QueryWeaver

QueryWeaver

FalkorDBAGPL-3.0
1.1k звёзд143 форков
QueryWeaver — это MCP-сервер с открытым исходным кодом. Он превращает вопросы на русском и английском языке в рабочие SQL-запросы. Сервер строит графовую схему вашей базы данных. Он понимает, как связаны таблицы, где первичные и внешние ключи. Это даёт точные запросы без ручных правок и лишних джойнов. QueryWeaver подойдёт разработчикам, дата-аналитикам и инженерам, которые хотят дать ИИ-ассистенту прямой доступ к данным. Вы просто описываете задачу — сервер генерирует SQL. Не нужно помнить синтаксис сложных запросов.
  • Официальный сервер
  • Удалённый сервер (по URL)
  • Python
  • Лицензия AGPL-3.0
  • Обновлён 17 ноября 2026 г.

Как подключить QueryWeaver

  1. Узнайте адрес сервера (URL) в документации проекта по ссылке ниже.
  2. Добавьте удалённый MCP-сервер в настройках клиента: укажите URL и транспорт (Streamable HTTP — удалённый).
  3. Войдите в аккаунт сервиса, если клиент откроет окно авторизации, и проверьте, что появились инструменты сервера.

Где лежит файл конфигурации у Claude Desktop, Cursor, VS Code и других клиентов, показано в начале каталога MCP.

Характеристики

Общее

  • СтатусОфициальный
  • РазработчикFalkorDB
  • ЛицензияAGPL-3.0
  • Последний релиз18.08.2026
  • Активность источника17.11.2026

Технологии

  • Языки
    Python
  • Транспорт
    Streamable HTTP — удалённый

Описание

Возможности

  • Преобразует вопросы на русском и английском в корректный SQL
  • Строит графовую схему БД для точного понимания связей между таблицами
  • Работает как MCP-сервер (streamable-http) и как REST API
  • Поддерживает нескольких AI-провайдеров: OpenAI, Google Gemini, Anthropic Claude, Azure OpenAI
  • Сохраняет контекст диалога в БД FalkorDB с настраиваемым временем жизни (TTL)
  • Возвращает готовый SQL-запрос и результаты его выполнения
  • Запускается одной командой через Docker (Python и зависимости не нужны)
  • Исходный код открыт под лицензией AGPL-3.0

Как подключить

Для работы серверу нужен запущенный Docker и ключ API одного из AI-провайдеров.

1. Запустите контейнер

Базовая команда для тестирования:

docker run -p 5000:5000 -it falkordb/queryweaver

Если используете .env файл (рекомендуется для хранения ключей):

docker run -p 5000:5000 --env-file .env falkordb/queryweaver

2. Настройте MCP-клиент

Добавьте в конфигурационный файл вашего клиента (claude_desktop_config.json) следующий блок:

{ "mcpServers": { "QueryWeaver": { "command": "docker", "args": [ "run", "-i", "--rm", "-p", "5000:5000", "-e", "OPENAI_API_KEY=sk-your-key", "falkordb/queryweaver" ] } } }

3. Перезагрузите клиент

Закройте и откройте приложение заново. В списке инструментов появится QueryWeaver.

Примеры запросов

  • «Покажи топ-10 клиентов по общей сумме заказов за последний квартал»
  • «Найди все заказы со статусом «доставлен», где сумма превышает 10 000 рублей»
  • «Сколько новых пользователей зарегистрировалось на прошлой неделе, разбивка по дням»
  • «Выведи список товаров, которые ни разу не заказывали, отсортированный по дате добавления»

Технические детали

  • Язык разработки: Python (FastAPI)
  • Транспортный протокол: streamable-http
  • Лицензия: AGPL-3.0
  • Разработчик: FalkorDB
  • Звёзд на GitHub: 1000+
  • Совместимые клиенты: Claude Desktop, Cursor, любой MCP-хост

Поделиться