Shop MCP Server
Enables AI agents to analyze an SQLite e-commerce database via secure read-only SQL queries, providing tools for table inspection and analytical requests.
README
Shop MCP Server
Локальный MCP-сервер для аналитики SQLite-базы интернет-магазина. AI-агент вызывает MCP-инструмент, сервер преобразует запрос в безопасный SQL SELECT, напрямую читает shop.db и возвращает структурированный результат.
Host-приложение
├── AI-агент / LLM
└── MCP-клиент
│ JSON-RPC / stdio
▼
Shop MCP Server
│ read-only SQLite
▼
data/shop.db
Возможности
- прямое подключение к SQLite без HTTP и отдельного DB-сервера;
- MCP-транспорт
stdio; - обнаружение
query_shopиinspect_databaseчерезtools/list; - восемь примеров задания в описании и JSON Schema инструмента;
- обычный текст, JSON intent или готовый безопасный
SELECT; - исключение заказов
cancelledиз всей аналитики; - пагинация и ограничение результата;
- многоуровневая read-only защита.
Установка
Требуется Python 3.11 или новее.
python3 -m venv .venv
.venv/bin/python -m pip install -e '.[dev]'
Подготовленная база уже находится в data/shop.db. В ней 150 клиентов, поле customers.country заполнено у всех клиентов, а 45 клиентов относятся к Germany.
Повторная подготовка базы
Исходная база не изменяется. Команда создаёт новую рабочую копию и добавляет country TEXT NOT NULL с воспроизводимыми синтетическими значениями:
.venv/bin/shop-prepare-db /path/to/original/shop.db ./data/shop.db
Распределение зависит только от customers.id, поэтому повторная подготовка даёт те же значения. Страны являются тестовыми данными и не описывают реальное местонахождение клиентов.
Настройка пути
Путь определяется в таком порядке:
SHOP_DB_PATH;- JSON-файл из
SHOP_MCP_CONFIGилиconfig/shop_mcp.json; data/shop.dbотносительно рабочей директории.
Пример переменной окружения находится в .env.example, а конфигурация MCP-клиента — в config/mcp.example.json. Замените /absolute/path/to/MCPDeveloper на абсолютный путь к проекту.
Запуск
Обычно сервер запускает MCP-клиент из своей конфигурации. Для ручного запуска процесса:
SHOP_DB_PATH=./data/shop.db .venv/bin/python -m shop_mcp.server
stdout зарезервирован для MCP JSON-RPC. Диагностика не выводится в протокольный поток.
Инструменты
inspect_database
Аргументы:
{"action": "list_tables"}
или:
{"action": "describe_table", "table": "customers"}
query_shop
Аргументы:
{
"request": "Сколько клиентов из Германии?",
"limit": 100,
"offset": 0
}
Примеры, объявляемые через tools/list:
- Какие таблицы есть в базе и какие в них поля?
- Сколько клиентов из Германии?
- В какой стране больше всего клиентов?
- Какой клиент потратил больше всего? Верни имя, email и общую сумму.
- Покажи топ-5 товаров по проданному количеству и выручке.
- Покажи топ-3 категории по выручке.
- Какая выручка была в 2025 году?
- Какой клиент сделал больше всего заказов?
Можно передать структурированный intent:
{
"request": "{\"intent\": \"revenue_by_year\", \"year\": 2025}"
}
Или готовый запрос:
{
"request": "SELECT name, category FROM products ORDER BY name"
}
Бизнес-правила
orders.status = 'cancelled'не участвует в метриках.- Расходы клиентов и годовая выручка считаются по
orders.total_amount. - Выручка товаров и категорий считается как
quantity * unit_price. - Интервал года полуоткрытый: от 1 января включительно до 1 января следующего года исключительно.
- В поставленной базе все заказы относятся к 2026 году, поэтому выручка за 2025 год равна
0.
Безопасность
Сервер открывает SQLite через mode=ro, включает query_only, устанавливает SQLite authorizer, запрещает несколько выражений, DML, DDL, ATTACH, изменяющие PRAGMA, загрузку расширений и ограничивает время выполнения.
Любая попытка выполнить операцию, отличную от SELECT, возвращает точный ответ:
Не доступный вариант запроса
Внутренние ошибки SQLite, stack trace и локальные пути клиенту не возвращаются.
Проверка
.venv/bin/pytest
.venv/bin/ruff check .
.venv/bin/ruff format --check .
Тесты включают реальный запуск MCP-сервера как subprocess, подключение ClientSession через stdio, tools/list, вызов обоих инструментов, аналитические сценарии и попытки изменения базы.
Полная утверждённая спецификация находится в docs/specification.md.
Recommended Servers
playwright-mcp
A Model Context Protocol server that enables LLMs to interact with web pages through structured accessibility snapshots without requiring vision models or screenshots.
Magic Component Platform (MCP)
An AI-powered tool that generates modern UI components from natural language descriptions, integrating with popular IDEs to streamline UI development workflow.
Audiense Insights MCP Server
Enables interaction with Audiense Insights accounts via the Model Context Protocol, facilitating the extraction and analysis of marketing insights and audience data including demographics, behavior, and influencer engagement.
VeyraX MCP
Single MCP tool to connect all your favorite tools: Gmail, Calendar and 40 more.
graphlit-mcp-server
The Model Context Protocol (MCP) Server enables integration between MCP clients and the Graphlit service. Ingest anything from Slack to Gmail to podcast feeds, in addition to web crawling, into a Graphlit project - and then retrieve relevant contents from the MCP client.
Kagi MCP Server
An MCP server that integrates Kagi search capabilities with Claude AI, enabling Claude to perform real-time web searches when answering questions that require up-to-date information.
E2B
Using MCP to run code via e2b.
Neon Database
MCP server for interacting with Neon Management API and databases
Exa Search
A Model Context Protocol (MCP) server lets AI assistants like Claude use the Exa AI Search API for web searches. This setup allows AI models to get real-time web information in a safe and controlled way.
Qdrant Server
This repository is an example of how to create a MCP server for Qdrant, a vector search engine.