Redshift MCP 伺服器

這是一個基於 Model Context Protocol (MCP) 的 Amazon Redshift 資料庫探索工具，專為 AI 語言模型設計，提供結構化的資料庫探索功能。

功能特色

• 引導式資料探索：遵循 Schema → Table → Column 的探索流程
• 穩健連線管理：採用每次使用時建立/切斷連線的模式確保最高穩定性
• MCP 標準協定：使用 FastMCP 框架實作，符合 MCP 協定標準
• 多種工具：提供 schema、table、column 列表查詢及 SQL 執行功能

安裝

從 PyPI 安裝 (推薦)

pip install redshift-comment-mcp

本地開發安裝

git clone https://github.com/kouko/redshift-comment-mcp.git
cd redshift-comment-mcp
pip install -e ".[dev]"

系統需求：本專案需要 Python 3.10 或更高版本。

使用方式

命令列執行

redshift-comment-mcp --host your-cluster.region.redshift.amazonaws.com \
                --port 5439 \
                --user your_username \
                --password your_password \
                --dbname your_database

使用環境變數

您可以將密碼存放在環境變數中：

export REDSHIFT_PASSWORD=your_password
redshift-comment-mcp --host your-cluster.region.redshift.amazonaws.com \
                --port 5439 \
                --user your_username \
                --dbname your_database

MCP Client 設定

方式一：使用 uvx（從 PyPI 安裝，推薦正式使用）

在 MCP Client 的設定檔中加入以下設定：

{
  "mcpServers": {
    "redshift-comment-mcp": {
      "command": "uvx",
      "args": [
        "redshift-comment-mcp@latest",
        "--host", "your-cluster.region.redshift.amazonaws.com",
        "--port", "5439",
        "--user", "your_username",
        "--password", "your_password",
        "--dbname", "your_database"
      ]
    }
  }
}

方式二：本地開發設定（推薦開發使用）

對於本地開發，需要使用 Python 的完整路徑，否則 MCP Client 可能會找不到 Python 執行檔。

步驟 1：找到 Python 完整路徑

# 如果使用 conda 環境
which python
# 例如輸出：/Users/username/opt/miniconda3/envs/redshift-comment-mcp/bin/python

# 如果使用 venv
# 例如：/path/to/project/.venv/bin/python

步驟 2：確認套件已用 editable 模式安裝

cd /path/to/redshift-comment-mcp
pip install -e ".[dev]"

步驟 3：設定 MCP Client

在 ~/.claude.json（Claude Code）或 claude_desktop_config.json（Claude Desktop）中加入：

{
  "mcpServers": {
    "redshift-local": {
      "command": "/Users/username/opt/miniconda3/envs/redshift-comment-mcp/bin/python",
      "args": [
        "-m", "redshift_comment_mcp.server",
        "--host", "your-cluster.region.redshift.amazonaws.com",
        "--port", "5439",
        "--user", "your_username",
        "--password", "your_password",
        "--dbname", "your_database"
      ]
    }
  }
}

⚠️ 重要：command 必須使用 Python 的完整絕對路徑（如 /Users/username/opt/miniconda3/envs/xxx/bin/python），不能只寫 python，否則會出現 executable file not found in $PATH 錯誤。

使用環境變數隱藏密碼（可選）

{
  "mcpServers": {
    "redshift-local": {
      "command": "/Users/username/opt/miniconda3/envs/redshift-comment-mcp/bin/python",
      "args": [
        "-m", "redshift_comment_mcp.server",
        "--host", "your-cluster.region.redshift.amazonaws.com",
        "--port", "5439",
        "--user", "your_username",
        "--dbname", "your_database"
      ],
      "env": {
        "REDSHIFT_PASSWORD": "your_password"
      }
    }
  }
}

更新原始碼後

如果套件是用 editable 模式安裝（pip install -e .），更新原始碼後不需要重新安裝，只需要重啟 MCP Server（重啟 Claude Code / Claude Desktop）即可載入最新程式碼。

可用工具

1. List Schemas

列出資料庫中所有可用的 schema 及其註解。這是探索流程的第一步。

2. List Tables

列出指定 schema 中的所有資料表、視圖及其註解。

3. List Columns

列出指定資料表的所有欄位、資料型態及其註解。

4. Execute SQL

執行 SQL 查詢以獲取資料。僅支援 SELECT 查詢。

開發

執行測試

pytest tests/

建置套件

python -m build

發佈到 PyPI

自動化發佈（推薦）

本專案使用 GitHub Actions 自動化發佈流程：

1. 更新 pyproject.toml 中的版本號
2. 建立 GitHub Release
3. GitHub Actions 自動執行測試、建置並發佈到 PyPI

詳細設定請參考 .github/DEPLOYMENT.md

手動發佈

python -m twine upload dist/*

資料庫註解最佳實踐

為了讓 AI 更好地理解您的資料庫結構，建議在資料庫中新增結構化的註解：

Schema 註解範例

COMMENT ON SCHEMA sales IS '[用途] 儲存所有與線上零售相關的銷售數據。 [主要實體] 訂單, 客戶, 產品';

Table 註解範例

COMMENT ON TABLE sales.orders IS '[實體] 訂單 [內容] 包含每一筆客戶訂單的詳細記錄。 [PK] order_id [FK] customer_id -> customers.customer_id';

Column 註解範例

COMMENT ON COLUMN sales.orders.revenue IS '[定義] 該筆訂單的總銷售金額。 [語意類型] Metric [單位] 新台幣 [計算方式] 未稅商品總價 + 稅金 - 折扣。';

授權

MIT License

貢獻

歡迎提交 Issue 和 Pull Request。