isdaniel/pgtuner_mcp

Developer tools

이 페이지는 AI로 자동 번역되었습니다. 기술적인 세부 사항은 원문을 확인하세요. 원문 보기

30 stars 5 forks 품질 78 트렌드 15Apache-2.0

Repository Install

aI-powered PostgreSQL 성능 조정 기능을 제공합니다.

개요

AI-powered PostgreSQL 성능 조정 기능을 제공하는 모델 Context Protocol (MCP) 서버. 이 서버는 느린 쿼리를 식별하고 최적의 인덱스를 검토하고 실행 계획을 분석하고, hypothetical 색인 테스트를 위해 HypoPG를 활용합니다. - 상세한 통계를 가진 pg stat statements에서 느린 쿼리를 검색 - EXPLAIN 및 EXPLAIN ANALYZE와 함께 쿼리 실행 계획 - 자동화 된 계획 분석으로 성능 병목을 식별 - 활성 쿼리를 모니터링하고 긴 실행 트랜잭션을 감지 - 쿼리 워크로드 분석 기반의 AI-powered Index 권고 - 확장 (디스크 사용 없음)을 가진 Hypothetical 색인 테스트 - Cleanup에 대한 사용 및 중복 색인 찾기 - 생성하기 전에 예상 인덱스 크기 - 구현하기 전에 제안 된 인덱스와 테스트 쿼리 계획 - 여러 검사와 포괄적인 건강 득점 - 연결 활용 모니터링 - 캐시 히트 비율 분석 (buffer and index) - 잠금 콘텐츠 감지 - 진공 건강 및 거래 ID ...

개요(AI 번역)

AI-powered PostgreSQL 성능 조정 기능을 제공하는 모델 Context Protocol (MCP) 서버. 이 서버는 느린 쿼리를 식별하고 최적의 인덱스를 검토하고 실행 계획을 분석하고, hypothetical 색인 테스트를 위해 HypoPG를 활용합니다.

특징

Query 분석

pg_stat_statements]의 느린 쿼리를 상세 통계로 검색
EXPLAIN 및 EXPLAIN ANALYZE와 함께 쿼리 실행 계획 분석
자동화된 계획 분석으로 성능 병목을 식별
모니터 활성 쿼리 및 긴 실행 트랜잭션을 감지

인덱스

쿼리 워크로드 분석 기반의 AI-powered Index 권고
Hypothetical index testing with **HypoPG ** 확장 (디스크 사용 없음)
Cleanup에 대한 사용 및 중복 색인 찾기
생성하기 전에 예상 색인 크기
구현하기 전에 제안 된 인덱스와 테스트 쿼리 계획

데이터베이스 건강

여러 검사를 통한 종합적인 건강
연결 이용 감시
캐시 히트 비율 분석 (buffer 및 색인)
잠금 콘텐츠 감지
진공 건강 및 거래 ID 추적 모니터링
복제 지연 모니터링
배경 작가 및 체크포인트 분석

진공 모니터링

이 페이지는 AI로 자동 번역되었습니다. 기술적인 세부 사항은 원문을 확인하세요.

README

원문 README의 일부입니다. 원문 보기.

PostgreSQL Performance Tuning MCP

A Model Context Protocol (MCP) server that provides AI-powered PostgreSQL performance tuning capabilities. This server helps identify slow queries, recommend optimal indexes, analyze execution plans, and leverage HypoPG for hypothetical index testing.

Features

Query Analysis

Retrieve slow queries from pg_stat_statements with detailed statistics
Analyze query execution plans with EXPLAIN and EXPLAIN ANALYZE
Identify performance bottlenecks with automated plan analysis
Monitor active queries and detect long-running transactions

Index Tuning

AI-powered index recommendations based on query workload analysis
Hypothetical index testing with HypoPG extension (no disk usage)
Find unused and duplicate indexes for cleanup
Estimate index sizes before creation
Test query plans with proposed indexes before implementing

Database Health

Comprehensive health scoring with multiple checks
Connection utilization monitoring
Cache hit ratio analysis (buffer and index)
Lock contention detection
Vacuum health and transaction ID wraparound monitoring
Replication lag monitoring
Background writer and checkpoint analysis

Vacuum Monitoring

Track long-running VACUUM and VACUUM FULL operations in real-time
Monitor autovacuum progress and performance
Identify tables that need vacuuming
View recent vacuum activity history
Analyze autovacuum configuration effectiveness

I/O Performance Analysis

Analyze disk read/write patterns across tables and indexes
Identify I/O bottlenecks and hot tables
Monitor buffer cache hit ratios
Track temporary file usage indicating work_mem issues
Analyze checkpoint and background writer I/O
PostgreSQL 16+ enhanced pg_stat_io metrics support

Configuration Analysis

Review PostgreSQL settings by category
Get recommendations for memory, checkpoint, WAL, autovacuum, and connection settings
Identify suboptimal configurations

MCP Prompts & Resources

Pre-defined prompt templates for common tuning workflows
Dynamic resources for table stats, index info, and health checks
Comprehensive documentation resources

Installation

Standard Installation (for MCP clients like Claude Desktop)

GitHub에서 전체 README 보기

설치

docker run -p 8080:8080 \

MCP 초보자라면? mcpskill.org 가이드부터 시작하세요 →

설정

{
  "mcpServers": {
    "pgtuner_mcp": {
      "command": "python",
      "args": ["-m", "pgtuner_mcp"],
      "env": {
        "DATABASE_URI": "postgresql://user:password@localhost:5432/mydb"
      },
      "disabled": false,
      "autoApprove": []
    }
  }
}