AnalyticDB PostgreSQL MCP 服务器

“AnalyticDB PostgreSQL” MCP 服务器的作用是什么？

AnalyticDB PostgreSQL MCP 服务器作为 AI 助手与 AnalyticDB PostgreSQL 数据库之间的通用桥梁，支持 AI 智能体检索数据库元数据、执行 SQL 查询，并以编程方式管理数据库操作。通过标准化访问数据库功能，该 MCP 服务器可完成结构探索、查询执行、表统计收集和查询性能分析等任务。对于希望将 AI 工作流与企业级 PostgreSQL 分析型数据库集成的开发者和数据工程师来说，是不可或缺的工具。

提示词模板列表

在所提供的仓库或文档中未提及任何提示词模板。

资源列表

• adbpg:///schemas
  获取已连接 AnalyticDB PostgreSQL 数据库下的所有 schema。

• adbpg:///{schema}/tables
  列出指定 schema 下的所有数据表。

• adbpg:///{schema}/{table}/ddl
  获取指定表的 DDL（数据定义语言）语句。

• adbpg:///{schema}/{table}/statistics
  展示指定表的统计信息，有助于性能分析和优化。

工具列表

• execute_select_sql
  在 AnalyticDB PostgreSQL 服务器上执行 SELECT 查询，获取数据。

• execute_dml_sql
  执行 DML（如 INSERT、UPDATE、DELETE）操作。

• execute_ddl_sql
  执行 DDL（如 CREATE、ALTER、DROP）操作。

• analyze_table
  收集表的统计信息，优化数据库性能。

• explain_query
  提供 SQL 查询的执行计划，帮助理解与优化查询性能。

MCP 服务器应用场景

• 数据库探索与元数据检索
  开发者可便捷探索数据库结构、列出表、访问表定义，提高生产力与数据结构理解。

• 自动化查询执行
  AI 智能体可编程执行 SELECT 和 DML 查询，适用于报表生成、数据更新及自动化流程。

• 结构管理与演进
  服务器支持执行 DDL 查询，助力在 CI/CD 流水线中进行表创建、修改或删除等结构变更。

• 性能调优
  利用 analyze_table 和 explain_query 等工具，收集统计与执行计划，便于定位瓶颈，优化查询。

• AI 驱动数据分析
  与 AI 助手集成，支持上下文感知的数据分析，智能地探索数据并生成洞察。

配置方法

Windsurf

1. 前置条件：
   确保已安装 Python 3.10+ 及相关依赖包。
2. 克隆或安装：
   • 克隆：git clone https://github.com/aliyun/alibabacloud-adbpg-mcp-server.git
   • 或用 pip 安装：pip install adbpg_mcp_server
3. 编辑配置：
   打开 Windsurf MCP 客户端配置文件。
4. 添加 MCP 服务器：
   插入如下 JSON：

   "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. 保存并重启
   保存文件并重启 Windsurf。

Claude

1. 前置条件：
   安装 Python 3.10+ 及依赖。
2. 安装服务器：
   pip install adbpg_mcp_server
3. 编辑配置：
   打开 Claude 的 MCP 配置。
4. 添加 MCP 服务器：

   "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. 保存并重启
   保存配置并重启 Claude。

Cursor

1. 前置条件：
   确保安装 Python 3.10+ 及依赖。
2. 克隆或安装：
   克隆或运行 pip install adbpg_mcp_server。
3. 编辑配置：
   打开 Cursor 的 MCP 配置文件。
4. 添加 MCP 服务器：

   "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. 保存并重启
   保存并重启 Cursor。

Cline

1. 前置条件：
   Python 3.10+ 及相关依赖。
2. 克隆或安装：
   采用上文 Git 或 pip 方式均可。
3. 编辑配置：
   打开 MCP 配置文件。
4. 添加 MCP 服务器：

   "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. 保存并重启
   保存配置并重启 Cline。

API 密钥安全

数据库凭证通过环境变量管理。为增强安全性，请使用环境变量，不要将敏感信息硬编码：

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

在流程中如何使用 MCP

在 FlowHunt 中使用 MCP

要在 FlowHunt 工作流中集成 MCP 服务器，首先在流程中添加 MCP 组件，并将其连接至您的 AI 智能体：

点击 MCP 组件打开配置面板，在系统 MCP 配置区，按如下 JSON 格式填入您的 MCP 服务器信息：

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

配置完成后，AI 智能体即可作为工具访问 MCP 的全部功能。请将 “adbpg-mcp-server” 替换为实际服务器名称，并将 URL 替换为您自己的 MCP 服务器地址。

信息总览

根据已有文档，AnalyticDB PostgreSQL MCP 服务器为数据库驱动型工作流提供了良好的集成，工具和资源端点明确。但在提示词模板和 Roots/Sampling 明确支持方面有所欠缺。

MCP 评分

评价与打分：
该 MCP 服务器在核心数据库集成功能方面文档详实，覆盖了 PostgreSQL 开发者的主要需求。虽然缺少提示词模板和 Roots、Sampling 等高级 MCP 特性略有不足，但其专注与清晰度使其非常适用于数据库场景的工作流。评分：7/10