MCP + openGauss:连接人工智能与openGauss数据库

前言：

在人工智能技术的演进中，大语言模型（LLM）展现了卓越的信息处理与逻辑推理能力。然而，其应用仍受制于数据实时性的挑战：传统 LLM 仅依赖预训练数据与固定上下文窗口进行静态推理，无法主动访问实时数据库、动态更新信息或与业务系统协同，导致结果滞后性和数据割裂性等问题。

随着AI从静态推理向动态交互演进，智能体（Agent）逐渐成为焦点。Agent不仅能够调用LLM进行推理，还能访问数据库、调用API、执行任务。然而，当前LLM和Agent之间缺乏标准化交互协议,每个新数据源都需要自定义实现，使得真正互联的系统难以扩展。MCP(Model Context Protocol, 模型上下文协议)解决了这一挑战，MCP是为LLM和Agent系统设计的标准化交互框架，使LLM可以与外部数据库、API和工具进行高效交互。

MCP原理解读：

MCP 是一种开放协议，它标准化了应用程序向 LLM 提供上下文的方式。可以将 MCP 视为 AI 应用程序的 USB-C 端口。正如 USB-C 提供了一种将设备连接到各种外围设备和配件的标准化方式一样，MCP 提供了一种将 AI 模型连接到不同数据源和工具的标准化方式。

总体架构：

MCP 的核心是客户端-服务器架构，其中主机应用程序可以连接到多个服务器：

1. MCP主机(Hosts)：通过 MCP 访问数据的程序，如Claude Desktop、各种IDE或AI工具。它们是MCP生态系统的入口点，负责向用户提供AI功能。
   

2. MCP客户端(Clients)：与MCP服务器保持1：1连接的协议客户端。它们用于处理MCP主机和服务器的通信细节，保持数据连接畅通。
   

3. MCP服务端(Servers)：轻量级程序，每个server都会通过MCP暴露特定功能，e.g. openGauss数据库向agents暴露数据库接口，用户可以通过MCP主机直接对数据库进行操作和分析，实现数据实时化。
   

4. 本地数据源：MCP 服务器可以安全访问的您的计算机文件和服务。
   

5. 远程服务：MCP 服务器可通过互联网（例如通过 API）连接到的外部系统.e.g. openGauss数据库

快速搭建openGauss + MCP + LLM的AI Agent应用：

环境准备

• 安装python3环境，安装uv。
  
• 通过容器部署并启动openGauss数据库。
  
• 下载Claude Desktop配合MCP协议进行问答操作。

获取openGauss_mcp_server源码

访问链接https://github.com/vincentsunx/mcp-openGauss.git 获取openGauss_mcp_server源码，当前版本为（0.1.0）。

配置参数

• 打开Claude Desktop设置，编辑配置文件。

图 2 Claude Desktop配置页面

• 通过Edit Config增加配置

{
    "mcpServers": {
        "openGauss": {
            "command": "uv",
            "args": [
            "--directory",
            "path/to/openGauss_mcp_server",s
            "run",
            "server.py"
            ],
            "env": {
                "OPENGAUSS_HOST": "localhost",
                "OPENGAUSS_PORT": "8888",
                "OPENGAUSS_USER": "your_username",
                "OPENGAUSS_PASSWORD": "your_password",
                "OPENGAUSS_DBNAME": "your_database"
           }
        }
    }
}
复制

AI服务集成

重新启动Claude Desktop

可以看到可用MCP Tool, 执行sql通过openGauss server

使用Cluade Desktop通过openGauss进行问答

总结：