py-mcp-mssql MCP Sunucusu

“py-mcp-mssql” MCP Sunucusu ne yapar?

py-mcp-mssql MCP Sunucusu, Model Context Protocol’ün (MCP) Python tabanlı bir uygulamasıdır ve Yapay Zeka asistanları ile dil modellerine Microsoft SQL Server veritabanlarına sorunsuz erişim sağlar. Bu sunucu, MCP arayüzü üzerinden veritabanı işlemlerini açığa çıkararak Yapay Zeka istemcilerinin SQL tablo şemalarını incelemesine, sorgu çalıştırmasına ve verileri standart bir formatta almasına olanak tanır. Etkin ve güvenilir çalışma için asenkron Python yetenekleri, ortam tabanlı yapılandırma ve FastAPI entegrasyonu kullanır. Böylece veri analizi, rapor oluşturma ve akıllı veritabanı yönetimi gibi görevlerde geliştirme iş akışlarını kolaylaştırır; Yapay Zeka modellerinin kurumsal düzeyde SQL veritabanlarıyla güvenli ve programlı bir şekilde etkileşime geçmesini sağlar.

Komut Listesi

Depoda veya dokümantasyonda hiçbir prompt şablonu belirtilmemiştir.

Kaynak Listesi

• Veritabanı Tabloları Listesi
  Sunucu, bağlı MSSQL veritabanındaki tüm mevcut tabloları URI ile (örn. mssql://<tablo_adı>/data) kaynak olarak açığa çıkarır.

• Tablo Veri Kaynağı
  Herhangi bir tablodan veri okuma imkanı tanır; kaynak URI’siyle başvurulduğunda, ilk 100 satırı sütun başlıklarıyla birlikte CSV olarak döner.

• Tablo Açıklamaları
  Kaynaklar listelenirken, her kaynak için tablo açıklamaları ve MIME türleri de eklenir; bu da LLM etkileşimleri için bağlam sağlar.

Araç Listesi

• list_resources
  MSSQL veritabanındaki tüm mevcut tabloları listeler, kaynak meta verilerini döner.

• read_resource
  Belirtilen bir tablo URI’sinden veri okur, 100 satıra kadar CSV formatında döner.

• SQL Çalıştırma
  Bir uç nokta üzerinden SQL sorgularının çalıştırılmasını destekler, esnek veri işlemleri sağlar (detaylar referans verilmiş ancak kesin araç adı belirtilmemiştir).

Bu MCP Sunucusunun Kullanım Alanları

• Veritabanı Keşfi
  Yapay Zeka asistanları, bir MSSQL veritabanındaki tüm tabloları listeleyip açıklayabilir; bu da şema keşfi ve veri bilimi ya da göç görevleri için bağlam oluşturmayı destekler.

• Veri Analizi ve Görselleştirme
  Yapay Zeka modelleri SQL Server’dan doğrudan tablosal veri çekebilir; analiz, görselleştirme veya rapor oluşturma için kullanılabilir ve iş analitiği iş akışlarını kolaylaştırır.

• Otomatik Rapor Oluşturma
  SQL çalıştırma ve veri alma sayesinde, geliştiriciler Yapay Zeka ile veri odaklı rapor veya gösterge tablolarının otomatik oluşturulmasını sağlayabilir.

• Kod Tabanı/Veri Entegrasyonu
  MCP protokolü sayesinde MSSQL verisinin kod tabanlarına veya diğer uygulamalara kolay entegrasyonunu sağlar; ETL ve otomasyon hatlarını destekler.

• API Tabanlı Veritabanı Erişimi
  Kurumsal SQL verisine güvenli ve standart bir API ile erişim sunar; böylece çeşitli Yapay Zeka tabanlı araçlar ve iş akışları için erişilebilir hale gelir.

Kurulum Nasıl Yapılır

Windsurf

1. Node.js ve Python 3.x’in kurulu olduğundan emin olun.
2. py-mcp-mssql ve gerekli bağımlılıkları yükleyin.
3. Windsurf yapılandırma dosyanızı bulun (örn. settings.json).
4. Aşağıdaki JSON parçasını kullanarak MCP sunucusunu ekleyin:

   "mcpServers": {
     "mssql-mcp": {
       "command": "python",
       "args": ["-m", "mssql.server"]
     }
   }
   

5. Yapılandırmayı kaydedin ve Windsurf’u yeniden başlatın.
6. Mevcut sunucuları listeleyerek bağlantıyı doğrulayın.

API Anahtarlarını Güvenli Hale Getirme

MSSQL kimlik bilgilerinizi bir .env dosyasında saklayın:

MSSQL_SERVER=your_server
MSSQL_DATABASE=your_database
MSSQL_USER=your_username
MSSQL_PASSWORD=your_password
MSSQL_DRIVER={ODBC Driver 17 for SQL Server}

Env ile örnek yapılandırma:

"env": {
  "MSSQL_SERVER": "your_server",
  "MSSQL_DATABASE": "your_db",
  "MSSQL_USER": "your_user",
  "MSSQL_PASSWORD": "your_password",
  "MSSQL_DRIVER": "{ODBC Driver 17 for SQL Server}"
}

Claude

1. Python 3.x ve gerekli paketlerin kurulu olduğundan emin olun.
2. Claude entegrasyon dosyasını düzenleyin.
3. MCP sunucu yapılandırmasını ekleyin:

   "mcpServers": {
     "mssql-mcp": {
       "command": "python",
       "args": ["-m", "mssql.server"]
     }
   }
   

4. Kaydedin ve Claude’u yeniden başlatın.
5. MCP sunucusunun mevcut olduğunu doğrulayın.

Cursor

1. Python 3.x ve tüm bağımlılıkları pip install -r requirements.txt ile yükleyin.
2. Cursor’ın yapılandırma dosyasını açın.
3. MCP sunucusunu ekleyin:

   "mcpServers": {
     "mssql-mcp": {
       "command": "python",
       "args": ["-m", "mssql.server"]
     }
   }
   

4. Kaydedin ve Cursor’u yeniden başlatın.
5. MSSQL kaynaklarına erişimi test edin.

Cline

1. py-mcp-mssql deposunu klonlayın ve yükleyin.
2. Cline yapılandırma dosyanızı güncelleyin.
3. MCP sunucusunu kaydedin:

   "mcpServers": {
     "mssql-mcp": {
       "command": "python",
       "args": ["-m", "mssql.server"]
     }
   }
   

4. Değişiklikleri kaydedin ve Cline’ı yeniden başlatın.
5. Kurulumu doğrulamak için kaynakları listeleyin.

Bu MCP’yi akışlarda nasıl kullanabilirim

FlowHunt’ta MCP Kullanımı

MCP sunucularını FlowHunt iş akışınıza entegre etmek için, önce MCP bileşenini akışınıza ekleyin ve Yapay Zeka ajanınıza bağlayın:

MCP bileşenine tıklayarak yapılandırma panelini açın. Sistem MCP yapılandırması bölümünde, MCP sunucu detaylarınızı şu JSON formatında girin:

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

Yapılandırma tamamlandıktan sonra, Yapay Zeka ajanı bu MCP’yi bir araç olarak kullanabilir ve tüm işlevlerine erişebilir. “mssql-mcp” adını kendi sunucunuzun adıyla ve URL’yi kendi MCP sunucu URL’nizle değiştirmeyi unutmayın.

Genel Bakış

Mevcut bilgiler ışığında, py-mcp-mssql fonksiyonel bir MCP sunucusudur; açık dokümantasyonu, standart kaynak ve araç sunumu ile iyi kurulum yönergelerine sahiptir, ancak prompt şablonları ve açık örnekleme/Roots desteği yoktur. Genel olarak, veritabanı kullanım senaryoları için sağlam bir sunum sunar fakat ileri düzey MCP özellikleri eksik olabilir.

MCP Skoru