關於 MCP 伺服器以及我們如何為 Prisma 構建了一個

理解 MCP

在深入瞭解我們如何構建 Prisma MCP 伺服器的技術細節之前，讓我們先退一步，從頭開始理解 MCP 伺服器。

如果 LLM 需要訪問專有資料或系統怎麼辦？

LLM 透過全球網際網路上的資訊進行訓練，能夠對網際網路上討論過的最深奧的問題提供準確的答案。

但是，如果您希望 LLM 基於專有資料或系統回答問題？或者代表您執行某種操作？想象一下您向 ChatGPT 提出以下要求：

• "在我的檔案系統中查詢去年所有的發票。"
• "在 us-west 區域為我建立一個新的資料庫例項。"
• "在特定的倉庫中開啟一個新的 GitHub Issue。"

一個純粹透過網際網路訓練的 LLM 將無法幫助您完成這些任務，因為它無法訪問您的檔案系統、資料庫提供商或 GitHub API。

“工具訪問”使 LLM 能夠與外部世界互動

在這種情況下，LLM 需要額外的能力來與“外部世界”互動——超越其對網路的知識，並在其他系統上執行操作。

LLM 提供商透過實現所謂的工具訪問來響應這一需求。各個提供商對此使用不同的名稱：OpenAI 稱之為函式呼叫，Anthropic 稱之為工具使用，而其他公司則使用“外掛”或“動作”等術語。

這種方法很混亂，因為每個 LLM 都有不同的工具互動介面。

例如，如果您希望多個 LLM 訪問您的檔案系統，您需要多次實現相同的“檔案系統訪問工具”，每次都為特定的 LLM 量身定製。這可能看起來像這樣：

隨著新的 LLM 不斷湧現，您可以想象，如果每個 LLM 都有自己專有的外部世界訪問介面，情況會變得多麼混亂。

引入 MCP：標準化 LLM 的工具訪問

2024 年 11 月，Anthropic 推出了模型上下文協議（Model Context Protocol）（MCP），作為

一種連線 AI 助手與資料所在系統的新標準，包括內容儲存庫、業務工具和開發環境。

MCP 提供了一個通用、開放的標準，用於連線 AI 系統與外部資料來源。所有實現了 MCP 協議的 LLM 現在都可以訪問透過 MCP 伺服器公開的相同功能。

回到之前的例子：使用 MCP，您只需要實現發票搜尋功能一次。然後，您可以透過 MCP 伺服器將其暴露給所有支援 MCP 協議的 LLM。這是一個虛擬碼實現：

Anthropic 顯然憑藉這一標準引起了共鳴。如果您當時在 X 上，可能每天都會看到多條 MCP 帖子。“MCP”的 Google 趨勢也印證了這一點。

如何將 LLM 連線到 MCP 伺服器

要為 LLM 增加 MCP 伺服器功能，您只需要一個啟動伺服器的 CLI 命令。大多數 AI 工具接受如下 JSON 配置：

AI 工具執行 command，傳遞 args，然後 LLM 就可以訪問伺服器的工具了。

構建 Prisma MCP 伺服器

在 Prisma，我們構建了最受歡迎的 TypeScript ORM 和在 unikernel 上執行的世界上最高效的 Postgres 資料庫。

自然地，我們想知道如何利用 MCP 簡化開發人員的資料庫工作流。

為什麼要為 Prisma 構建 MCP 伺服器？

許多開發人員在使用 Prisma 構建資料驅動型應用程式時，會使用諸如 Cursor 或 Windsurf 等 AI 編碼工具。

這些 AI 編碼工具具有所謂的代理模式，AI 會為您編輯原始檔，而您只需審查並接受 AI 的建議。它還可以為您執行 CLI 命令，與檔案編輯類似，您需要確認該命令確實應該被執行。

由於與 Prisma Postgres 和 Prisma ORM 的許多互動都是透過 Prisma CLI 驅動的，我們希望 LLM 能夠代表您執行 Prisma CLI 命令，例如用於以下工作流：

• 檢查資料庫遷移狀態
• 建立和執行資料庫遷移
• 使用 Prisma 控制檯進行身份驗證
• 配置新的 Prisma Postgres 例項

在 MCP 之前，我們必須為每個 LLM 分別實現支援。有了 MCP，我們可以實現一個單一的伺服器，一次性支援所有這些功能。

@modelcontextprotocol/sdk 包：“像 Express 之於 MCP”

Anthropic 在引入 MCP 時，釋出了適用於各種語言的 SDK。TypeScript SDK 位於 typescript-sdk 倉庫中，提供了實現 MCP 客戶端和伺服器所需的一切。

本地 vs. 遠端 MCP 伺服器

構建 MCP 伺服器時，您必須決定它是本地執行（在與使用者相同的機器上）還是遠端執行（在可透過網際網路訪問的機器上）。

這取決於伺服器的功能。如果它需要訪問使用者的檔案系統，則必須在本地執行。如果它只是呼叫 API，則可以是本地或遠端的（因為 API 可以從本地和遠端機器呼叫）。

對於 Prisma，LLM 主要需要訪問 Prisma CLI，以便支援開發人員進行資料庫相關的工作流。Prisma CLI 可以連線到本地或遠端資料庫例項。然而，由於 CLI 命令是在本地執行的，因此 Prisma MCP 伺服器也必須是本地的。

使 LLM 能夠呼叫 Prisma CLI 命令

Prisma MCP 伺服器非常簡單輕巧——您可以在 GitHub 上探索它。它已作為 Prisma CLI 的一部分進行打包，可以使用以下命令啟動：

其基本結構如下：

當呼叫 prisma mcp --early-access CLI 命令時，parse 函式會被執行。它啟動一個 MCP 伺服器，該伺服器使用 StdioServerTransport（而非 StreamableHTTPServerTransport），因為它在本地執行。

上面程式碼片段中未顯示的是 CLI 命令的實際實現，讓我們放大 parse 函式，以 prisma migrate dev 和 prisma init --db 命令為例進行說明。

每個工具都透過 server.tool() 進行註冊，包含：

1. 一個名稱（以便 LLM 可以引用它）
2. 一個描述（幫助 LLM 理解其目的）
3. 一個引數模式（我們使用 zod）
4. 一個實現邏輯的函式

我們所有工具的實現都遵循相同的模式，並且非常簡單：當工具被呼叫時，我們只需派生一個新程序（透過使用 execa 的 runCommand 函式）來執行屬於它的 CLI 命令。這就是您使 LLM 能夠代表使用者呼叫命令所需的全部。

立即試用 Prisma MCP 伺服器

如果您好奇想嘗試，請將此程式碼片段貼上到您偏愛的 AI 工具的 MCP 配置部分：

或者檢視我們的文件，瞭解 Cursor、Windsurf、Claude 或 OpenAI Agents SDK 的具體說明。

新增後，您的 AI 工具將顯示 MCP 伺服器的狀態和可用工具。在 Cursor 中看起來是這樣的：

超越 MCP：VS Code 中 Prisma 使用者的新功能

接下來是什麼？雖然 MCP 功能強大，但它仍然需要在 AI 工具中手動設定。

我們的目標是在開發人員已經存在的地方提供幫助。VS Code 是構建 Web 應用程式的實際標準，得益於其對 GitHub Copilot 和 LanguageModelTool API 的免費整合，我們即將把 MCP 伺服器的功能帶給所有 Prisma VS Code 擴充套件使用者 🎉。這意味著 Copilot 將很快能夠更好地協助您的資料庫工作流！

與我們分享您的反饋

對 MCP、AI 工具或 Prisma 有任何想法或疑問嗎？在 X 上聯絡我們或加入我們的 Discord 社群——我們很樂意聽取您的意見！