MCP + openGauss

随着AI从静态推理向动态交互演进，智能体（Agent）逐渐成为焦点。Agent不仅能够调用LLM进行推理，还能访问数据库、调用API、执行任务。然而，当前LLM和Agent之间缺乏标准化交互协议, 每个新数据源都需要自定义实现，使得真正互联的系统难以扩展。MCP(Model Context Protocol, 模型上下文协议)解决了这一挑战，MCP是为LLM和Agent系统设计的标准化交互框架，使LLM可以与外部数据库、API和工具进行高效交互。

openGauss + MCP + LLM 架构

图 1 openGauss + MCP + LLM 架构

快速搭建openGauss + MCP + LLM的AI Agent应用

环境准备

安装python3环境，安装uv。
通过容器部署并启动openGauss数据库。
下载Claude Desktop配合MCP协议进行问答操作。

获取openGauss_mcp_server源码

访问链接 https://github.com/vincentsunx/mcp-openGauss.git 获取openGauss_mcp_server源码，当前版本为（0.1.0）。

配置参数

打开Claude Desktop设置，编辑配置文件。

图 2 Claude Desktop配置页面

通过Edit Config增加配置

{
    "mcpServers": {
        "openGauss": {
            "command": "uv",
            "args": [
            "--directory",
            "path/to/openGauss_mcp_server",
            "run",
            "server.py"
            ],
            "env": {
                "OPENGAUSS_HOST": "localhost",
                "OPENGAUSS_PORT": "8888",
                "OPENGAUSS_USER": "your_username",
                "OPENGAUSS_PASSWORD": "your_password",
                "OPENGAUSS_DBNAME": "your_database"
            }
        }
    }
}

AI服务集成

重新启动Claude Desktop

可以看到可用MCP Tool, 执行sql通过openGauss server

图 3 Claude Desktop可用MCP Tool

使用Cluade Desktop通过openGauss进行问答

图 4 Claude Desktop问答演示