Базы данных

Airtable

domdomegg

443135

MCP-сервер для управления базами данных Airtable через AI-ассистентов. С ним не нужно переключаться между окнами: вы читаете и меняете данные прямо в чате. Разработчики, продакт-менеджеры и аналитики получают быстрый доступ к структуре базы, содержимому таблиц и записям. Сервер работает как прослойка между AI-моделью и API Airtable. Он понимает схемы баз и выполняет CRUD-операции с записями. Сервер автоматически распознаёт структуру базы и передаёт модели контекст о типах полей и связях между таблицами. Благодаря этому AI-ассистент задаёт точные запросы без дополнительной ручной настройки.

PostgreSQL MCP — pgEdge

pgEdge

17415

pgEdge Postgres MCP превращает PostgreSQL в базу данных, с которой можно разговаривать на естественном языке. Разработчикам и аналитикам не обязательно знать SQL — достаточно описать задачу словами. Сервер не просто переводит текст в SQL. Он использует гибридный поиск: объединяет семантическое понимание (pgvector) с классическим полнотекстовым поиском (BM25). Это даёт точные результаты даже при неточных формулировках. В сервер встроен веб-интерфейс для быстрой проверки запросов. pgEdge Postgres MCP создан для корпоративных проектов: есть система токенов, роли, шифрование и логирование.

MCP Trino

tuannvm

10948

MCP-сервер на Go для Trino — распределённого SQL-движка аналитики больших данных. Trino (бывший PrestoSQL) обрабатывает петабайты данных из разных источников: HDFS, реляционные базы, облачные хранилища. Этот сервер выступает мостом между AI-ассистентами и Trino через стандартный протокол MCP. Зачем это нужно? Разработчик или аналитик общается с AI-ассистентом на естественном языке, а тот напрямую выполняет SQL-запросы, навигирует по каталогам, схемам и таблицам. AI ускоряет разведку данных, написание сложных запросов и составление отчётов. Сервер написан на Go. Код компилируется в один бинарный файл — запуск за миллисекунды, не требует установки интерпретатора. Транспорт stdio делает сервер совместимым с любым MCP-клиентом: Claude Desktop, Cursor, VS Code, JetBrains. Исходный код открыт под лицензией MIT. Сборки заверяются подписью SLSA 3 и проходят сканирование Trivy.

SAP HANA CLI

SAP-samples

10627

SAP HANA CLI — это MCP-сервер для работы с базами данных SAP HANA. Он предоставляет AI-ассистентам более 150 готовых инструментов: от выполнения SQL-запросов до администрирования системы. SAP HANA — это высокопроизводительная in-memory база данных от SAP. Сервер ориентирован на разработчиков и администраторов, которые хотят управлять БД через текстовые команды AI-ассистентов. Не нужно открывать несколько терминалов или запоминать синтаксис утилит. Достаточно описать задачу — ассистент сам выполнит нужные действия с базой.

Prisma MCP

prisma

426

MCP-сервер, который подключает AI-ассистентов к базам данных Prisma Postgres. Разработчики могут управлять базами прямо через диалог с LLM. Для этого не нужно писать отдельные API-запросы — вся логика зашита в протокол MCP. Сервер работает в двух режимах: локальном (для работы на своей машине) и удалённом (для встраивания в веб-приложения и платформы). Удалённый сервер подключается к Prisma Console через транспорт SSE и использует стандартный MCP-транспорт. Основная аудитория — разработчики, которые хотят ускорить работу с базами данных, и инженеры, строящие AI-платформы для управления БД.

Metabase AI Assistant

enessari

429

Metabase AI Assistant — MCP-сервер с 134 инструментами для управления Metabase через AI-ассистента. Вы отдаёте команду на естественном языке, а сервер сам генерирует SQL, строит дашборды, управляет пользователями и настройками. Разработчикам и аналитикам не нужно переключаться между интерфейсами — всё делается из чата. Сервер подходит для команд, которые используют Metabase как корпоративную BI-систему. Он автоматизирует рутину: создание отчётов, проверку прав доступа, экспорт пространств. Благодаря режиму «только чтение» и кэшированию сохраняется безопасность и производительность.

Saga MCP

spranab

254

saga-mcp — это MCP-сервер для управления проектами. Он работает как Jira, но внутри AI-ассистента. Данные хранятся локально в SQLite-файле .tracker.db. Никаких внешних серверов, регистраций и ключей API. Всё полностью под вашим контролем. Главная проблема LLM — потеря контекста между сессиями. saga-mcp решает её: каждое изменение задач, заметок и комментариев фиксируется в структурированной базе. Модель всегда видит полную историю проекта, зависимости и временные затраты. Сервер подходит разработчикам и командам, которые хотят передать AI-агенту ведение бэклога и контроль статусов.

dbmcp

haymon-ai

246

dbmcp — это MCP-сервер, который подключает AI-ассистентов к SQL-базам данных. Он работает с MySQL, MariaDB, PostgreSQL и SQLite. Один бинарник на Rust (~7 МБ) заменяет четыре разных сервера и не требует Python, Node.js или Docker для запуска. Сервер автоматически определяет структуру базы и даёт ассистенту инструменты для навигации по схеме, чтения и записи данных. В dbmcp встроены механизмы безопасности: удаление персональных данных (PII) из ответов и режим «только чтение». В read-only-режиме ассистент видит схему и данные, но не может ничего изменить или удалить. Это даёт возможность безопасно подключать AI к реальным базам данных без риска утечек и случайных изменений.

Gnosis MCP

nicholasglazer

238

Gnosis MCP — сервер для AI-ассистентов, который ищет нужную информацию в вашей локальной документации. Вместо того чтобы копировать целые файлы в контекст, вы отправляете запрос — и получаете точные цитаты из ваших документов. Это снижает расход токенов в 5–10 раз на один поисковый запрос. Сервер подходит разработчикам, которые активно используют AI-кодинг и хотят, чтобы ассистент отвечал на основе актуальной документации проекта. Gnosis MCP работает полностью локально: данные хранятся в SQLite или PostgreSQL, никакие запросы не уходят в облако. По тестам, точность поиска (Hit@5) составляет 92% на реальных разработческих документах. Встроенный механизм чанкования разбивает документы на фрагменты, ранжирует их по релевантности и возвращает только то, что нужно — без лишних токенов.

OneTool MCP

beycom

195

OneTool MCP решает проблему расхода токенов при подключении множества инструментов к AI-ассистенту. Каждый стандартный MCP-сервер тратит от 3 000 до 30 000 токенов на запрос. При подключении 5–10 серверов расход токенов становится критическим, а контекст деградирует — модель хуже понимает задачу. Подробнее об исследовании контекстной деградации. OneTool работает иначе. Это один MCP-сервер, который даёт доступ к более чем 100 инструментам. Вместо загрузки определений всех инструментов агент пишет код на Python для их вызова. Такой подход сокращает расход токенов со 150 000 до 2 000 — экономия 96%. Вы подключаете один сервер и получаете всё сразу: поиск, работу с кодом, облачные сервисы, базы данных, браузерную автоматизацию. Разработчики и DevOps пользуются OneTool с Claude Desktop, Claude Code и любым MCP-клиентом.

MCP Database Server

Souhar-dya

1812

MCP Database Server — это сервер для подключения AI-агентов к реляционным базам данных. Он принимает запросы на естественном языке, преобразует их в SQL и возвращает структурированные результаты. Предназначен для разработчиков и DevOps, которые хотят дать языковым моделям возможность работать с данными напрямую. Поддерживает PostgreSQL и MySQL. Все операции выполняются только на чтение, чтобы избежать случайных изменений.

Engram Server

jamjet-labs

135

Engram-server — это MCP-сервер для долговременной памяти AI-агентов. Он извлекает факты из диалоговой истории, хранит их в виде структурированных записей и позволяет быстро находить нужную информацию. В основе сервера — гибридный механизм поиска, сочетающий полнотекстовый и семантический поиск, а также временной граф, отслеживающий связи между фактами во времени. Сервер написан на Rust и работает через протокол MCP с транспортом stdio. Он не требует внешних хранилищ для базовой работы — использует SQLite для локального хранения данных. Для продакшен-нагрузок можно подключить PostgreSQL. Engram-server подходит разработчикам, которые создают AI-агентов и хотят дать им долгосрочную память для сохранения контекста между сессиями.