model-context-protocol mcp postgresql claude-desktop nodejs ai-tooling

MCP详解：为Claude构建自然语言驱动的PostgreSQL助手

通过项目讲解MCP：模型上下文协议如何将N x M的集成方式转换为N + M的形式，进而让Claude Desktop能够查询只读的PostgreSQL服务器。

发布者：REACTAPP.TOP加入本站 2026年10月28日阅读约 10 分钟2335 词

来源: MCP Explained: The Protocol That Finally Gives AI a Standard Way to Talk to the World

粘合代码问题

每个开发人工智能产品的开发者最终都会遇到同样的难题。模型功能完备，数据库、文件系统或某些API中也存有有用数据，但缺少一种简洁标准的方法将二者结合起来。

于是各种粘合代码应运而生：这里一个适配器，那里一个脆弱的封装层。这种方案在模型发生变化、出现新的数据源，或是新同事需要反编译整个数据处理层之前还能勉强维持。

Anthropic在2024年11月提出了解决方案，即模型上下文协议（MCP）。大约两年后，它就从一个小众实验发展为主流智能体基础设施：到2026年中，每月的SDK下载量已达9700万次，官方注册表中活跃的公共服务器数量接近10000台。

设想这样一种产品：用户用通俗的英语提出关于公司数据的问题。思路很简单，但实现起来却十分困难。系统必须先理解问题，将其转化为数据库查询语句并执行，然后将查询结果传递给模型，最后格式化出回复。如果再加上人工智能需要使用的各种工具，比如日历、GitHub 仓库或 Slack 工作空间，那么每个工具都需要单独进行集成，且每种集成都有其特定的 API 接口格式、认证流程和错误处理方式。

有些工程师将这种状况称为“意大利面式集成”。假设模型数量为 N，工具数量为 M，那么每一种模型与工具的组合都需要编写专属代码。一旦新增一个模型，所有工具都需要重新开发；而新增一个工具，则意味着要更新每个模型的集成代码。

MCP 是什么

MCP是一种基于JSON-RPC 2.0的开放标准，它为模型提供了统一的词汇表，以便连接外部工具和数据。由于单个服务器即可为所有遵循该协议的客户端提供服务，原本复杂的N×M架构简化为N+M的结构。

人们常将其比作USB-C接口。过去，笔记本电脑、手机、相机和耳机等设备所需的充电器各不相同，每类设备都需要专属的充电线。USB-C通过统一接口标准而非改变电力规格，让一根充电线就能满足所有设备的充电需求。MCP在人工智能领域扮演着类似的角色：只要模型遵循该协议，就能使用任何提供相应接口的工具，因此只需编写一次服务器代码，就能与所有兼容的模型配合使用。

治理机制让2026年成为了一个转折点。2025年12月，Anthropic将MCP交给了Agentic AI基金会，该基金会是Linux基金会旗下的专项基金，由Anthropic、Block和OpenAI共同创立，这一举措表明该协议不再仅属于Anthropic所有。随后获得了公众的支持：OpenAI的首席执行官表示支持，并宣布将在各类智能体SDK及ChatGPT中提供支持；谷歌DeepMind也在几天内确认Gemini将会使用MCP来调用各类工具。如今，该协议已成为模型连接外部工具、数据及服务的标准途径。

三个组成部分

主机指的是用户实际使用的应用程序：Claude Desktop、VS Code插件或企业自建的聊天机器人。

MCP客户端运行在主机内部。它保持与一个或多个MCP服务器的连接畅通，并在模型与这些服务器之间传递消息，因此当模型决定调用某个工具时，客户端会负责传递请求。

MCP服务器是功能所在之处。每个服务器都会将某个工具或数据源封装在标准接口之后，并能提供三类内容：

工具是指可被调用的函数，例如run_sql_query、search_web或send_email。模型可以利用这些工具来执行操作或获取数据。
资源是可供读取的数据，比如文件、数据库记录或文档，模型可以将它们引入自身的上下文窗口中。
提示词是服务器提供给主机的可重复使用的提示词模板。

消息以 JSON-RPC 2.0 格式编码，并通过两种传输方式之一发送。stdio 适用于在客户端机器上作为本地进程运行的服务器。Streamable HTTP 则针对远程服务器和云部署环境，使用普通的 HTTP 请求，必要时结合 Server-Sent Events (SSE) 实现流式响应及服务器到客户端的通知功能。由于这种分工，一种协议即可同时满足本地开发与生产级系统的需求。

一个问题，逐步解析

以下是用户输入问题到获得答案之间的完整流程。

用户提问：“上周我们收到了多少订单？”
模型在启动时从 MCP 服务器获取可用工具列表，随后看到该问题。
它判断需要使用 query_database 功能，于是发出结构化的工具调用请求。
MCP客户端捕获该请求并将其发送到相应的服务器。
服务器执行查询并以JSON格式返回结果。
模型读取该结果后生成通俗易懂的答案。

模型从不直接接触数据库，也不需要预先获取连接字符串，因为这些工作都由MCP服务器处理。

项目内容：PostgreSQL的聊天界面

先不说理论，来看个实际案例。某个团队将订单数据存储在PostgreSQL中，而那些不懂技术的同事总是向唯一懂SQL的人索要报表。我们的目标是创建一个聊天界面，让他们用通俗的英语提问，即可立即获得答案，无需编写任何SQL代码。

该方案是在 PostgreSQL 数据库前端部署一个 MCP 服务器，提供一个 query_database 工具，并与 Claude 相连。团队中的任何人都可以用日常语言提出问题，从而获得真实数据。

设置

首先创建一个新项目文件夹，然后安装所需的依赖项。

mkdir nl-db-assistant
cd nl-db-assistant
npm init -y
npm install @modelcontextprotocol/sdk pg dotenv zod

这些包分别承担不同的功能。@modelcontextprotocol/sdk 是 Anthropic 为 MCP 服务器提供的官方 JavaScript 和 TypeScript 工具包，pg 是常用的 Node.js PostgreSQL 客户端，而 dotenv 则用于防止数据库凭证出现在源代码中。zod 会在运行时验证数据结构，MCP 依赖它来生成 JSON 规范，模型通过该规范学习如何调用工具。

在项目根目录下创建一个 .env 文件，用于存放连接字符串。

DATABASE_URL=postgresql://your_user:your_password@localhost:5432/your_database

请立即将 .env 添加到 .gitignore 中，因为凭证绝不能被提交。

服务器框架

接下来是 server.js，它以导入语句、服务器名称与版本以及数据库连接池作为开头。

import { McpServer } from "@modelcontextprotocol/sdk/server/mcp.js";
import { StdioServerTransport } from "@modelcontextprotocol/sdk/server/stdio.js";
import { z } from "zod";
import pg from "pg";
import dotenv from "dotenv";

dotenv.config();
// Set up the PostgreSQL connection pool
const pool = new pg.Pool({
  connectionString: process.env.DATABASE_URL,
});
// Create the MCP server instance
const server = new McpServer({
  name: "postgres-assistant",
  version: "1.0.0",
});

在客户端连接并进行功能协商时，会向其告知名称和版本信息。连接池只需创建一次，即可为每次查询重复使用，这比每次都建立新连接要高效得多。

暴露模式结构

为了让模型能够编写出有用的查询语句，它必须知道存在哪些表和列。实时模式结构会以可读取的MCP资源形式提供，模型可将其引入上下文中使用。

server.resource(
  "database-schema",
  "schema://main",
  async (uri) => {
    const result = await pool.query(`
      SELECT
        table_name,
        column_name,
        data_type
      FROM information_schema.columns
      WHERE table_schema = 'public'
      ORDER BY table_name, ordinal_position
    `);

    const schema = result.rows.reduce((acc, row) => {
      if (!acc[row.table_name]) acc[row.table_name] = [];
      acc[row.table_name].push(`${row.column_name} (${row.data_type})`);
      return acc;
    }, {});
    const schemaText = Object.entries(schema)
      .map(([table, cols]) => `${table}:\n  ${cols.join("\n  ")}`)
      .join("\n\n");
    return {
      contents: [{
        uri: uri.href,
        text: schemaText,
      }],
    };
  }
);

information_schema.columns 是 PostgreSQL 内置的视图，用于描述所有的表和列。该代码会查询该视图，将行数据转换为可读的文本形式，并将其作为结果返回。模型在决定如何编写查询之前会先读取这些信息，这样就能掌握完整的表结构，而无需猜测有效的 SQL 语句。

查询工具

这是服务器的核心，也是模型用来对数据库执行 SQL 查询的工具。

server.tool(
  "query_database",
  "Run a read-only SQL query against the PostgreSQL database. Use this to answer questions about data, counts, trends, or summaries.",
  {
    sql: z.string().describe(
      "A valid PostgreSQL SELECT query. Only SELECT statements are allowed."
    ),
  },
  async ({ sql }) => {
    // Safety gate: only allow SELECT statements
    const trimmed = sql.trim().toUpperCase();
    if (!trimmed.startsWith("SELECT")) {
      return {
        content: [{
          type: "text",
          text: "Error: only SELECT queries are permitted through this interface.",
        }],
        isError: true,
      };
    }
    try {
      const result = await pool.query(sql);
      const output = JSON.stringify(result.rows, null, 2);
      return {
        content: [{
          type: "text",
          text: `Query returned ${result.rowCount} row(s):\n\n${output}`,
        }],
      };
    } catch (err) {
      return {
        content: [{
          type: "text",
          text: `Query failed: ${err.message}`,
        }],
        isError: true,
      };
    }
  }
);

请务必仔细留意描述字符串，也就是第二个参数，因为模型在决定是否以及如何使用该工具时会读取它。撰写时需像给从未接触过数据库的实习生讲解指令一样清晰明了。Zod为sql参数生成的架构会自动转换为模型所看到的JSON架构，从而明确指定参数的格式。顶部的校验机制仅允许SELECT语句通过，因此无论是故意还是无意，都无法执行写入操作。

启动服务器

最终，服务器会在stdio传输协议上启动。

const transport = new StdioServerTransport();
await server.connect(transport);
console.error("PostgreSQL MCP server is running");

通过 stdio，MCP 客户端会将脚本作为子进程启动，并通过标准输入输出与它进行通信。这是本地开发中最简单且最可靠的传输方式。日志行特意使用了 console.error，这样就不会污染 MCP 用于传输协议消息的 stdout 通道。

连接 Claude Desktop

打开 Claude Desktop 的配置文件。在 macOS 上，该文件位于此处：

~/Library/Application Support/Claude/claude_desktop_config.json

在 Windows 系统中，路径为：

%APPDATA%\Claude\claude_desktop_config.json

为新服务器添加一条记录：

{
  "mcpServers": {
    "postgres-assistant": {
      "command": "node",
      "args": ["/absolute/path/to/nl-db-assistant/server.js"]
    }
  }
}

重新启动 Claude Desktop 后，界面中会出现一个小型工具图标，表明 MCP 服务器已连接并处于可用状态。

实际试用

日常用语即可使用：比如过去一周收到了多少订单、本月哪个产品类别带来的收入最高，或是按订单总价值计算的五大客户是谁。

Claude 会读取实时的模式资源，编写相应的 SQL 语句，调用 query_database 函数，获取结果后将其转化为清晰的答案。非技术背景的同事根本看不到查询过程，只会看到问题与答案而已。

大约80行JavaScript代码就能构建出一个服务器：它能显示与服务器连接的模型所使用的实时PostgreSQL数据库结构，将自然语言问题转换为SQL语句，确保访问为只读模式，并返回结构化输出以便模型进行汇总。该代码只需编写一次，任何支持MCP协议的模型，无论是现在的Claude还是未来的其他模型，都无需修改服务器即可使用它。这正是共享协议的优势所在。

采用情况

其采用速度极为迅速。自发布之初每月的SDK下载量仅为10万次，到2026年3月已上升至9700万次，18个月内增长了约970倍。相比之下，React的npm包则花了大约三年时间才达到每月1亿次的下载量。

实际应用场景包括Block、Bloomberg、Amazon以及数百家《财富》500强企业。Pinterest在2026年4月介绍了其生产环境中的MCP架构：为Presto、Spark和Airflow配备专用服务器，同时由人工审核敏感操作。据称，844名活跃用户每月约发起66,000次工具调用，可节省约7,000小时的工程工作时间。

目前已有官方或社区维护的MCP服务器，适用于Slack、GitHub、Google、Salesforce和Stripe，以及HubSpot、Shopify、Notion、Linear、Sentry、Figma、Webflow、Cloudflare和Postman。

2026年的发展路线图以企业适配为核心，主要内容包括与企业身份提供商绑定的OAuth 2.1登录机制、多代理协调功能（其中一个代理可像工具服务器一样被调用），以及包含安全评级信息的经过筛选的服务器注册表。

常见问题

MCP仅仅是在函数调用基础上增加了额外步骤吗？并非如此，因为二者处于不同的层级。函数调用是模型选择调用某个工具的行为，而MCP则是连接模型与工具的协议。函数调用负责决定是否调用工具，MCP则处理如何连接该工具以及如何与其交互。现代的典型架构会将二者结合使用。

它只适用于Claude吗？当然不是，这正是它的优点之一。OpenAI、Google DeepMind和Microsoft都采用了MCP，还有数千个开发团队也在使用它。只要拥有兼容MCP的客户端，无论模型或服务器由谁开发，都可以使用它们。

2026年时它已经具备生产环境使用条件了吗？鉴于上述大规模的应用场景，对于大多数用途而言答案是肯定的。不过对于实时交易这类对延迟要求极高的系统，或是需要低于100毫秒响应时间的场景，这种抽象层会带来一定的成本，直接使用API连接可能比通过MCP中介的连接更高效。

它的安全性是否足以满足企业级使用需求？正在逐步完善中。2025年3月的规范更新加入了基于OAuth 2.1的完整授权框架，2026年的发展路线图还计划实现与Okta和Azure AD等身份提供商的SAML及OIDC集成。目前，金融或医疗保健等高度受监管的行业仍需要额外的合规保障措施。

谁来管理它？Anthropic 能改变其发展方向吗？自2025年12月起，该协议由Linux基金会的Agentic AI基金会负责管理。这使其成为一种与HTTP或TCP/IP类似的、由社区共同管理的、对供应商中立的共享基础设施，任何单一公司都无法单方面改变其走向。

工具与资源有何区别？工具是模型选择执行的操作，比如发起查询、发送消息或创建文件。而资源则是模型被动读取的数据，如文件、架构或文档。资源会被加载到上下文中，但工具则会在对话过程中按需执行。

一台服务器能否同时承载多个数据库或服务？可以。服务器可以根据需求提供尽可能多的工具和资源，常见的设计是构建一个数据平台服务器，为多个数据库提供读取权限，每个数据库都作为独立的工具或资源呈现。