문서가 충실하지만, 프롬프트 템플릿이나 Roots, 샘플링 등 고급 기능은 언급하지 않았습니다. 데이터베이스 중심 워크플로우에 집중되어 있습니다.

MCP 점수

평가:
이 MCP 서버는 7/10 점수를 줄 수 있습니다. 기본 통합과 데이터베이스 활용에 대해 문서화가 잘 되어 있으나, 프롬프트 템플릿, 고급 MCP 기능, 커뮤니티 채택(스타/포크)이 부족해 점수가 낮아졌습니다. 데이터베이스 중심의 AI 워크플로우에는 훌륭한 출발점입니다.