AI导哈

数据库智能查询服务

一个提供数据库访问能力并集成LangChain客户端进行智能查询处理的MCP服务器。

  • by jimmyshah83
  • Python
  • 本地部署
  • 2 星标
  • 更新于
在 GitHub 查看 jimmyshah83/remote-db-mcp-server

使用说明

远程DB MCP服务器

一种提供数据库访问功能的模型上下文协议（MCP）服务器，具有用于智能查询处理的LangChain客户端。

特性

  • MCP服务器：提供数据库工具和操作
  • 朗链客户端：使用Azure OpenAI和ReAct代理进行智能工具使用
  • 异步支持：完全支持async/await以获得更好的性能
  • 工具集成：MCP工具和LangChain代理之间的无缝集成

设置

1.安装依赖项

pip install -r requirements.txt

2.环境配置

复制 config.example 向 .env 并配置您的Azure OpenAI设置：

cp config.example .env

所需的环境变量：

  • AZURE_OPENAI_DEPLOYMENT_NAME：您的Azure OpenAI部署名称
  • AZURE_OPENAI_API_KEY：您的Azure OpenAI API密钥
  • AZURE_OPENAI_ENDPOINT：您的Azure OpenAI端点URL
  • AZURE_OPENAI_API_VERSION：API版本（默认：2024-02-15-preview）

3.使用方法

启动MCP服务器

python src/server.py

运行LangChain客户端

python src/client.py path/to/server.py

客户将：

  1. 连接到MCP服务器
  2. 发现可用工具
  3. 使用工具创建ReAct代理
  4. 启动交互式聊天循环

建筑

MCPTool类

  • 包装MCP工具以与LangChain配合使用
  • 处理异步工具执行
  • 提供正确的错误处理

MCP客户端类

  • 管理与MCP服务器的连接
  • 创建LangChain ReAct代理
  • 通过工具集成处理查询

依赖项

  • langchain-openai：Azure OpenAI集成
  • langgraph：重新代理实施
  • langchain-core：核心LangChain功能
  • mcp[cli]：模型上下文协议
  • python-dotenv：环境变量管理

示例用法

# The client automatically discovers tools from the MCP server
# and creates a ReAct agent that can use them intelligently

# Start the client
client = MCPClient()
await client.connect_to_server("path/to/server.py")

# Ask questions that will use the available tools
response = await client.process_query("Show me all products in the database")
print(response)

部署到Azure

您可以使用Azure容器应用程序（推荐）或Azure Developer CLI（azd）将MCP服务器部署到Azure。这两种方法都为您的应用程序提供了可扩展的托管托管。

选项1：使用Azure Developer CLI快速部署（推荐）

最快的部署方式是使用Azure Developer CLI，它自动处理基础设施的配置和部署。

先决条件

  1. 安装 Azure开发者命令行界面（azd）
  2. 安装 Azure命令行界面
  3. 拥有Azure订阅

部署步骤

  1. 初始化azd项目：

    azd init --template minimal

  2. 配置环境变量：

    复制您的 .env 将文件值保存到azd环境：

    azd env set AZURE_OPENAI_DEPLOYMENT_NAME "<your-deployment-name>"
azd env set AZURE_OPENAI_ENDPOINT "<your-openai-endpoint>"
azd env set COSMOS_DB_ENDPOINT "<your-cosmos-endpoint>"
azd env set COSMOS_DB_DATABASE "<your-database-name>"
azd env set COSMOS_DB_CONTAINER "<your-container-name>"

  3. 部署到Azure：

    azd up

    此命令将：

    • 提供Azure资源（容器应用程序、容器注册表等）
    • 构建并推送你的Docker镜像
    • 部署您的应用程序
    • 配置托管身份和RBAC权限

选项2：使用Azure容器应用程序手动部署

为了更好地控制部署过程，您可以使用Azure CLI手动部署。

设置先决条件

  1. 已安装并配置Azure CLI
  2. 本地安装Docker
  3. Azure容器注册表（ACR）或Docker Hub帐户

第一步：准备好你的环境

  1. 登录到Azure：

    az login
az account set --subscription "<your-subscription-id>"

  2. 设置部署变量：

    RESOURCE_GROUP="rg-mcp-server"
LOCATION="eastus"
ACR_NAME="mcpserveracr$(date +%s)"
CONTAINER_APP_ENV="mcp-server-env"
CONTAINER_APP_NAME="mcp-server"
IMAGE_NAME="remote-db-mcp-server"

步骤2：创建Azure资源

  1. 创建资源组：

    az group create --name $RESOURCE_GROUP --location $LOCATION

  2. 创建Azure容器注册表：

    az acr create \
  --resource-group $RESOURCE_GROUP \
  --name $ACR_NAME \
  --sku Basic \
  --admin-enabled true

  3. 创建容器应用程序环境：

    az containerapp env create \
  --name $CONTAINER_APP_ENV \
  --resource-group $RESOURCE_GROUP \
  --location $LOCATION

步骤3：构建并推送容器映像

  1. 登录到Azure容器注册表：

    az acr login --name $ACR_NAME

  2. 构建并推送Docker镜像：

    # Build the image
docker build -t $ACR_NAME.azurecr.io/$IMAGE_NAME:latest .

# Push to ACR
docker push $ACR_NAME.azurecr.io/$IMAGE_NAME:latest

步骤4：部署容器应用程序

  1. 创建容器应用程序：

    az containerapp create \
  --name $CONTAINER_APP_NAME \
  --resource-group $RESOURCE_GROUP \
  --environment $CONTAINER_APP_ENV \
  --image $ACR_NAME.azurecr.io/$IMAGE_NAME:latest \
  --target-port 8000 \
  --ingress 'external' \
  --registry-server $ACR_NAME.azurecr.io \
  --min-replicas 1 \
  --max-replicas 3 \
  --cpu 0.25 \
  --memory 0.5Gi \
  --env-vars \
    AZURE_OPENAI_DEPLOYMENT_NAME="<your-deployment-name>" \
    AZURE_OPENAI_ENDPOINT="<your-openai-endpoint>" \
    AZURE_OPENAI_API_VERSION="2024-02-15-preview" \
    COSMOS_DB_ENDPOINT="<your-cosmos-endpoint>" \
    COSMOS_DB_DATABASE="<your-database-name>" \
    COSMOS_DB_CONTAINER="<your-container-name>"

步骤5：配置托管身份（推荐）

对于生产部署，请使用托管标识而不是API密钥：

  1. 启用系统分配的托管标识：

    az containerapp identity assign \
  --name $CONTAINER_APP_NAME \
  --resource-group $RESOURCE_GROUP \
  --system-assigned

  2. 授予Azure OpenAI权限：

    # Get the managed identity principal ID
PRINCIPAL_ID=$(az containerapp identity show \
  --name $CONTAINER_APP_NAME \
  --resource-group $RESOURCE_GROUP \
  --query principalId \
  --output tsv)

# Assign Cognitive Services OpenAI User role
az role assignment create \
  --role "Cognitive Services OpenAI User" \
  --assignee $PRINCIPAL_ID \
  --scope "<your-openai-resource-id>"

  3. 授予Cosmos DB权限：

    # Assign Cosmos DB Built-in Data Contributor role
az role assignment create \
  --role "Cosmos DB Built-in Data Contributor" \
  --assignee $PRINCIPAL_ID \
  --scope "<your-cosmos-db-resource-id>"

  4. 更新容器应用程序以删除API密钥：

    az containerapp update \
  --name $CONTAINER_APP_NAME \
  --resource-group $RESOURCE_GROUP \
  --remove-env-vars AZURE_OPENAI_API_KEY COSMOS_DB_KEY

步骤6：验证部署

  1. 获取应用程序URL:

    FQDN=$(az containerapp show \
  --name $CONTAINER_APP_NAME \
  --resource-group $RESOURCE_GROUP \
  --query properties.configuration.ingress.fqdn \
  --output tsv)

echo "Application URL: https://$FQDN"

  2. 检查应用程序运行状况：

    curl -f https://$FQDN/health

  3. 查看应用程序日志：

    az containerapp logs show \
  --name $CONTAINER_APP_NAME \
  --resource-group $RESOURCE_GROUP \
  --follow

安全最佳实践

  • 使用托管身份：对于身份验证，始终首选托管身份而不是API密钥
  • 安全的秘密：将敏感配置存储在Azure密钥库中
  • 网络安全：考虑使用私有端点进行数据库连接
  • 资源隔离：部署到专用资源组以便于管理
  • 监控：启用Application Insights进行监控和诊断

故障排除

  • 容器应用程序未启动：使用检查日志 az containerapp logs show
  • 身份验证问题：验证托管身份权限和角色分配
  • 网络连接：确保防火墙规则允许容器应用程序访问资源
  • 资源限制：监控CPU和内存使用情况，必要时调整缩放参数

成本优化

  • 适当大小的资源：从最小的CPU/内存开始，并根据使用情况进行扩展
  • 自动缩放：根据预期负载配置适当的最小/最大副本
  • 资源清理：使用 az group delete 在不再需要时删除所有资源

相关 MCP