← Zurück zur Übersicht

Datenbankzugriff für KI-Agenten: MCP Server mit JDBC

Moderne KI-Agenten sind nur so gut wie die Daten, auf die sie zugreifen können. Mit dem Open-Source-Projekt mcp-server-generic-jdbc lassen sich relationale Datenbanken wie PostgreSQL, MySQL oder Oracle sicher und konfigurierbar für KI-Workflows erschließen – ganz ohne eigenen Code.

Das Model Context Protocol (MCP) von Anthropic definiert eine standardisierte Schnittstelle, über die KI-Assistenten externe Datenquellen und Werkzeuge nutzen können. Bislang fehlte eine generische Lösung für klassische JDBC-Datenbanken. Genau diese Lücke schließt mcp-server-generic-jdbc.

Das Problem – KI-Agenten ohne Datenbankanbindung

KI-Agenten können nur dann produktiv eingesetzt werden, wenn sie auf relevante Unternehmensdaten zugreifen. Viele dieser Daten liegen jedoch in klassischen relationalen Datenbanken, die für KI-Werkzeuge standardmäßig nicht erreichbar sind. Die Integration erfordert entweder proprietäre Anpassungen oder aufwändige Middleware – beides kostet Zeit und Wartungsaufwand.

Ein standardisierter Ansatz fehlt: Jede Datenbank, jede KI-Anwendung, ein eigenes Integrationsprojekt. Das ist nicht skalierbar, und es bindet Entwicklungskapazität, die anderswo gebraucht wird.

Drei MCP-Werkzeuge für vollständigen Lesezugriff

Der Server stellt drei MCP-Werkzeuge bereit, die gemeinsam den vollständigen Lesezugriff auf eine JDBC-Datenbank ermöglichen:

• list_tables: Listet alle erreichbaren Tabellen der verbundenen Datenbank auf – der erste Schritt zur Orientierung für den Agenten.
• describe_table: Liefert Spaltennamen und Datentypen einer bestimmten Tabelle – essenziell, damit der Agent gezielte Abfragen formulieren kann.
• execute_sql: Führt SELECT-Abfragen aus und gibt die Ergebnisse zurück. Destruktive Operationen wie DROP, DELETE oder UPDATE werden durch eingebaute SQL-Validierung blockiert.

Die Werkzeugbeschreibungen lassen sich über Umgebungsvariablen (MCP_TOOL_*_DESCRIPTION) individuell anpassen, damit der Agent den Zweck und Inhalt der Datenbank versteht.

Konfiguration – nur Umgebungsvariablen notwendig

Die gesamte Konfiguration erfolgt über Umgebungsvariablen – kein Code, kein Build-Schritt:

• DB_KIND: Datenbanktyp (z. B. postgresql, mysql)
• DB_URL: JDBC-Verbindungs-URL
• DB_USER / DB_PASS: Zugangsdaten

Für den Betrieb stehen drei Wege zur Verfügung: Entwicklungsmodus mit Live-Reload (./mvnw quarkus:dev), Docker Compose für den produktiven Einsatz sowie ein ausführbares JAR-Paket. Das Deployment-Verzeichnis enthält fertige Beispielkonfigurationen.

Unterstützte Datenbanken

Dank JDBC läuft der Server mit allen gängigen relationalen Datenbanken: PostgreSQL, MySQL, MariaDB, Microsoft SQL Server und Oracle. Wer einen JDBC-Treiber für ein anderes System mitbringt, kann die Liste problemlos erweitern.

Die Implementierung basiert auf Java 21 und dem Quarkus-Framework, das kompakte Container-Images und kurze Startzeiten ermöglicht – beides vorteilhaft für den Einsatz in servernahen Umgebungen.

Fazit

mcp-server-generic-jdbc macht den Schritt von einer isolierten KI zu einem datenbankgestützten Assistenten zum Konfigurationsproblem, nicht mehr zum Programmierproblem. Für alle, die KI-Agenten in bestehende Datenbanklandschaften integrieren möchten, ist das ein praktischer und sicherer Ausgangspunkt.

← Zurück zur Übersicht