pgmcp

GitHub
527 61 简单 1 次阅读 2天前NOASSERTIONAgent数据工具图像开发框架
AI 解读 由 AI 自动生成,仅供参考

pgmcp 是一款基于模型上下文协议(MCP)的开源服务器,旨在让 AI 助手能够直接用自然语言查询任意 PostgreSQL 数据库。用户只需像日常对话一样提问,例如“哪位客户下单最多?”,pgmcp 即可自动将其转化为安全的 SQL 查询并返回结构化结果,无需编写任何代码。

它主要解决了非技术人员访问数据库门槛高、以及开发者在集成 AI 与数据库时需重复构建安全层的问题。通过 pgmcp,业务人员、数据分析师或产品经理可以直接与数据库对话获取洞察,而开发者则能快速为 Cursor、Claude Desktop 或 VS Code 等工具添加数据库交互能力,大幅降低集成成本。

该工具特别适合希望利用 AI 提升数据查询效率的开发团队、需要灵活获取数据的研究人员,以及不熟悉 SQL 但需频繁查阅数据的业务用户。其核心技术亮点包括:严格的只读访问机制确保数据绝对安全;支持自动流式传输以处理海量数据;内置智能错误恢复与大小写敏感表名支持;兼容各类现有数据库架构,无需修改表结构即可立即使用。此外,它还支持多种输出格式及全文搜索功能,是连接人工智能与企业数据资产的轻量级桥梁。

使用场景

某电商公司的数据分析师需要在晨会前快速从庞大的 PostgreSQL 订单库中提取特定用户行为数据,以支持临时决策。

没有 pgmcp 时

  • 分析师必须手动编写复杂的 SQL 语句,反复查阅文档确认表结构和字段名,耗时且容易出错。
  • 遇到不熟悉的业务逻辑(如“复购率最高的地区”),需先向开发人员请教 schema 关系,沟通成本高。
  • 查询结果若数据量过大,容易导致客户端卡顿或超时,需要人工添加分页逻辑重新执行。
  • 无法直接在 Cursor 或 Claude Desktop 等 AI 编程助手环境中获取实时数据,必须切换工具打断工作流。

使用 pgmcp 后

  • 分析师直接在 AI 助手对话框输入自然语言“找出上个月复购率最高的三个地区”,pgmcp 自动解析并生成精准 SQL。
  • pgmcp 内置智能 Schema 缓存,能理解“客户”与"users"表的关联,无需人工干预即可处理复杂连接查询。
  • 面对海量数据,pgmcp 自动启用流式传输和分页机制,瞬间返回结构化表格,彻底告别超时等待。
  • 在 Cursor 或 VS Code 中即可无缝调用数据库,数据结果直接嵌入代码上下文,实现“提问即分析”的流畅体验。

pgmcp 将原本繁琐的“查文档 - 写 SQL - 调错”流程简化为自然的对话交互,让非技术人员也能安全、高效地直接挖掘数据库价值。

运行环境要求

操作系统
  • Linux
  • macOS
  • Windows
GPU

不需要 GPU

内存

未说明

依赖
notes该工具是基于 Go 语言编写的二进制程序,无需 Python 环境或 GPU。核心依赖是现有的 PostgreSQL 数据库。若需使用自然语言转 SQL 功能,需配置 OpenAI API Key(默认模型 gpt-4o-mini),也可选择不开启此功能。支持通过 Docker 或直接下载预编译二进制文件运行。
python不适用 (基于 Go 语言)
PostgreSQL 数据库
Go (用于从源码构建)
OpenAI API Key (可选,用于 AI 生成 SQL)
pgmcp hero image

快速开始

ci Go Report Card License

PGMCP - PostgreSQL 模型上下文协议服务器

PGMCP 通过自然语言查询将 AI 助手连接到 任何 PostgreSQL 数据库。用简单的英语提问,即可获得结构化的 SQL 查询结果,并支持自动流式传输和强大的错误处理机制。

兼容平台:Cursor、Claude Desktop、VS Code 扩展以及任何 MCP 兼容客户端

快速入门

PGMCP 可以连接到 您现有的 PostgreSQL 数据库,并通过自然语言查询使其对 AI 助手开放。

前提条件

  • PostgreSQL 数据库(包含您模式的现有数据库)
  • OpenAI API 密钥(可选,用于 AI 驱动的 SQL 生成)

基本使用方法

# 设置环境变量
export DATABASE_URL="postgres://user:password@localhost:5432/your-existing-db"
export OPENAI_API_KEY="your-api-key"  # 可选

# 运行服务器(使用预编译的二进制文件)
./pgmcp-server

# 在另一个终端中使用客户端进行测试
./pgmcp-client -ask "What tables do I have?" -format table
./pgmcp-client -ask "Who is the customer that has placed the most orders?" -format table
./pgmcp-client -search "john" -format table

其工作流程如下:

👤 用户 / AI 助手
         │
         │ “谁是顶级客户?”
         ▼
┌─────────────────────────────────────────────────────────────┐
│                    任意 MCP 客户端                           │
│                                                             │
│  PGMCP CLI  │  Cursor  │  Claude Desktop  │  VS Code  │ ... │
│  JSON/CSV   │  聊天    │  AI 助手        │  编辑器   │     │
└─────────────────────────────────────────────────────────────┘
         │
         │ 流式 HTTP / MCP 协议
         ▼
┌─────────────────────────────────────────────────────────────┐
│                    PGMCP 服务器                             │
│                                                             │
│  🔒 安全    🧠 AI 引擎      🌊 流式传输               │
│  • 输入验证  • 模式缓存    • 自动分页         │
│  • 审计日志  • OpenAI API  • 内存管理       │
│  • SQL 防护  • 错误恢复    • 连接池         │
└─────────────────────────────────────────────────────────────┘
         │
         │ 只读 SQL 查询
         ▼
┌─────────────────────────────────────────────────────────────┐
│                您的 PostgreSQL 数据库                     │
│                                                             │
│  任意模式:电商、分析、CRM 等                               │
│  表 • 视图 • 索引 • 函数                                   │
└─────────────────────────────────────────────────────────────┘

外部 AI 服务:
OpenAI API • Anthropic • 本地 LLM(Ollama 等)

主要优势:
✅ 适用于任何 PostgreSQL 数据库(无需假设模式)
✅ 无需修改模式  
✅ 只读访问(100% 安全)
✅ 自动流式传输大型结果
✅ 智能查询理解(单数与复数区分)
✅ 强大的错误处理机制(优雅的 AI 故障恢复)
✅ 支持 PostgreSQL 的大小写敏感性(混合大小写表名)
✅ 生产级安全性和性能
✅ 通用数据库兼容性
✅ 多种输出格式(表格、JSON、CSV)
✅ 全文搜索功能,可跨所有列
✅ 支持身份验证
✅ 全面的测试套件

功能特性

  • 自然语言转 SQL:用简单英语提问
  • 自动流式传输:自动处理大型结果集
  • 安全只读访问:防止任何写操作
  • 全文搜索:可在所有文本列中搜索
  • 多种输出格式:表格、JSON 和 CSV
  • PostgreSQL 大小写敏感性:正确处理混合大小写表名
  • 通用兼容性:适用于任何 PostgreSQL 数据库

环境变量

必填:

  • DATABASE_URL:指向您现有数据库的 PostgreSQL 连接字符串

可选:

  • OPENAI_API_KEY:用于 AI 驱动的 SQL 生成的 OpenAI API 密钥
  • OPENAI_MODEL:使用的模型(默认为“gpt-4o-mini”)
  • HTTP_ADDR:服务器地址(默认为“:8080”)
  • HTTP_PATH:MCP 端点路径(默认为“/mcp”)
  • AUTH_BEARER:用于身份验证的 Bearer 令牌

安装

下载预编译二进制文件

  1. 访问 GitHub 发布页面
  2. 下载适合您平台的二进制文件(Linux、macOS、Windows)
  3. 解压并运行:
# macOS/Linux 示例
tar xzf pgmcp_*.tar.gz
cd pgmcp_*
./pgmcp-server

其他安装方式

# Homebrew(macOS/Linux) - 第一次发布后可用
brew tap subnetmarco/homebrew-tap
brew install pgmcp

# 从源码构建
go build -o pgmcp-server ./server
go build -o pgmcp-client ./client

Docker/Kubernetes

# Docker
docker run -e DATABASE_URL="postgres://user:pass@host:5432/db" \
  -p 8080:8080 ghcr.io/subnetmarco/pgmcp:latest

# Kubernetes(完整清单请参见 examples/ 目录)
kubectl create secret generic pgmcp-secret \
  --from-literal=database-url="postgres://user:pass@host:5432/db"
kubectl apply -f examples/k8s/

快速开始

# 设置数据库(可选 - 适用于任何现有 PostgreSQL 数据库)
export DATABASE_URL="postgres://user:password@localhost:5432/mydb"
psql $DATABASE_URL < schema.sql

# 运行服务器
export OPENAI_API_KEY="your-api-key"
./pgmcp-server

# 使用客户端测试
./pgmcp-client -ask "Who is the user that places the most orders?" -format table
./pgmcp-client -ask "Show me the top 40 most reviewed items in the marketplace" -format table

环境变量

必填:

  • DATABASE_URL:PostgreSQL 连接字符串

可选:

  • OPENAI_API_KEY:用于 SQL 生成的 OpenAI API 密钥
  • OPENAI_MODEL:使用的模型(默认为“gpt-4o-mini”)
  • HTTP_ADDR:服务器地址(默认为“:8080”)
  • HTTP_PATH:MCP 端点路径(默认为“/mcp”)
  • AUTH_BEARER:用于身份验证的 Bearer 令牌

使用示例

# 用自然语言提问
./pgmcp-client -ask "What are the top 5 customers?" -format table
./pgmcp-client -ask "How many orders were placed today?" -format json

# 在所有文本字段中搜索
./pgmcp-client -search "john" -format table

# 一次性执行多个查询
./pgmcp-client -ask "Show tables" -ask "Count users" -format table

# 不同的输出格式
./pgmcp-client -ask "Export all data" -format csv -max-rows 1000

示例数据库

该项目包含两个模式:

  • schema.sql:完整的类亚马逊式电商平台,包含 5,000 多条记录
  • schema_minimal.sql:最小化的测试模式,其中 Categories 表名采用大小写混合形式

主要特性:

  • 大小写混合的表名(如 "Categories"),用于测试大小写敏感性
  • 复合主键(如 order_items),用于检验 AI 的假设
  • 真实的表间关系和数据类型

使用您自己的数据库:

export DATABASE_URL="postgres://user:pass@host:5432/your_db"
./pgmcp-server
./pgmcp-client -ask "What tables do I have?"

AI 错误处理

当 AI 生成错误的 SQL 语句时,PGMCP 会以优雅的方式进行处理:

{
  "error": "生成的查询中未找到列",
  "suggestion": "请尝试重新表述问题,或询问特定的表",
  "original_sql": "SELECT non_existent_column FROM table..."
}

系统不会崩溃,而是提供有用的反馈并继续运行。

MCP 集成

Cursor 集成

# 启动服务器
export DATABASE_URL="postgres://user:pass@localhost:5432/your_db"
./pgmcp-server

在 Cursor 设置中添加:

{
  "mcp.servers": {
    "pgmcp": {
      "transport": {
        "type": "http",
        "url": "http://localhost:8080/mcp"
      }
    }
  }
}

Claude Desktop 集成

编辑 ~/.config/claude-desktop/claude_desktop_config.json

{
  "mcpServers": {
    "pgmcp": {
      "transport": {
        "type": "http",
        "url": "http://localhost:8080/mcp"
      }
    }
  }
}

API 工具

  • ask:自然语言问题 → 自动流式传输的 SQL 查询
  • search:跨所有数据库文本列的自由文本搜索
  • stream:针对超大数据集的高级流式传输,并支持分页

安全特性

  • 只读强制执行:阻止写操作(INSERT、UPDATE、DELETE 等)
  • 查询超时:防止长时间运行的查询
  • 输入验证:对所有用户输入进行清理和验证
  • 事务隔离:所有查询均在只读事务中执行

测试

# 单元测试
go test ./server -v

# 集成测试(需要 PostgreSQL)
go test ./server -tags=integration -v

许可证

Apache 2.0 - 详情请参阅 LICENSE 文件。

相关项目


PGMCP 通过自然语言使您的 PostgreSQL 数据库能够被 AI 助手访问,同时通过只读访问控制确保安全性。

版本历史

v0.3.02025/09/25

常见问题

相似工具推荐

openclaw

OpenClaw 是一款专为个人打造的本地化 AI 助手,旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚,能够直接接入你日常使用的各类通讯渠道,包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息,OpenClaw 都能即时响应,甚至支持在 macOS、iOS 和 Android 设备上进行语音交互,并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地,用户无需依赖云端服务即可享受快速、私密的智能辅助,真正实现了“你的数据,你做主”。其独特的技术亮点在于强大的网关架构,将控制平面与核心助手分离,确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者,以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力(支持 macOS、Linux 及 Windows WSL2),即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你

349.3k|★★★☆☆|今天
Agent开发框架图像

stable-diffusion-webui

stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。

162.1k|★★★☆☆|昨天
开发框架图像Agent

everything-claude-code

everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上

141.5k|★★☆☆☆|今天
开发框架Agent语言模型

ComfyUI

ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。

107.9k|★★☆☆☆|今天
开发框架图像Agent

LLMs-from-scratch

LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目,旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型(LLM)。它不仅是同名技术著作的官方代码库,更提供了一套完整的实践方案,涵盖模型开发、预训练及微调的全过程。 该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型,却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码,用户能够透彻掌握 Transformer 架构、注意力机制等关键原理,从而真正理解大模型是如何“思考”的。此外,项目还包含了加载大型预训练权重进行微调的代码,帮助用户将理论知识延伸至实际应用。 LLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API,而是渴望探究模型构建细节的技术人员而言,这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计:将复杂的系统工程拆解为清晰的步骤,配合详细的图表与示例,让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础,还是为未来研发更大规模的模型做准备

90.1k|★★★☆☆|今天
语言模型图像Agent

Deep-Live-Cam

Deep-Live-Cam 是一款专注于实时换脸与视频生成的开源工具,用户仅需一张静态照片,即可通过“一键操作”实现摄像头画面的即时变脸或制作深度伪造视频。它有效解决了传统换脸技术流程繁琐、对硬件配置要求极高以及难以实时预览的痛点,让高质量的数字内容创作变得触手可及。 这款工具不仅适合开发者和技术研究人员探索算法边界,更因其极简的操作逻辑(仅需三步:选脸、选摄像头、启动),广泛适用于普通用户、内容创作者、设计师及直播主播。无论是为了动画角色定制、服装展示模特替换,还是制作趣味短视频和直播互动,Deep-Live-Cam 都能提供流畅的支持。 其核心技术亮点在于强大的实时处理能力,支持口型遮罩(Mouth Mask)以保留使用者原始的嘴部动作,确保表情自然精准;同时具备“人脸映射”功能,可同时对画面中的多个主体应用不同面孔。此外,项目内置了严格的内容安全过滤机制,自动拦截涉及裸露、暴力等不当素材,并倡导用户在获得授权及明确标注的前提下合规使用,体现了技术发展与伦理责任的平衡。

88.9k|★★★☆☆|今天
开发框架图像Agent