Postgres mcp server

rag系列文章目录

---

前言

传统 RAG（Retrieval-Augmented Generation），通过对文本切片向量化，然后召回相似的文本块，来增强大模型的知识。最近MCP爆火，MCP + database作为一种新型的检索增强，也越来越受到人们的关注，今天介绍一种常用的postgres mcp server，说明大模型通过mcp检索的过程。

---

一、传统RAG遇到的困难

RAG从出现到今天，也经过了几年的时间，虽然越来越出色，但是仍然有一些问题，比如：

1、 生成内容不完整：

由于RAG处理的是文档的切片，而这些切片的局部性意味着它无法看到整个文档的信息，因此在回答诸如“列出XXX”或“概括XXX”之类的问题时，答案通常不完整。也就是说，它不擅长总结性的问题。

2、 缺乏整体视角：

RAG无法确定回答一个问题需要多少个切片，也无法确定文档之间的联系。例如，在法律条款中，新的解释可能会覆盖旧的解释，但RAG无法确定哪个是最新的。

3、 多轮检索能力弱：

RAG 缺乏执行多轮、多查询条件检索的能力。

以上问题，在MCP+database场景下，可以通过多条件sql查询来增强检索，并且可以多轮变换sql进行优化查询。

二、Postgres mcp server介绍

在github上面有大量的mcp server，可以进行下载，postgres mcp server地址参考。

使用各种ai工具（比如Claude desktop或者cline等等），可以直接配置，配置如下：

{"mcpServers": {"postgres": {"command": "docker","args": ["run", "-i", "--rm", "mcp/postgres", "postgresql://host.docker.internal:5432/mydb"]}}
}

简单介绍下，这个mcp server，需要本地安装docker，并且下载mcp/postgres镜像，在使用这个mcp时，使用studio协议，也就是会直接命令行操作它，使用标准输入输出进行交互。交互命令：

docker run -i --rm mcp/postgres:latest postgresql://aaa:bb@localhost:5432/postgresdb

这里的- -rm参数，代表执行完毕后，docker容器是不保留的，通过docker ps -a查询不到。

通过上面的方式，支持mcp的工具都可以来操作postgres 数据库了，那么它是怎么操作的呢？下面做个演示，供大家理解。

• 查询这个mcp server里面的工具

docker run -i --rm mcp/postgres:latest postgresql://aaa:bb@localhost:5432/postgresdb <<< '{"jsonrpc":"2.0","method":"tools/list","params":{},"id":1}'

这个命令的含义是：启动mcp server容器进行交互（-i参数），将<<<后面的字符串作为输入，这个输入参数是指查询mcp server里面的工具。
结果如下：

{"result": {"tools": [{"name": "query","description": "Run a read-only SQL query","inputSchema": {"type": "object","properties": {"sql": {"type": "string"}}}}]},"jsonrpc": "2.0","id": 1
}

• 执行sql，查询postgres里面的数据
  Mcp client是如何调用postgres数据库，进行查询的呢？执行命令

docker run -i --rm mcp/postgres:latest postgresql://aaa:bb@localhost:5432/postgresdb <<< '{"method":"tools/call","params":{"name":"query","arguments":{"sql":"SELECT name FROM student_info where age =  18"}},"jsonrpc":"2.0","id":1}'

这个命令的含义是：查询postgres，sql是：SELECT name FROM student_info where age = 18
Mcp返回如下：

{"result": {"content": [{"type": "text","text": "[\n  {\n    \"name\": \"张三\"\n  }\n]"}],"isError": false},"jsonrpc": "2.0","id": 1
}

查询结果显示，年龄等于18的学生是张三。

三、交互过程

上面演示了，直接通过studio方式，调用mcp server。整个交互过程是怎么样的呢？

四、不足

Mcp+database这种检索增强方案，也有一定的不足。

1、 检索数据过量。因为sql是通过大模型生成的，可能存在查询数据过多的问题。如果查询一次性返回大量数据，将会消耗大量 token，甚至可能导致 MCP 客户端卡死。

2、 Text2sql的能力问题。Mcp+database该方案，依赖生成可执行的sql，如果prompt不佳，可能导致生成的sql存在问题。

总结

从上面看出，mcp+database方案，主要解决的是结构化数据的查询问题，是对RAG的一个补充，RAG更侧重于非结构化的数据处理问题。它并不会取代RAG，而是会完善RAG，在特定的领域，比如完全依赖于结构化数据的场景，可能会只需要mcp+database。

参考：文档1、文档2