Postgres MCP：让 AI 直接查询数据库，从自然语言到 SQL 到结果

为什么需要 Postgres MCP

数据工作流的痛点：

你：帮我查上周销售额按品类拆分
传统流程：
  1. 切到 SQL 客户端
  2. 查表结构（有哪些字段）
  3. 写 SQL
  4. 执行，复制结果
  5. 切回 AI 对话，贴结果
  6. AI 分析
  → 6 步，5 次应用切换

Postgres MCP：
  你：帮我查上周销售额按品类拆分
  AI：
    1. 自动查表结构
    2. 生成 SQL
    3. 直接执行
    4. 分析结果
    5. 一句话回答
  → 1 步，0 次切换

Postgres MCP 把数据库变成 AI 的"原生能力"，让自然语言到数据的距离归零。

核心能力

能力	工具名	说明
列出表	`list_tables`	获取所有表名
表结构	`describe_table`	查看字段、类型、注释
执行 SQL	`execute_sql`	运行只读或写 SQL
只读查询	`read_query`	仅 SELECT，安全
写操作	`write_query`	INSERT/UPDATE/DELETE
Schema 探索	`list_schemas`	列出所有 schema

安装与配置

Step 1：准备数据库

确保 Postgres 可访问，准备一个专用账号（不要用 root）：

-- 创建只读账号（推荐）
CREATE USER mcp_reader WITH PASSWORD 'strong_password';
GRANT USAGE ON SCHEMA public TO mcp_reader;
GRANT SELECT ON ALL TABLES IN SCHEMA public TO mcp_reader;
ALTER DEFAULT PRIVILEGES IN SCHEMA public 
  GRANT SELECT ON TABLES TO mcp_reader;

-- 如需写权限（高风险，慎用）
CREATE USER mcp_writer WITH PASSWORD 'strong_password';
GRANT INSERT, UPDATE, DELETE ON ALL TABLES IN SCHEMA public TO mcp_writer;

Step 2：各客户端配置

Claude Desktop

{
  "mcpServers": {
    "postgres": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-postgres"],
      "env": {
        "POSTGRES_CONNECTION_STRING": "postgresql://mcp_reader:strong_password@host:5432/dbname"
      }
    }
  }
}

Cursor / VS Code Continue

{
  "mcpServers": {
    "postgres": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-postgres"],
      "env": {
        "POSTGRES_CONNECTION_STRING": "postgresql://mcp_reader:strong_password@host:5432/dbname"
      }
    }
  }
}

Step 3：验证

重启客户端，输入：

列出数据库里所有的表

AI 调用 list_tables 返回表清单，确认配置成功。

五个实战场景

场景 1：自然语言查数

你：上周各品类的销售额，按降序排

AI：
  1. describe_table orders → 确认字段（category, amount, created_at）
  2. 生成 SQL：
     SELECT category, SUM(amount) AS total
     FROM orders
     WHERE created_at >= NOW() - INTERVAL '7 days'
     GROUP BY category
     ORDER BY total DESC
  3. execute_sql → 拿到结果
  4. 输出：
     | 品类 | 销售额 |
     | 服饰 | ¥128,500 |
     | 数码 | ¥98,200 |
     | 食品 | ¥45,800 |

场景 2：Schema 探索

你：我刚接手这个库，帮我理清核心表关系

AI：
  1. list_tables → 找到 15 张表
  2. 对每张 describe_table → 抓外键
  3. 输出关系图：
     users ─┬─ orders ──── order_items ── products
            └─ addresses                    └─ categories
     关键字段标注 + 表用途一句话总结

场景 3：数据校验

你：检查 users 表里有没有重复邮箱

AI：
  1. 生成校验 SQL：
     SELECT email, COUNT(*) AS cnt
     FROM users
     GROUP BY email
     HAVING COUNT(*) > 1
  2. execute_sql
  3. 输出：发现 3 个重复邮箱，列出明细
  4. 建议修复 SQL（但不执行，需你确认）

场景 4：报表生成

配合 Filesystem MCP 把查询结果落盘：

你：生成本月销售周报，存到 /reports/ 下

AI：
  1. 查本月数据（4 周）
  2. 算环比、同比
  3. 生成 Markdown 报表
  4. 用 Filesystem MCP 写到 /reports/2026-08.md
  → 直接交付成品文件

场景 5：慢查询分析

你：最近 orders 表查询慢，帮我分析

AI：
  1. 查 pg_stat_statements：
     SELECT query, calls, mean_exec_time, total_time
     FROM pg_stat_statements
     WHERE query LIKE '%orders%'
     ORDER BY total_time DESC LIMIT 5
  2. describe_table orders → 看索引
  3. 定位：某查询没命中索引
  4. 建议：CREATE INDEX idx_orders_status_date ON orders(status, created_at)
  5. 给出执行计划对比（EXPLAIN ANALYZE）

权限管控要点

1. 只读优先

✓ 用 mcp_reader 账号（仅 SELECT）
✗ 用 mcp_writer 账号日常用 → 误删数据风险

2. 写操作二次确认

AI 生成的 UPDATE/DELETE：
  → 不直接执行
  → 先 SELECT WHERE 同条件预览影响行
  → 用户确认后再 write_query

Step 3 在 system prompt 中加规则：

你连的是生产库。规则：
1. 任何写操作前必须先用 SELECT 预览影响行
2. DELETE 必须带 LIMIT
3. 不执行 DROP/TRUNCATE
4. 大批量写（>100 行）需用户确认

3. 敏感字段脱敏

✗ AI 查 users 表把 password_hash、手机号全输出
✓ system prompt 加规则：输出前脱敏 phone（显示 138****1234）、隐藏 password 类字段

4. 连接隔离

✗ 一个 MCP 连接既读生产又读测试 → 容易搞混
✓ 生产/测试用不同 MCP 配置，命名清晰

注意事项

1. 连接池

MCP server 默认单连接，高并发会阻塞。生产环境需配连接池（如 PgBouncer）。

2. 查询超时

✗ AI 生成的 SQL 跑了 10 分钟没回来 → 卡住
✓ 在连接串加 statement_timeout：
   postgresql://user:pass@host/db?options=-c%20statement_timeout%3D30000
   （30 秒超时）

3. 大结果集

✗ SELECT * FROM logs → 1000 万行 → 内存爆
✓ system prompt 加规则：默认 LIMIT 100，需全量时用户确认

4. 事务边界

AI 多次 write_query 不是一个事务 → 中途失败留下脏数据
解决：复杂写操作让 AI 生成完整 SQL 脚本，一次性执行

5. 注释依赖

✗ 字段名 user_id1、flag2 → AI 猜不出含义
✓ 字段加 COMMENT ON COLUMN → AI 能读懂
   COMMENT ON COLUMN orders.status IS '订单状态：pending/paid/shipped/done'

与直接用 SQL 的区别

维度	Postgres MCP	直接写 SQL
入门门槛	自然语言	学 SQL
探索速度	快（自动理 schema）	慢
适合场景	临时分析、探索	高频报表
可控性	中	高
上线建议	探索用 MCP，生产报表用 SQL

与其他 MCP 的协作

组合	场景
Postgres + Filesystem	查询结果写文件
Postgres + Slack	数据异常通知团队
Postgres + GitLab	数据问题追溯代码
Postgres + Memory MCP	记住常用查询模板

小结

Postgres MCP 把数据库从"需要切应用才能用"变成 AI 的原生能力，让自然语言到数据的距离归零。

记住一个安全原则：只读账号日常用，写操作必须二次确认。配合 Filesystem MCP 落盘、Slack MCP 通知，你能搭一个从数据到决策到交付的全自动数据助手。