Base de datos

PlanetScale documenta MCP hospedado en planetscale.com/docs/connect/mcp: `https://mcp.pscale.dev/mcp/planetscale` con OAuth para organizaciones, bases, branches, esquemas e Insights. Endpoint solo-insights omite consultas. Herramientas: listados, schema, insights, búsqueda de docs y consultas read/write con salvaguardas. El MCP CLI local está deprecado.

Turso documenta MCP integrado en el CLI `tursodb` (docs.turso.tech/cli/mcp-server): `tursodb /ruta/base.db --mcp` por stdio JSON-RPC. Herramientas: open_database, list_tables, describe_table, execute_query (solo SELECT), insert/update/delete_data y schema_change. El blog de Turso muestra configuración en Claude Desktop/Code con `claude mcp add`—sin paquete npm para bases embebidas locales.

Upstash documenta MCP oficial en upstash.com/docs/agent-resources/mcp (repo upstash/mcp-server, npm @upstash/mcp-server). Comando: npx -y @upstash/mcp-server@latest --email ... --api-key ... para Redis, QStash, Workflow y Upstash Box. Claves API readonly desactivan herramientas de escritura.

Convex documenta MCP en docs.convex.dev/ai/convex-mcp-server, iniciado con npx -y convex@latest mcp start tras vincular proyecto. Herramientas: status, tables, data, runOneoffQuery, functionSpec, run, logs, insights, env*. Flags --prod y --disable-tools restringen alcance; escritura en prod requiere --dangerously-enable-production-deployments.

MotherDuck documenta MCP remoto en https://api.motherduck.com/mcp (gestionado, lectura-escritura) con OAuth o Bearer para Claude, Cursor, ChatGPT y otros. Herramientas `query` (solo lectura) y `query_rw` más exploración de esquema. El paquete open source mcp-server-motherduck (uvx) atiende DuckDB local, S3 y flags --read-write.

El proyecto zilliztech/mcp-server-milvus (milvus.io/docs/milvus_and_mcp.md) expone operaciones de Milvus a clientes MCP como Claude Desktop y Cursor. Se recomienda `uv run src/mcp_server_milvus/server.py --milvus-uri http://localhost:19530` con variables MILVUS_URI, MILVUS_TOKEN y MILVUS_DB. Herramientas documentadas: milvus-text-search, milvus-hybrid-search, milvus-multi-vector-search, milvus-query y milvus-count.

El servidor MCP open source mcp-clickhouse (ClickHouse/mcp-clickhouse) expone run_query, list_databases y list_tables paginado contra clusters ClickHouse, en modo lectura por defecto salvo CLICKHOUSE_ALLOW_WRITE_ACCESS. El extra chDB añade run_chdb_select_query. HTTP/SSE requiere CLICKHOUSE_MCP_AUTH_TOKEN, OAuth FastMCP o CLICKHOUSE_MCP_AUTH_DISABLED=true en local; /health para probes sin credenciales.

Snowflake documenta un endpoint MCP alojado en la plataforma que expone datos y cargas Cortex gobernadas sin un puente MCP autogestionado aparte. Los administradores crean herramientas con SQL (`CREATE MCP SERVER`): búsquedas Cortex Search, mensajes Cortex Analyst, ejecuciones Cortex Agent, SQL parametrizado o herramientas GENÉRICAS con funciones Snowflake nativas; los clientes OAuth se autentican frente al host MCP hospedado en la cuenta usando la revisión MCP indicada por Snowflake.

La extensión comunitaria `duckdb_mcp` incrusta capacidades MCP cliente y servidor dentro de DuckDB. Tras `INSTALL duckdb_mcp FROM community` y `LOAD duckdb_mcp`, SQL puede enlazar servidores MCP remotos (stdio/TCP/WebSocket), enumerar recursos (`mcp_list_resources`), ejecutar herramientas remotas (`mcp_call_tool`) y leer datos vía URIs `mcp://` con funciones DuckDB estándar. En la dirección inversa, DuckDB publica tablas, consultas y herramientas con SQL preparado usando `mcp_publish_*` y `mcp_server_start` para que clientas externas MCP consuman dichos assets.

La integración oficial de Neon MCP expone proyectos Postgres de Neon a asistentes compatibles con MCP mediante Streamable HTTP (`https://mcp.neon.tech/mcp`), SSE heredado (`https://mcp.neon.tech/sse`) o el paquete local `@neondatabase/mcp-server-neon`. La documentación enumera herramientas para ciclo de vida de proyectos y ramas, ejecución SQL, ramas de ensayo para migraciones, diagnóstico de consultas lentas, aprovisionamiento de Neon Auth, configuración de Data API y recuperación de documentación incrustada: todas mapeadas a la API de Neon.

Implementación oficial del servidor MCP de Qdrant que aporta una capa de memoria semántica para agentes de IA sobre búsqueda vectorial de Qdrant. Expone herramientas MCP para guardar información y recuperar contexto relevante, permitiendo persistencia entre sesiones.

Proporciona a agentes de IA acceso a esquemas de Prisma, planificación de migraciones y capacidades de introspección de base de datos. Los agentes pueden proponer migraciones, explorar modelos de datos y generar consultas type-safe basadas en tu configuración de Prisma. Funciona con proyectos locales y despliegues remotos de Prisma Data Proxy.

Permite a agentes de IA ejecutar consultas, inspeccionar colecciones, ejecutar pipelines de agregación y analizar planes de explicación contra clusters de MongoDB. Depura modelos de documentos y problemas de rendimiento haciendo que el agente explore estructuras de datos directamente. Soporta consultas federadas de MongoDB Atlas y Atlas Search.

Permite a agentes de IA inspeccionar índices de base de datos vectorial de Pinecone, consultar vectores, gestionar colecciones y depurar comportamiento de recuperación. Útil para equipos que usan búsqueda vectorial en aplicaciones RAG que quieren entender estadísticas de índice y optimizar rendimiento de búsqueda de similitud.

Expone operaciones de almacenamiento clave-valor de Redis a agentes de IA incluyendo GET/SET, operaciones de lista, manipulación de hashes y depuración de pub/sub. Los agentes pueden inspeccionar cachés, depurar almacenes de sesión y verificar feature flags sin volcar bases de datos completas. Soporta configuraciones de Redis Cluster y Sentinel.

Conecta agentes a proyectos de Supabase para inspección de tablas, depuración de Edge Functions, triggers de base de datos y suscripciones en tiempo real. Los agentes pueden inspeccionar políticas RLS, ver logs y gestionar tipos de base de datos sin el dashboard de Supabase. Soporta instancias de Supabase hosted y self-hosted.

Permite a agentes de IA ejecutar consultas SQL de solo lectura contra bases de datos PostgreSQL, inspeccionar esquemas de tablas y analizar rendimiento de consultas. Los agentes pueden depurar problemas de datos o preparar análisis sin requerir credenciales de base de datos directas en la conversación. Soporta pool de conexiones y múltiples bases de datos.

Proporciona acceso SQL ligero a archivos de base de datos SQLite locales para análisis rápido, inspección de esquemas y prototipado sin sobrecarga de servidor de base de datos. Los agentes pueden consultar, analizar y generar reportes desde conjuntos de datos embebidos. Ideal para sandboxes de aplicaciones, bases de datos de desarrollo y exploración de datos.

pg-mcp-server is a Model Context Protocol server implementation that connects AI agents to PostgreSQL databases. It registers database schemas as MCP resource templates and exposes SQL execution as an MCP tool. Agents can introspect table structures, run parameterized queries, and manage transactions without leaving the chat interface. Designed as a reference implementation for database MCP integrations.