Übersicht

PostgreSQL MCP (häufig als Postgres MCP Pro bezeichnet) ist ein Open-Source-Model Context Protocol (MCP) Server, der darauf ausgelegt ist, KI-Agenten sicheren und intelligenten Zugang zu PostgreSQL-Datenbanken zu gewähren.

Es geht weit über die bloße Ausführung von Abfragen hinaus, indem es konfigurierbare schreibgeschützte oder Lese-/Schreib-Modi, umfassende Leistungsdiagnosen, automatisierte Index-Empfehlungen und produktionsreife Sicherheitsfunktionen bietet. Gebaut, um den gesamten Entwicklungslebenszyklus zu unterstützen – vom Schema-Exploration und Coding über Tests und Deployment bis hin zur laufenden Wartung.

Beliebte Implementierungen umfassen die ursprüngliche Anthropic-Referenz (jetzt aufgrund von Sicherheitsüberlegungen als veraltet/archiviert gekennzeichnet), Community-Forks und erweiterte Versionen wie Postgres MCP Pro von Crystal DBA.

Funktionen

Konfigurierbare Zugriffsmodi: Strikte schreibgeschützte Transaktionen (verhindert Änderungen) oder kontrollierter Lese-/Schreibzugriff mit Transaktionssicherheit.
Schema- & Daten-Exploration: Tabellen auflisten, Schemata, Spalten, Indizes und Constraints inspizieren sowie natürlichsprachliche Abfragen ausführen.
Leistungsanalyse: Gesundheitschecks für Buffer-Cache, Vakuum-Status, Replikationsverzögerung, Verbindungsauslastung, Sequenzlimits und mehr.
Index-Optimierung & Explain Plans: Fortschrittliche Index-Empfehlungs-Engine, die tausende Kombinationen testet; Unterstützung für hypothetische Indizes und detaillierte Query-Explain-Plans.
Sichere SQL-Ausführung: Schreibgeschützte Wrapper, Abfragevalidierung und Schutzvorkehrungen gegen gefährliche Operationen.
Für KI-Agenten optimiert: Tools, die für geringe Token-Nutzung, klare Ausgabeformatierung und nahtlose Integration mit Claude, Cursor, Gemini und anderen MCP-Clients konzipiert sind.
Docker & einfaches Deployment: Offizielles Docker-Image für konsistente, abhängigkeitsfreie Ausführungen.
Erweiterbar: Unterstützt Community-Postgres, RDS, Aurora und die meisten PostgreSQL v12+ Instanzen.

Anwendungsfälle

KI-unterstützte Datenbankentwicklung: Lassen Sie Ihren KI-Agent Schemata erkunden, optimale Abfragen vorschlagen oder Migrationen in natürlicher Sprache generieren.
Leistungsoptimierung: Fragen Sie "Analysiere langsame Abfragen" oder "Empfehle Indizes für diese Tabelle" – erhalten Sie umsetzbare Erkenntnisse mit Explain-Plans.
Produktions-Monitoring: Führen Sie Gesundheitschecks durch, erkennen Sie Bloat oder überwachen Sie Vakuum/Autovacuum ohne manuelles SQL.
Sichere Datenanalyse: Gewähren Sie schreibgeschützten Zugriff für Berichte, Analysen oder Kundensupport-Agenten, ohne die Datenintegrität zu gefährden.
Voller Entwicklungs-Workflow: Vom initialen Projekt-Setup und Testing über das Deployment bis hin zur laufenden Optimierung – alles gesteuert durch konversationelle KI.

Installation & Schnellstart

Mit Docker (Empfohlen)

Image ziehen und ausführen:

docker run -p 8080:8080 crystaldba/postgres-mcp --connection-string "postgresql://user:pass@localhost:5432/mydb"

Python / uv Installation

uv pip install postgres-mcp
uv run postgres-mcp "postgresql://user:password@localhost:5432/dbname"

Konfiguration für Clients (Claude Desktop, Cursor, etc.)

Fügen Sie Ihre MCP-Konfiguration (z.B. ~/.cursor/mcp.json oder die Claude-Einstellungen) mit dem entsprechenden Befehl/den entsprechenden Argumenten hinzu, die auf den laufenden Server verweisen.

Vollständige Dokumentation, Verbindungsbeispiele und Sicherheitsbest Practices finden Sie im Repository.

Sicherheitshinweise

Bevorzugen Sie den Nur-Lesen-Modus für nicht vertrauenswürdige Agenten.
Die ursprüngliche Referenzimplementierung von Anthropic hatte eine bekannte SQL-Injection-Schwachstelle (in Forks und späteren Versionen gepatcht).
Verwenden Sie stets Verbindungszeichenfolgen mit Benutzern mit minimalen Berechtigungen und erwägen Sie Einschränkungen auf Netzwerkebene.

Postgresql MCP