用于本地LLM集成的MSSQL MCP服务器
概述
此MCP（模型上下文协议）服务器实现了本地LLM（Qwen2.57B，通过Ollama）和Microsoft SQL server数据库之间的无缝集成。该服务器为您的本地AI模型提供安全、只读的数据库访问，使其能够通过自然语言交互查询和分析您的SQL数据。
先决条件
所需软件
- Go语言 （必须先安装）
- 奥拉玛 -本地LLM运行时环境
- Python 3.10+ -MCP服务器的运行时环境
- Microsoft SQL Server -目标数据库系统
- SQL Server的ODBC驱动程序18 -数据库连接
分步安装指南
第一步：安装Go语言
在继续之前，此步骤是强制性的！
- 下载Go 来自官方网站：
https://go.dev/doc/install- 安装Go 对于您的操作系统：
- macOS：下载.pkg安装程序并按照安装向导进行操作 - 视窗：使用.msi安装程序 - Linux：使用tar.gz包或包管理器
- 验证安装:
go version如果安装正确，您应该会看到Go版本号。
步骤2：安装mcphost
安装Go后，运行：
go install github.com/mark3labs/mcphost@latest这将安装mcphost实用程序，这对于在Ollama上运行MCP服务器至关重要。
步骤3：设置Python环境
- 创建虚拟环境:
python -m venv loca- 激活虚拟环境:
- macOS/Linux:
source loca/bin/activate- 视窗:
loca\Scripts\activate- 安装Python依赖项:
pip install pyodbc python-dotenv mcp步骤4：配置环境变量
创建一个 .env 项目目录中的文件，其中包含：
MSSQL_SERVER=your_server_name
MSSQL_USERNAME=your_username
MSSQL_PASSWORD=your_password
MSSQL_DRIVER=ODBC Driver 18 for SQL Server步骤5：下载Olama和正确的模型
- 安装Ollama 从 奥拉玛
- 拉正确的模型 （工具启用版本）：
ollama pull qwen2.5:7b关键：工具集成的模型选择
⚠️ 重要：在选择Olama车型时 必须 选择一个支持工具/函数调用功能的模型。并非所有型号都内置了此功能。
MCP集成的推荐模型：
- qwen2.5:7b （确认工作）
- 美洲驼3.1:8b （工具启用版本）
- phi3：中等 （函数调用支持）
- 吉玛书2:2b （工具已启用）
为什么这很重要：MCP服务器依赖于LLM理解和调用特定工具/功能的能力。没有工具集成功能的模型将无法利用此MCP服务器提供的数据库查询功能。
运行MCP服务器
步骤1：启动MCP服务器
在VS代码终端（或您首选的IDE）中：
- 激活您的虚拟环境 （如果尚未激活）：
source loca/bin/activate # macOS/Linux
# or
loca\Scripts\activate # Windows- 运行MSSQL服务器脚本:
python mssql.py您应该看到： "Starting MCP server main loop..." 表示服务器正在运行。
第二步：与mcphost建立联系
在单独的终端窗口（macOS/Linux/Windows）中：
重要：根据您的系统架构调整路径：
- 适用于macOS（ARM64） -按原样使用：
mcphost -m ollama:qwen2.5 --config "/Users/ameermortaza/Desktop/Ollama/loca.json"- 对于Windows -相应地调整路径：
mcphost -m ollama:qwen2.5 --config "C:\path\to\your\loca.json"- 对于Linux -相应地调整路径：
mcphost -m ollama:qwen2.5 --config "/home/username/path/to/loca.json"关键配置说明
更新 loca.json 文件 对于您的特定系统：
{
"mcpServers": {
"mssql": {
"command": "python",
"args": ["/ABSOLUTE/PATH/TO/YOUR/mssql.py"],
"env": {
"VIRTUAL_ENV": "/ABSOLUTE/PATH/TO/YOUR/loca",
"PATH": "/ABSOLUTE/PATH/TO/YOUR/loca/bin:...rest of your PATH..."
}
}
}
}用实际的系统路径替换路径！
可用工具
MCP服务器提供了四种主要工具来增强您的本地LLM：
1. list_databases
- 目的：发现SQL Server上的所有可用数据库
- 用法：“显示可用的数据库”
- 输出：不包括系统数据库的用户数据库列表
2. list_tables
- 目的：探索特定数据库中的表
- 参数:
database（必填） - 用法：“‘Sales’数据库中有哪些表？”
- 输出：带有计数的架构和表名
3. list_columns
- 目的：检查表结构和元数据
- 参数:
database,table（两者都需要） - 用法：“显示'客户'表中的列”
- 输出：列名、数据类型、可空性和默认值
4. run_query
- 目的：执行安全的只读SQL查询
- 参数:
database,sql（两者都需要） - 安全：验证查询以阻止写入操作（INSERT、UPDATE、DELETE等）
- 用法：“按购买金额获得前10名客户”
- 输出：带列标题和数据的格式化查询结果
安全特性
- 只读访问：所有写入操作都被明确阻止
- 查询验证：正则表达式验证可防止危险的SQL命令
- 环境变量：存储在代码外部的敏感凭据
- 错误处理：全面的日志记录和错误管理
常见问题排查
问题1：“未找到命令：mcphost”
解决方案：确保Go已正确安装，并且您的GOPATH位于您的PATH中：
export PATH=$PATH:$(go env GOPATH)/bin问题2:Python模块错误
解决方案：确保您的虚拟环境已激活并安装了依赖项：
source loca/bin/activate
pip install -r requirements.txt # or reinstall dependencies问题3:Windows/Linux上的路径错误
解决方案：更新中的所有路径 loca.json 为了与您的系统架构相匹配：
- 窗户：
C:\Users\YourName\Desktop\Ollama\mssql.py - Linux：
/home/yourname/Desktop/Ollama/mssql.py
问题4：模型无法识别工具
解决方案：确保您使用的是启用工具的模型，如 qwen2.5:7b
人工智能中MCP的未来
当前影响：
- 民主化：使本地LLM能够安全地访问企业数据
- 隐私：数据永远不会离开您的基础设施
- 降低成本：消除了基于云的人工智能服务的API成本
- 定制：与现有系统的定制集成
未来潜力：
- 企业采用MCP将成为人工智能集成的标准
- 多模态扩展：从数据库到文件系统、API和物联网
- 标准化：全行业人工智能工具调用协议
- 专用服务器：医疗保健、金融等领域的特定MCP。
- 联邦学习：MCP实现了无需数据共享的协作人工智能
需要帮助？
如果您在设置或操作过程中遇到任何问题，请随时联系我们寻求帮助：
联系:
结论
这个MSSQL MCP服务器将您的本地Qwen2.5 LLM从通用聊天机器人转换为强大的数据分析工具。通过仔细遵循这些步骤并确保为您的特定操作系统进行正确配置，您将创建一个能够真正理解并与您的组织数据交互的AI助手。
记住关键步骤：
- 先安装Go
- 通过Go安装mcphost
- 设置Python虚拟环境
- 在一个终端中运行mssql.py
- 在另一个终端中连接mcphost
- 为您的特定操作系统调整路径
MCP协议代表了人工智能集成的未来——安全、可定制和企业就绪。
如果你想使用Linux AMD-64架构在虚拟机上部署它 太好了！🙌 既然你的VM中已经有了整个管道，让我为你起草一份全面的、循序渐进的文档，解释你所做的一切——从设置Python到创建虚拟环境、安装依赖项、配置Ollama+MCP，以及运行查询。
⸻
📝 在Ubuntu虚拟机上使用Ollama+MSSQL设置MCP
本文档解释了如何在Ubuntu 20.04 VM中设置本地开发环境，以运行连接到SQL server的Python MCP服务器（mssql.py），并使用MCPHost将其与Ollama模型（如Qwen2.5或Llama3.1）集成。
⸻
- 安装Python 3.10.18和虚拟环境
Ubuntu 20.04附带了Python 3.8，对于现代库来说太旧了。您从源代码构建了Python 3.10.18，然后为您的项目创建了一个专用的虚拟环境。
验证Python版本
python3--版本 python3.10--版本
在桌面中创建一个名为“loca”的venv
cd~/桌面 python3.10-m虚拟局域网
激活venv
来源~/桌面/loca/bin/activate
激活后，您的提示显示（loca）。
⸻
- 安装所需的Python库
在虚拟环境中，安装mssql.py所需的所有库：
pip安装mcp-pyodbc-python-dotenv
mcp中已经包含了其他依赖项： •starlette、uvicorn、httpx等。
检查已安装的软件包：
pip列表
⸻
- 安装SQL Server ODBC驱动程序
由于Python脚本使用pyodbc，您需要微软的ODBC驱动程序：
更新源 sudo apt-get安装-y msodbcsql18 unixodbc开发
这确保pyodbc可以从Linux连接到SQL Server。
⸻
- 为数据库凭据创建.env文件
您的脚本从.env加载数据库凭据。在~/Desktop/.env中创建它：
MSSQL_SERVER=192.168.1.16 MSSQL_DATABASE=SkyUpAuth MSSQL_USERNAME=admin MSSQL_PASSWORD=Prosoft@bel21 MSSQL_DRIVER=SQL Server的ODBC驱动程序18
⸻
- 创建mssql.py
此文件使用MCP.server实现MSSQL的MCP服务器。您将其放置在：
/主页/devops/桌面/mssql.py
它 •Loads.env •使用pyodbc连接到SQL Server •定义MCP工具： •列表_数据库 •列表表 •列表_列 •run_query
手动运行它进行测试：
（loca）python mssql.py
您应该看到以下日志：
加载环境变量并初始化MCP服务器。.. 正在启动MCP服务器主循环。..
⸻
- 安装Olama和模型
您从官方脚本安装了Ollama：
curl-fsSLhttps://ollama.com/install.sh|sh
然后拉取模型：
奥拉玛拉qwen2.5:7b Ollama Pull Callama 3.1:8b
检查已安装的型号：
奥拉玛列表
⸻
- 安装Go和MCPHost
MCPHost是用Go编写的。要安装：
下载Go
wgethttps://go.dev/dl/go1.25.1.linux-amd64.tar.gz sudo rm-rf/usr/local/go sudo tar-C/usr/local-xzf go1.25.1.linux-amd64.tar.gz
添加到PATH
echo'导出路径=$PATH:/usr/local/go/bin:$HOME/go/bin'>~/.bashrc 源码~/.bashrc
验证
go版本
安装mcphost：
去安装github。com/mark3labs/mcphost@latest
检查：
哪种mcphost mcphost-版本
⸻
- 创建loca.json配置
此命令将告诉MCPHost如何启动MSSQL MCP服务器：
{ “mcpServers”：{ “mssql”：{ “command”：“python”， “args”：\[“/home/develops/Desktop/mssql.py”\]， “env”：{ “VIRTUAL_ENV”：“/home/deops/桌面/loca”， “路径”：“/home/devops/Destop/loca/bin:/usr/local/sbin:/usr/sbin:usr/bin:/bin:usr/local/go/bin:/home/depops/go/bin” } } } }
⸻
- 使用Ollama+MSSQL运行MCPHost
现在，您可以启动整个系统：
mcphost-m ollama:qwen2.5--配置“/home/develops/Desktop/loca.json”
您将看到：
加载型号：olama（qwen2.5） 从MCP服务器加载了4个工具
您现在可以与Qwen2.5聊天，它可以访问MSSQL.py中定义的MSSQL工具。
⸻
🔹 工作流程概述 1.Python 3.10.18 venv（loca）→ 运行mssql.py MCP服务器。 2..env文件→ 存储MSSQL连接凭据。 3.pyodbc+ODBC驱动程序→ 让Python与SQL Server对话。 4.奥利玛→ 运行本地LLM（Qwen2.5，Llama3.1）。 5.Go+MCPHost→ 将LLM与MCP服务器连接起来。 6.loca.json→ 告诉MCPHost如何启动MCP服务器。 7.运行mcphost→ 连接LLM+MCP服务器+数据库。
⸻
⚡ 此时，您有一个完全正常工作的管道： 当地法学硕士（Qwen/Llama）↔ MCP主机↔ MSSQL通过Python服务器
⸻
如有任何疑问，请通过我的网站Mortaza76/github.io与我联系。 确保您有一个.env文件，其中包含您登录MSSQL数据库服务器的所有凭据。 我注意到，由于所使用的库和下载的模块的支持，python 3.10+最适合这个项目。