随着数据库技术与AI应用的不断融合，我们对 AI 调用数据库接口的“统一性”和“智能化”提出了更高的要求。Model Context Protocol（MCP）协议的出现，让数据库交互像“聊天”一样变得简单高效。MCP 的官方实现原生支持与 PostgreSQL 的连接，而另一个开源实现 pg-mcp-server 不仅支持基本的只读 SQL 执行，还能够无缝集成 PostGIS 和 PGVector 扩展，使地理空间数据和向量数据的处理同样变得轻松高效。

在本文中，我们将以瀚高数据库和 pg-mcp-server 为例，从环境搭建、依赖配置，到实测 PostGIS 空间函数的流程，详细记录实践过程，并分享我的实际体验和思考，希望对同样关注AI和数据库的大家有所帮助。

什么是MCP（Model Context Protocol）

参考官方的定义，MCP 是一个开放协议，它规范了应用程序向 LLM 提供上下文的方式。MCP 就像 AI 应用程序的 USB-C 端口一样。正如 USB-C 提供了一种标准化的方式将设备连接到各种外围设备和配件一样，MCP 也提供了一种标准化的方式将 AI 模型连接到不同的数据源和工具。

·MCP 主机： 像 Claude Desktop、IDE 或 AI 工具这样的程序，需要通过 MCP 访问数据

·MCP 客户端： 与服务器保持 1:1 连接的协议客户端

·MCP 服务器： 轻量级程序，每个程序都通过标准化模型上下文协议公开特定功能

·本地数据源： MCP 服务器可以安全访问您计算机上的文件、数据库和服务

·远程服务： MCP 服务器可以通过互联网（例如通过 API）连接到的外部系统

PG-MCP-Server

开源项目PG-MCP-Server 是 PostgreSQL 数据库模型上下文协议 (MCP)的服务器实现。它为 AI 代理提供了全面的 API，使其能够通过 MCP 面向资源的架构发现、连接、查询和理解 PostgreSQL 数据库。相比于MCP官方的PostgreSQL实现，该项目提供了更完整的服务器实现，并提供了关于插件的YAML知识方便调用。

环境准备

·Python 3.13+

·瀚高数据库

docker仅对一般linux支持较好，选择手动安装

# 克隆仓库git clone https://github.com/stuzero/pg-mcp-server.gitcd pg-mcp-server# 用uv安装依赖并创建虚拟环境 ( .venv )uv sync# 激活虚拟环境source .venv/bin/activate # On Windows: .venv\Scripts\activate# 运行mcp服务python -m server.app

配置env，根据自己的数据库信息替换

PG_MCP_URL=http://localhost:8000/sseDATABASE_URL=postgresql://user:password@hostname:port/databasename

默认仅对Claude cli支持较好，但是启动的MCP Server支持通过其他MCP Client通用配置，此处通过字节的Trae编辑器配置

1.选择智能体 > Builder with MCP，之后选择添加

2.然后在市场选择手动配置

3.之后在弹出的窗口中输入如下配置（npx需要安装npm）

{  "mcpServers": {    "pg-mcp-server": {      "command": "npx",      "args": [        "mcp-remote",        "http://127.0.0.1:8000/sse"      ]    }  }}

4.配置好后会显示如下，这里也是列出来了所有可以给AI用的“工具”。

其实到这一步，就已经可以通过Trae的聊天窗口用配置好的MCP服务器和大模型交流了，不过为了能测试mcp和postGIS的交互能力，还是要额外配置好postGIS

PostGIS数据准备

安装GIS插件之后，初始化瀚高数据库使用md5，然后修改下列参数

——修改配置文件

echo "listen_addresses='*'">> data/postgresql.auto.confecho "host all all 0/0 scram-sha-256" >> data/pg_hba.conf

——安装插件关闭安全参数

psql -dhighgo -p5866 -Usysssoselect set_secure_param('hg_sepofpowers','off');

——重启数据库后，启用安装好的postgis插件

CREATE EXTENSION postgis;

之后导入自己的GIS数据并创建索引即可

实践MCP调用

1.输入下列提示词给Trae

### For AI AgentsExample prompt for use with agents:```Use the PostgreSQL MCP server to analyze the database. Available tools:- connect: Register a database connection string and get a connection ID- disconnect: Close a database connection- pg_query: Execute SQL queries using a connection ID- pg_explain: Get query execution plansYou can explore schema resources via:pgmcp://{conn_id}/schemaspgmcp://{conn_id}/schemas/{schema}/tablespgmcp://{conn_id}/schemas/{schema}/tables/{table}/columnsA comprehensive database description is available at this resource:pgmcp://{conn_id}/

这是AI agent能用的mcp工具箱，参数在 .env 里，先连接数据库

之后可以看到通过MCP中的connect已经准备好和数据库建立连接，并且执行的测试sql可以正常的返回响应。

2.提示两个表是GIS数据后，通过MCP调用的大模型使用了ST_Intersects对GIS数据的相交情况和整个SQL性能进行了分析

而在之后的分析中他也识别到了没用到table2的index，主动推荐创建index，不过此处其实是因为table2很小所以计划中没有调用，而数据库中是提前创建好index的，AI此时并不清楚。

结语

整体而言，MCP（Model Context Protocol）为数据库与 AI 之间的交互提供了一种比传统函数调用更为标准化和灵活的方式。MCP 的实现结合 Agent 的特性，可以相对标准的自动生成 SQL，并根据上下文智能选择是否执行和返回结果，显著提升了 AI 与数据库的协同效率。此外，借助 YAML 配置文件，开发者可以方便地扩展对 PostGIS 等数据库插件的支持。整体的可靠性有提升，不过现阶段还是建议在执行后对结果进行人工校验以确保准确性。

目前MCP 的应用场景包括：在 IDE 中以对话形式连接和操作多个数据库、执行 SQL 查询、查看查询计划等。业界的一些 GUI 工具，如 QGIS，也开始支持 MCP 协议。展望未来，MCP 有望实现不同 MCP 服务器之间的协同工作，进一步推动智能化和互联化的 AI 应用生态系统的发展。

[1]https://modelcontextprotocol.io/introduction

[2]https://github.com/stuzero/pg-mcp-server

[3]https://github.com/jjsantos01/qgis_mcp

[4]https://www.xugj520.cn/archives/postgresql-mcp-ai-database.html

ITPub博客

瀚高技术全揭秘 | 瀚高数据库与MCP：适配AI数据库交互新范式

PG-MCP-Server

最新文章