MCP DB Analyzer

Servidor MCP de análisis multibase de datos (PostgreSQL, MySQL, SQLite). Inspecciona esquemas, detecta problemas de índices, analiza la hinchazón de tablas y explica planes de consulta para una optimización práctica de bases de datos.

GitHub

Documentación

MCP DB Analyzer

Un servidor de Model Context Protocol (MCP) que brinda a los asistentes de IA visibilidad profunda en tus bases de datos. Inspecciona esquemas, detecta problemas de índices, analiza la fragmentación/crecimiento de tablas y explica planes de consulta, para que tu IA pueda darte consejos accionables de optimización de bases de datos en lugar de sugerencias genéricas.

Soporta PostgreSQL, MySQL y SQLite.

¿Por qué esta herramienta?

Existen docenas de servidores MCP de bases de datos; la mayoría son puertas de enlace CRUD (ejecutan consultas, listan tablas). Esta herramienta analiza tu base de datos: problemas de esquema, índices faltantes, tablas infladas, consultas lentas, salud de vacuum.

Otros servidores MCP analíticos (CrystalDBA, pg-dash, MCP-PostgreSQL-Ops) solo cubren PostgreSQL. MCP DB Analyzer es el único servidor MCP analítico que soporta PostgreSQL, MySQL y SQLite en una sola instalación de npx — sin Python, sin Go, sin Docker.

Características

9 herramientas MCP para análisis integral de bases de datos
Soporte PostgreSQL + MySQL + SQLite mediante la bandera --driver
Solo lectura por diseño — todas las consultas están envueltas en transacciones READ ONLY
Salida en Markdown optimizada para consumo por LLM
Cero configuración — solo establece DATABASE_URL

Nivel Pro

Genera informes de diagnóstico exportables (HTML + PDF) con una clave de licencia Pro.

Informe completo de análisis de volcado de hilos JVM con recomendaciones accionables
Exportación a PDF para compartir con tu equipo
Soporte prioritario

$9.00/mes — Obtén la Licencia Pro

La clave de licencia Pro activa la herramienta MCP generate_report en mcp-jvm-diagnostics.

Instalación

npx mcp-db-analyzer

O instala globalmente:

npm install -g mcp-db-analyzer

Configuración

Establece la variable de entorno DATABASE_URL:

export DATABASE_URL="postgresql://user:password@localhost:5432/mydb"

O usa variables PG individuales: PGHOST, PGPORT, PGDATABASE, PGUSER, PGPASSWORD.

MySQL

Establece DATABASE_URL con una cadena de conexión MySQL y pasa --driver mysql:

export DATABASE_URL="mysql://user:password@localhost:3306/mydb"
mcp-db-analyzer --driver mysql

O usa variables MySQL individuales: MYSQL_HOST, MYSQL_PORT, MYSQL_DATABASE, MYSQL_USER, MYSQL_PASSWORD.

También puedes establecer DB_DRIVER=mysql como variable de entorno en lugar de pasar la bandera.

SQLite

Pasa una ruta de archivo mediante DATABASE_URL y usa --driver sqlite:

export DATABASE_URL="/path/to/database.db"
mcp-db-analyzer --driver sqlite

Claude Desktop (PostgreSQL)

Agrega a ~/.claude/claude_desktop_config.json:

{
  "mcpServers": {
    "db-analyzer": {
      "command": "npx",
      "args": ["-y", "mcp-db-analyzer"],
      "env": {
        "DATABASE_URL": "postgresql://user:password@localhost:5432/mydb"
      }
    }
  }
}

Claude Desktop (MySQL)

{
  "mcpServers": {
    "db-analyzer": {
      "command": "npx",
      "args": ["-y", "mcp-db-analyzer", "--driver", "mysql"],
      "env": {
        "DATABASE_URL": "mysql://user:password@localhost:3306/mydb"
      }
    }
  }
}

Claude Desktop (SQLite)

{
  "mcpServers": {
    "db-analyzer": {
      "command": "npx",
      "args": ["-y", "mcp-db-analyzer", "--driver", "sqlite"],
      "env": {
        "DATABASE_URL": "/path/to/database.db"
      }
    }
  }
}

Demostración rápida

Una vez configurado, prueba estos mensajes en Claude:

"Muéstrame el esquema y cómo se relacionan las tablas" — Devuelve estructuras de tablas, claves foráneas e identifica tablas huérfanas
"¿Hay consultas lentas o índices faltantes?" — Clasifica las consultas lentas por tiempo de ejecución y sugiere índices a agregar
"¿Cuántas conexiones están activas? ¿Hay consultas bloqueadas?" — Muestra la utilización del pool de conexiones, sesiones inactivas en transacción y consultas bloqueadas

Herramientas

`inspect_schema`

Lista todas las tablas con conteos de filas y tamaños, o profundiza en las columnas, tipos, restricciones y claves foráneas de una tabla específica.

Parámetros:

table (opcional) — Nombre de la tabla a inspeccionar. Omítelo para listar todas las tablas.
schema (predeterminado: "public") — Esquema de la base de datos.

> inspect_schema

## Tables in schema 'public'

| Table       | Rows (est.) | Total Size |
|-------------|-------------|------------|
| users       | 12,450      | 3.2 MB     |
| orders      | 89,100      | 18.4 MB    |
| order_items | 245,000     | 12.1 MB    |

> inspect_schema table="users"

## Table: public.users

- **Rows (est.)**: 12,450
- **Total size**: 3.2 MB

### Columns
| # | Column | Type          | Nullable | Default |
|---|--------|---------------|----------|---------|
| 1 | id     | integer       | NO       | nextval |
| 2 | email  | varchar(255)  | NO       | -       |
| 3 | name   | varchar(100)  | YES      | -       |

`analyze_indexes`

Encuentra índices no utilizados que desperdician espacio en disco e índices faltantes que causan escaneos secuenciales lentos. También detecta claves foráneas sin indexar.

Parámetros:

schema (predeterminado: "public") — Esquema de la base de datos.
mode ("usage" | "missing" | "all", predeterminado: "all") — Modo de análisis.

> analyze_indexes

### Unused Indexes (2 found)
| Table | Index              | Size   | Definition                    |
|-------|--------------------|--------|-------------------------------|
| users | idx_users_legacy   | 1.2 MB | CREATE INDEX ... (old_col)    |

### Unindexed Foreign Keys (1 found)
| Table       | Column  | FK →   | Constraint        |
|-------------|---------|--------|-------------------|
| order_items | user_id | users  | fk_items_user_id  |

`explain_query`

Ejecuta EXPLAIN en una consulta SQL y obtén un plan de ejecución formateado con estimaciones de costo, tipos de nodo y advertencias de optimización. Opcionalmente, ejecuta EXPLAIN ANALYZE para tiempos reales (solo consultas SELECT).

Parámetros:

sql — La consulta SQL a explicar.
analyze (predeterminado: false) — Ejecutar EXPLAIN ANALYZE (ejecuta la consulta; solo SELECT).

> explain_query sql="SELECT * FROM orders WHERE status = 'pending'"

## Query Plan Analysis

- **Estimated Total Cost**: 1234.56
- **Estimated Rows**: 500

### Plan Tree
→ Seq Scan on orders (cost=0..1234.56 rows=500)
  Filter: (status = 'pending')

### Potential Issues
- **Sequential Scan** on `orders` (~500 rows). Consider adding an index.

`analyze_table_bloat`

Analiza el crecimiento de tablas verificando proporciones de tuplas muertas, historial de vacuum y tamaños de tablas. Recomienda VACUUM ANALYZE para tablas con más del 10% de tuplas muertas.

Parámetros:

schema (predeterminado: "public") — Esquema de la base de datos.

> analyze_table_bloat

### Tables Needing VACUUM (1 found)
| Table     | Live Tuples | Dead Tuples | Bloat % | Size  | Last Vacuum |
|-----------|-------------|-------------|---------|-------|-------------|
| audit_log | 8,000       | 2,000       | 20.0%   | 10 MB | Never       |

### Recommended Actions
VACUUM ANALYZE public.audit_log;

`suggest_missing_indexes`

Encuentra tablas con altos conteos de escaneos secuenciales y uso de índice cero, cruzando referencias con índices no utilizados que desperdician espacio. Proporciona recomendaciones accionables de CREATE INDEX y DROP INDEX.

Parámetros:

schema (predeterminado: "public") — Esquema de la base de datos.

> suggest_missing_indexes

### Tables Missing Indexes (1 found)
| Table  | Seq Scans | Index Scans | Rows   | Size  |
|--------|-----------|-------------|--------|-------|
| events | 5,000     | 0           | 50,000 | 25 MB |

### Unused Indexes (1 found)
| Table | Index            | Size | Definition                       |
|-------|------------------|------|----------------------------------|
| users | idx_users_legacy | 8 kB | CREATE INDEX ... (legacy_col)    |

DROP INDEX public.idx_users_legacy;

`analyze_slow_queries`

Encuentra las consultas más lentas usando pg_stat_statements (PostgreSQL) o performance_schema (MySQL). Muestra tiempos de ejecución, conteos de llamadas e identifica candidatos de optimización.

Parámetros:

schema (predeterminado: "public") — Esquema de la base de datos.
limit (predeterminado: 10) — Número de consultas lentas a devolver.

> analyze_slow_queries

## Slow Query Analysis (by avg execution time)

| # | Avg Time | Total Time | Calls | Avg Rows | Query |
|---|----------|------------|-------|----------|-------|
| 1 | 150.0ms  | 750000ms   | 5000  | 5        | `SELECT * FROM orders WHERE status = $1` |
| 2 | 200.0ms  | 40000ms    | 200   | 2        | `SELECT u.* FROM users u JOIN orders o...` |

### Recommendations
- **2 high-impact queries** — called >100 times with >100ms avg
- **2 queries returning few rows but slow** — likely missing indexes

`analyze_connections`

Analiza las conexiones activas de la base de datos. Detecta sesiones inactivas en transacción, consultas de larga duración, contención de bloqueos y utilización del pool de conexiones. Solo PostgreSQL y MySQL.

> analyze_connections

## Connection Analysis (PostgreSQL)

### Connection States
| State | Count |
|-------|-------|
| active | 3 |
| idle | 12 |
| idle in transaction | 2 |
| **Total** | **17** |

**Max connections**: 100
**Utilization**: 17.0%

### Idle-in-Transaction Connections
| PID  | User | Duration | Query |
|------|------|----------|-------|
| 1234 | app  | 00:05:30 | UPDATE orders SET status = $1 |

`analyze_table_relationships`

Analiza las relaciones de claves foráneas entre tablas. Construye un grafo de dependencias que muestra la conectividad de entidades, tablas huérfanas (sin FKs), cadenas de borrado en cascada y entidades centrales.

Parámetros:

schema (predeterminado: "public") — Esquema de la base de datos.

> analyze_table_relationships

## Table Relationships

**Tables**: 5
**Foreign Keys**: 4

### Entity Connectivity
| Table | Incoming FKs | Outgoing FKs | Total |
|-------|-------------|-------------|-------|
| users **hub** | 5 | 0 | 5 |
| orders | 1 | 2 | 3 |

### Orphan Tables (no FK relationships)
- `audit_log`

### Cascading Delete Chains
- **users** → cascades to: orders, addresses
  - **orders** → further cascades to: order_items

`analyze_vacuum`

Analiza el estado de mantenimiento VACUUM de PostgreSQL. Verifica proporciones de tuplas muertas, antigüedad del vacuum, configuración de autovacuum e identifica tablas que necesitan VACUUM manual. Solo PostgreSQL.

> analyze_vacuum

Detecta:

Tablas con altas proporciones de tuplas muertas (>10% advertencia, >20% crítico)
Tablas nunca vaciadas o analizadas
Autovacuum deshabilitado globalmente
Problemas de configuración de autovacuum

La salida incluye:

Hallazgos agrupados por severidad (CRÍTICO / ADVERTENCIA / INFO)
Tablas que necesitan VACUUM con porcentajes de tuplas muertas
Historial completo de vacuum por tabla
Configuración de autovacuum

Seguridad

Todas las consultas están envueltas en transacciones READ ONLY por defecto
EXPLAIN ANALYZE está restringido solo a consultas SELECT
Las sentencias DDL/DML se rechazan en modo ANALYZE
No se permiten consultas de modificación de datos

Contribuciones

Clona el repositorio
npm install
npm run build — Compilación de TypeScript
npm test — Ejecuta pruebas unitarias (vitest)
npm run dev — Modo de observación para desarrollo

Limitaciones y problemas conocidos

Solo lectura: Todas las consultas usan conexiones de solo lectura. No se pueden modificar datos ni esquemas.
pg_stat_statements requerido: El análisis de consultas lentas en PostgreSQL requiere que la extensión pg_stat_statements esté instalada y cargada.
performance_schema de MySQL: Las estadísticas de uso de índices y escaneos requieren que performance_schema esté habilitado (desactivado por defecto en algunas instalaciones de MySQL).
SQLite: No hay estadísticas de uso de índices disponibles (SQLite no rastrea esto). El análisis de escaneos secuenciales y la detección de consultas lentas no son compatibles con SQLite.
Bases de datos grandes: La inspección de esquemas en bases de datos con más de 500 tablas puede producir una salida muy larga. Usa el parámetro schema para limitar el alcance.
Parametrización de nombres de tablas: Las sentencias PRAGMA de SQLite usan interpolación de cadenas para nombres de tablas (SQLite no admite PRAGMAs parametrizados). Los nombres de tablas provienen de la tabla del sistema sqlite_master.
Consultas entre bases de datos: No se pueden analizar consultas que abarquen múltiples bases de datos o que usen enlaces de bases de datos.
Conteos de filas estimados: TABLE_ROWS de MySQL en information_schema es una estimación, no exacta.
Alcance del esquema: Todas las herramientas usan por defecto el esquema public. Los esquemas no públicos requieren especificación explícita. El análisis de múltiples esquemas requiere ejecutar las herramientas por esquema por separado.
Análisis de conexiones: analyze_connections es solo para PostgreSQL/MySQL. No está disponible para bases de datos SQLite.
Análisis de vacuum: analyze_vacuum es solo para PostgreSQL. Para MySQL, usa OPTIMIZE TABLE o analyze_table_bloat.

Parte del MCP Java Backend Suite

mcp-spring-boot-actuator — Análisis de salud, métricas y beans de Spring Boot
mcp-jvm-diagnostics — Análisis de volcados de hilos y registros GC
mcp-redis-diagnostics — Diagnósticos de memoria, slowlog y clientes de Redis
mcp-migration-advisor — Análisis de riesgo de migraciones Flyway/Liquibase

Licencia

MIT

Fin de vida útil: 2026-05-10.

Este servidor MCP ya no se mantiene ni se distribuye. La Corporación ha cambiado a los actores del marketplace de Apify. Consulta irrationalways en Apify y irrcorp/bzp-poland-tenders para el trabajo actual de la Corporación.

El paquete npm ha sido despublicado. El repositorio está archivado solo como referencia histórica.