Nlp Database MCP

🗄️ NLP数据库MCP服务器

使用模型上下文协议（MCP）安全直观地将LLM连接到SQL数据库。 NLP数据库 充当一个安全的只读桥梁，允许AI代理使用自然语言探索模式和查询数据。

______________________________________________________________________

🚀 主要特点

• 只读安全：严格的正则表达式验证仅确保 SELECT 和 WITH 语句被执行。
• 智能护栏：自动 LIMIT 500 在所有查询上，以防止系统膨胀。
• 通用兼容性：原生支持PostgreSQL、MySQL、SQL Server和SQLite。
• 代理优化：旨在提供描述性错误，帮助LLM自我纠正。
• 演出：5分钟模式缓存，以减少数据库开销。

______________________________________________________________________

用法示例

一旦服务器连接到您的LLM（Claude、Gemini等），代理就可以访问两个主要工具： get_schema 和 execute_query.

典型工作流程

1. 探索：用户会问这样的问题： *“上个月有多少用户注册？”*
2. 架构检查：LLM会自动调用 get_schema 了解表名和列。
3. 查询执行：LLM生成SQL查询并调用 execute_query.
4. 自然反应LLM接收数据并将其翻译成简单的英语或西班牙语。

交互示例

用户：

“按总销售收入列出前三名产品。”

LLM（内部思维过程）：

1. 呼叫 get_schema 查找相关表（查找 products 和 orders).
2. 生成SQL： SELECT p.name, SUM(o.amount) FROM products p JOIN orders o ON p.id = o.product_id GROUP BY p.name ORDER BY 2 DESC LIMIT 3.
3. 呼叫 execute_query 使用生成的SQL。

LLM回复：

“收入排名前三的产品是： 1. 企业订阅 ($50,200) 1. 专业许可证 ($32,150) 1. 基础方案 ($12,400)"

______________________________________________________________________

可用工具

______________________________________________________________________

🛠️ 1.安装和驱动程序

步骤1：克隆存储库

git clone https://github.com/your-repo/nlp-database.git
cd nlp-database

步骤2：安装依赖项

您可以直接安装依赖项或使用虚拟环境（建议隔离）。

选项A：使用虚拟环境（推荐）

python -m venv venv
source venv/bin/activate  # On Windows: venv\Scripts\activate
pip install -r requirements.txt

选项B：直接安装

pip install -r requirements.txt

步骤3：安装数据库驱动程序

仅安装特定数据库所需的驱动程序：

• PostgreSQL: pip install psycopg2-binary
• MySQL: pip install pymysql
• SQL Server: pip install pyodbc
• SQLite：已包含在Python标准库中。

______________________________________________________________________

🔗 2.连接字符串(DATABASE_URL)

______________________________________________________________________

⚙️ 3.客户端配置

A.克劳德代码（CLI）

claude mcp add nlp-database -- python C:/path/to/nlp_database.py --env DATABASE_URL="your_connection_string"

B.Gemini CLI

将此添加到您的 ~/.gemini/settings.json:

{
  "mcpServers": {
    "nlp-database": {
      "command": "python",
      "args": ["C:/path/to/nlp_database.py"],
      "env": {
        "DATABASE_URL": "postgresql://user:pass@localhost/db"
      }
    }
  }
}

C.谷歌反重力

找到您的 mcp_config.json （通常在 ~/.gemini/antigravity/):

{
  "mcpServers": {
    "nlp-database": {
      "command": "python",
      "args": ["C:/path/to/nlp_database.py"],
      "env": {
        "DATABASE_URL": "mssql+pyodbc://user:pass@server/db?driver=ODBC+Driver+17+for+SQL+Server"
      }
    }
  }
}

D.开放式代码

编辑 %USERPROFILE%\.opencode\opencode.jsonc:

{
  "mcp": {
    "nlp-database": {
      "type": "local",
      "command": "python",
      "args": ["C:/path/to/nlp_database.py"],
      "enabled": true,
      "environment": {
        "DATABASE_URL": "mysql+pymysql://user:pass@localhost/db"
      }
    }
  }
}

E.克劳德桌面

添加到您的 claude_desktop_config.json:

{
  "mcpServers": {
    "nlp-database": {
      "command": "python",
      "args": ["C:/path/to/nlp_database.py"],
      "env": {
        "DATABASE_URL": "sqlite:///C:/data/prod.db"
      }
    }
  }
}

______________________________________________________________________

这是一个旨在强调隐私和易于使用的本地模型的部分。您可以将其插入到 安全.

______________________________________________________________________

使用本地模型运行（100%私有）

为了最大限度地保护隐私，您可以配对 NLP数据库 拥有当地法学硕士学位。这确保了您的数据库模式和查询结果 永远不要离开你的机器.

使用Ollama+Claude桌面/OpenCode

1. 安装Ollama：从下载 ollama.com.
2. 拉一个模型：SQL生成的推荐模型有 llama3.1, codellama，或 qwen2.5-coder.

ollama run llama3.1

1. 配置您的客户端：将MCP客户端指向本地Python脚本，如 客户端配置 部分。
2. 选择本地模型：在您的客户端（如OpenCode或本地就绪编辑器）中，选择您的Ollama端点（通常 http://localhost:11434)作为提供者。

为什么要去当地？

______________________________________________________________________

🔒 安全性：专用只读用户

始终使用受限制的数据库用户。以下是如何创建一个：

PostgreSQL示例：

CREATE USER nlp_readonly WITH PASSWORD 'secure_password';
GRANT CONNECT ON DATABASE my_db TO nlp_readonly;
GRANT USAGE ON SCHEMA public TO nlp_readonly;
GRANT SELECT ON ALL TABLES IN SCHEMA public TO nlp_readonly;

______________________________________________________________________

📝 配置选项

______________________________________________________________________

🤝 贡献

这是一个开源项目，我希望你能帮助它变得更好！无论你是Python专家、数据工程师，还是刚开始学习MCP，我们都欢迎你的贡献。

如何提供帮助：

• 通过以下方式报告错误或建议功能 问题.
• 改进文档。
• 添加对更多数据库引擎的支持。
• 提交 拉取请求 随着你的进步。