AI 에이전트를 위한 향상된 기능을 갖춘 PostgreSQL 데이터베이스용 모델 컨텍스트 프로토콜(MCP) 서버입니다.

PG-MCP 프로젝트에 대한 자세한 정보는 여기에서 확인할 수 있습니다:

https://stuzero.github.io/pg-mcp/

개요

PG-MCP는 PostgreSQL 데이터베이스를 위한 모델 컨텍스트 프로토콜(Model Context Protocol)의 서버 구현체입니다. 이 프로토콜은 MCP의 자원 지향 아키텍처를 통해 AI 에이전트가 PostgreSQL 데이터베이스를 발견, 연결, 쿼리 및 이해할 수 있도록 포괄적인 API를 제공합니다.

이 구현은 참조 Postgres MCP 구현을 기반으로 여러 주요 개선 사항을 추가하여 확장합니다:

1. 완전한 서버 구현: 운영 용도로 SSE 전송을 갖춘 완전한 서버로 구축됨
2. 다중 데이터베이스 지원: 여러 PostgreSQL 데이터베이스에 동시에 연결
3. 풍부한 카탈로그 정보: 데이터베이스 카탈로그에서 테이블/컬럼 설명을 추출하고 노출
4. 확장 컨텍스트: PostGIS와 pgvector 같은 PostgreSQL 확장 기능에 대한 상세한 YAML 기반 지식을 제공합니다
5. 쿼리 설명: 쿼리 실행 계획을 분석하는 전용 도구 포함
6. 견고한 연결 관리: 안전한 연결 ID 처리가 가능한 데이터베이스 연결의 적절한 수명주기

특징

PostgreSQL Model Context Protocol (PG-MCP) Server

A Model Context Protocol (MCP) server for PostgreSQL databases with enhanced capabilities for AI agents.

More info on the pg-mcp project here:

https://stuzero.github.io/pg-mcp/

Overview

PG-MCP is a server implementation of the Model Context Protocol for PostgreSQL databases. It provides a comprehensive API for AI agents to discover, connect to, query, and understand PostgreSQL databases through MCP’s resource-oriented architecture.

This implementation builds upon and extends the reference Postgres MCP implementation with several key enhancements:

1. Full Server Implementation: Built as a complete server with SSE transport for production use
2. Multi-database Support: Connect to multiple PostgreSQL databases simultaneously
3. Rich Catalog Information: Extracts and exposes table/column descriptions from the database catalog
4. Extension Context: Provides detailed YAML-based knowledge about PostgreSQL extensions like PostGIS and pgvector
5. Query Explanation: Includes a dedicated tool for analyzing query execution plans
6. Robust Connection Management: Proper lifecycle for database connections with secure connection ID handling

Features

Connection Management

• Connect Tool: Register PostgreSQL connection strings and get a secure connection ID
• Disconnect Tool: Explicitly close database connections when done
• Connection Pooling: Efficient connection management with pooling

Query Tools

• pg_query: Execute read-only SQL queries using a connection ID
• pg_explain: Analyze query execution plans in JSON format

Schema Discovery Resources

• List schemas with descriptions
• List tables with descriptions and row counts
• Get column details with data types and descriptions
• View table constraints and indexes
• Explore database extensions

Data Access Resources

• Sample table data (with pagination)
• Get approximate row counts

Extension Context

Built-in contextual information for PostgreSQL extensions like:

• PostGIS: Spatial data types, functions, and examples
• pgvector: Vector similarity search functions and best practices

Additional extensions can be easily added via YAML config files.

Installation

Prerequisites

• Python 3.13+
• PostgreSQL database(s)

Using Docker

# Clone the repository
git clone https://github.com/stuzero/pg-mcp-server.git
cd pg-mcp-server

# Build and run with Docker Compose
docker-compose up -d

Manual Installation

# Clone the repository
git clone https://github.com/stuzero/pg-mcp-server.git
cd pg-mcp-server

# Install dependencies and create a virtual environment ( .venv )
uv sync

# Activate the virtual environment
source .venv/bin/activate  # On Windows: .venv\Scripts\activate

# Run the server