wehub-resource-sync
21 KiB
مقدمة في تكامل قاعدة بيانات MCP
🎯 ما الذي يغطيه هذا المختبر
يوفر هذا المختبر التمهيدي نظرة شاملة على بناء خوادم بروتوكول سياق النموذج (MCP) مع تكامل قواعد البيانات. ستفهم الحالة التجارية، والهندسة التقنية، والتطبيقات الواقعية من خلال حالة استخدام تحليلات تجارة التجزئة زافا على https://github.com/microsoft/MCP-Server-and-PostgreSQL-Sample-Retail.
نظرة عامة
بروتوكول سياق النموذج (MCP) يمكّن مساعدي الذكاء الاصطناعي من الوصول الآمن والتفاعل مع مصادر البيانات الخارجية في الوقت الفعلي. عند دمجه مع تكامل قواعد البيانات، يفتح MCP إمكانيات قوية لتطبيقات الذكاء الاصطناعي المستندة إلى البيانات.
تعلمك هذه المسار كيفية بناء خوادم MCP جاهزة للإنتاج تربط مساعدي الذكاء الاصطناعي ببيانات مبيعات التجزئة عبر PostgreSQL، مع تنفيذ أنماط المؤسسات مثل أمان مستوى الصف، البحث الدلالي، والوصول متعدد المستأجرين للبيانات.
أهداف التعلم
بنهاية هذا المختبر، ستكون قادرًا على:
- تعريف بروتوكول سياق النموذج وفوائده الأساسية لتكامل قواعد البيانات
- تحديد المكونات الرئيسية لهندسة خادم MCP مع قواعد البيانات
- فهم حالة استخدام زافا للتجزئة ومتطلبات الأعمال الخاصة بها
- التعرف على أنماط المؤسسات للوصول الآمن والقابل للتوسع إلى قواعد البيانات
- تعداد الأدوات والتقنيات المستخدمة طوال مسار التعلم هذا
🧭 التحدي: حيث يلتقي الذكاء الاصطناعي بالبيانات الواقعية
قيود الذكاء الاصطناعي التقليدي
مساعدو الذكاء الاصطناعي الحديثون قويون للغاية لكنهم يواجهون قيودًا كبيرة عند العمل مع بيانات الأعمال الحقيقية:
| التحدي | الوصف | التأثير التجاري |
|---|---|---|
| المعرفة الثابتة | نماذج الذكاء الاصطناعي المدربة على مجموعات بيانات ثابتة لا تستطيع الوصول إلى بيانات الأعمال الحالية | رؤى قديمة، الفرص المفقودة |
| عزلة البيانات | معلومات محصورة في قواعد بيانات وواجهات برمجة تطبيقات وأنظمة لا يمكن للذكاء الاصطناعي الوصول إليها | تحليل ناقص، تدفقات عمل مجزأة |
| قيود الأمان | الوصول المباشر إلى قواعد البيانات يثير مخاوف أمنية ومتطلبات الامتثال | نشر محدود، إعداد بيانات يدوي |
| الاستعلامات المعقدة | يحتاج المستخدمون التجاريون إلى معرفة فنية لاستخراج رؤى البيانات | تبني منخفض، عمليات غير فعالة |
حل MCP
يحل بروتوكول سياق النموذج هذه التحديات من خلال تقديم:
- الوصول إلى البيانات في الوقت الحقيقي: يستعلم مساعدو الذكاء الاصطناعي قواعد البيانات والواجهات الحية
- التكامل الآمن: وصول مسيطر عليه مع التوثيق والأذونات
- واجهة لغة طبيعية: يطرح المستخدمون التجاريون أسئلة باللغة الإنجليزية العادية
- بروتوكول موحد: يعمل عبر منصات وأدوات الذكاء الاصطناعي المختلفة
🏪 تعرف على زافا للتجزئة: دراسة الحالة الخاصة بنا https://github.com/microsoft/MCP-Server-and-PostgreSQL-Sample-Retail
على مدار هذا المسار التعليمي، سنبني خادم MCP لـ زافا للتجزئة، سلسلة تجزئة خيالية مع العديد من مواقع المتاجر. يوضح هذا السيناريو الواقعي تنفيذ MCP بمستوى المؤسسات.
السياق التجاري
تشغل زافا للتجزئة:
- 8 متاجر فعلية في ولاية واشنطن (سياتل، بلفيو، تاكوما، سبوكان، إيفريت، ريدموند، كيركلاند)
- متجر إلكتروني واحد للمبيعات عبر الإنترنت
- كتالوج منتجات متنوع يشمل الأدوات، والمعدات، وإمدادات الحدائق، ومواد البناء
- إدارة متعددة المستويات مع مديري متاجر، ومديري مناطق، وتنفيذيين
متطلبات العمل
يحتاج مديرو المتاجر والتنفيذيون إلى تحليلات مدعومة بالذكاء الاصطناعي لـ:
- تحليل أداء المبيعات عبر المتاجر والفترات الزمنية
- تتبع مستويات المخزون وتحديد احتياجات إعادة التوريد
- فهم سلوك العملاء وأنماط الشراء
- اكتشاف رؤى المنتجات من خلال البحث الدلالي
- إنشاء تقارير باستعلامات اللغة الطبيعية
- الحفاظ على أمان البيانات من خلال التحكم في الوصول حسب الدور
المتطلبات التقنية
يجب أن يوفر خادم MCP:
- وصول متعدد المستأجرين للبيانات حيث يرى مديرو المتاجر بيانات متجرهم فقط
- استعلامات مرنة تدعم عمليات SQL المعقدة
- البحث الدلالي لاكتشاف المنتجات والتوصيات
- بيانات وقت حقيقي تعكس الحالة التجارية الحالية
- توثيق آمن مع أمان مستوى الصف
- هندسة قابلة للتوسع تدعم مستخدمين متعددين متزامنين
🏗️ نظرة عامة على هندسة خادم MCP
يطبق خادم MCP لدينا هندسة طبقية محسنة لتكامل قواعد البيانات:
┌─────────────────────────────────────────────────────────────┐
│ VS Code AI Client │
│ (Natural Language Queries) │
└─────────────────────┬───────────────────────────────────────┘
│ HTTP/SSE
▼
┌─────────────────────────────────────────────────────────────┐
│ MCP Server │
│ ┌─────────────────┐ ┌─────────────────┐ ┌───────────────┐ │
│ │ Tool Layer │ │ Security Layer │ │ Config Layer │ │
│ │ │ │ │ │ │ │
│ │ • Query Tools │ │ • RLS Context │ │ • Environment │ │
│ │ • Schema Tools │ │ • User Identity │ │ • Connections │ │
│ │ • Search Tools │ │ • Access Control│ │ • Validation │ │
│ └─────────────────┘ └─────────────────┘ └───────────────┘ │
└─────────────────────┬───────────────────────────────────────┘
│ asyncpg
▼
┌─────────────────────────────────────────────────────────────┐
│ PostgreSQL Database │
│ ┌─────────────────┐ ┌─────────────────┐ ┌───────────────┐ │
│ │ Retail Schema │ │ RLS Policies │ │ pgvector │ │
│ │ │ │ │ │ │ │
│ │ • Stores │ │ • Store-based │ │ • Embeddings │ │
│ │ • Customers │ │ Isolation │ │ • Similarity │ │
│ │ • Products │ │ • Role Control │ │ Search │ │
│ │ • Orders │ │ • Audit Logs │ │ │ │
│ └─────────────────┘ └─────────────────┘ └───────────────┘ │
└─────────────────────┬───────────────────────────────────────┘
│ REST API
▼
┌─────────────────────────────────────────────────────────────┐
│ Azure OpenAI │
│ (Text Embeddings) │
└─────────────────────────────────────────────────────────────┘
المكونات الرئيسية
1. طبقة خادم MCP
- إطار FastMCP: تنفيذ خادم MCP الحديث بلغة بايثون
- تسجيل الأدوات: تعريفات أدوات إعلانية مع أمان النوع
- سياق الطلب: هوية المستخدم وإدارة الجلسة
- التعامل مع الأخطاء: إدارة الأخطاء وتسجيلها بشكل قوي
2. طبقة تكامل قواعد البيانات
- تجميع الاتصالات: إدارة فعالة لاتصالات asyncpg
- مقدم المخطط: اكتشاف ديناميكي لمخططات الجداول
- منفذ الاستعلامات: تنفيذ SQL آمن مع سياق RLS
- إدارة المعاملات: الالتزام بـ ACID والتراجع عند الحاجة
3. طبقة الأمان
- أمان مستوى الصف: أمان مستوى الصف في PostgreSQL لعزل بيانات المستأجرين المتعددين
- هوية المستخدم: توثيق وترخيص مدير المتجر
- التحكم في الوصول: أذونات دقيقة ومسارات تدقيق
- التحقق من الإدخال: منع حقن SQL والتحقق من صحة الاستعلام
4. طبقة تعزيز الذكاء الاصطناعي
- البحث الدلالي: التضمينات الشعاعية لاكتشاف المنتجات
- تكامل Azure OpenAI: توليد تضمينات النصوص
- خوارزميات التشابه: البحث باستخدام كوني للمتجه في pgvector
- تحسين البحث: الفهرسة وتحسين الأداء
🔧 مكدس التكنولوجيا
التقنيات الأساسية
| المكون | التقنية | الغرض |
|---|---|---|
| إطار MCP | FastMCP (بايثون) | تنفيذ خادم MCP الحديث |
| قاعدة البيانات | PostgreSQL 17 + pgvector | بيانات علائقية مع بحث شعاعي |
| خدمات الذكاء الاصطناعي | Azure OpenAI | تضمينات النصوص ونماذج اللغة |
| الحاويات | Docker + Docker Compose | بيئة التطوير |
| منصة السحابة | مايكروسوفت أزور | النشر في الإنتاج |
| تكامل بيئة التطوير | VS Code | دردشة AI وسير عمل التطوير |
أدوات التطوير
| الأداة | الغرض |
|---|---|
| asyncpg | برنامج تشغيل PostgreSQL عالي الأداء |
| Pydantic | التحقق من صحة البيانات والتسلسل |
| Azure SDK | تكامل خدمات السحابة |
| pytest | إطار الاختبار |
| Docker | الحاويات والنشر |
مكدس الإنتاج
| الخدمة | مورد أزور | الغرض |
|---|---|---|
| قاعدة البيانات | Azure Database for PostgreSQL | خدمة قاعدة بيانات مُدارة |
| الحاويات | Azure Container Apps | استضافة حاويات بدون خادم |
| خدمات الذكاء الاصطناعي | Microsoft Foundry | نماذج ونقاط نهاية OpenAI |
| المراقبة | Application Insights | الرصد والتشخيص |
| الأمان | Azure Key Vault | إدارة الأسرار والتكوين |
🎬 سيناريوهات الاستخدام الواقعية
لنستكشف كيف يتفاعل المستخدمون المختلفون مع خادم MCP الخاص بنا:
السيناريو 1: مراجعة أداء مدير المتجر
المستخدم: سارة، مديرة متجر سياتل
الهدف: تحليل أداء مبيعات الربع الأخير
استعلام اللغة الطبيعية:
"أرني أفضل 10 منتجات حسب الإيرادات لمتجري في الربع الرابع من 2024"
ما يحدث:
- يرسل VS Code AI Chat الاستعلام إلى خادم MCP
- يحدد خادم MCP سياق متجر سارة (سياتل)
- سياسات RLS تصفي البيانات لمتجر سياتل فقط
- يتم إنشاء وتنفيذ استعلام SQL
- تُنسق النتائج وتُعاد إلى AI Chat
- يقدم الذكاء الاصطناعي التحليل والرؤى
السيناريو 2: اكتشاف المنتج باستخدام البحث الدلالي
المستخدم: مايك، مدير المخزون
الهدف: إيجاد منتجات مشابهة لطلب عميل
استعلام اللغة الطبيعية:
"ما هي المنتجات التي نبيعها المشابهة لـ 'وصلات كهربائية مقاومة للماء للاستخدام الخارجي'؟"
ما يحدث:
- تتم معالجة الاستعلام بواسطة أداة البحث الدلالي
- ينشئ Azure OpenAI متجه تضمين النص
- يقوم pgvector ببحث التشابه باستخدام كوني
- تُرتب المنتجات ذات الصلة حسب الصلة
- النتائج تتضمن تفاصيل المنتج وتوفره
- يقترح الذكاء الاصطناعي بدائل وفرص التجميع
السيناريو 3: تحليلات عبر المتاجر
المستخدم: جنيفر، مديرة إقليمية
الهدف: مقارنة الأداء عبر جميع المتاجر
استعلام اللغة الطبيعية:
"قارن المبيعات حسب الفئة لجميع المتاجر في آخر 6 أشهر"
ما يحدث:
- يتم تعيين سياق RLS للوصول الخاص بالمدير الإقليمي
- يتم إنشاء استعلام متعدد المتاجر معقد
- جمع البيانات عبر مواقع المتاجر
- تتضمن النتائج الاتجاهات والمقارنات
- يحدد الذكاء الاصطناعي الرؤى والتوصيات
🔒 نظرة معمقة على الأمان وتعدد المستأجرين
يولي تنفيذنا أولوية لأمان بمستوى المؤسسات:
أمان مستوى الصف (RLS)
يضمن PostgreSQL RLS عزل البيانات:
-- Store managers see only their store's data
CREATE POLICY store_manager_policy ON retail.orders
FOR ALL TO store_managers
USING (store_id = get_current_user_store());
-- Regional managers see multiple stores
CREATE POLICY regional_manager_policy ON retail.orders
FOR ALL TO regional_managers
USING (store_id = ANY(get_user_store_list()));
إدارة هوية المستخدم
كل اتصال MCP يتضمن:
- معرّف مدير المتجر: معرف فريد لسياق RLS
- تعيين الأدوار: الأذونات ومستويات الوصول
- إدارة الجلسة: رموز توثيق آمنة
- تسجيل التدقيق: سجل كامل للوصول
حماية البيانات
طبقات متعددة من الأمان:
- تشفير الاتصال: TLS لجميع اتصالات قاعدة البيانات
- منع حقن SQL: استعلامات مع معاملات فقط
- التحقق من الإدخال: تحقق شامل من صحة الطلبات
- معالجة الأخطاء: لا تحتوي رسائل الأخطاء على بيانات حساسة
🎯 الاستنتاجات الرئيسية
بعد إكمال هذه المقدمة، يجب أن تفهم:
✅ قيمة MCP: كيف يجسر MCP بين مساعدي الذكاء الاصطناعي والبيانات الواقعية
✅ السياق التجاري: متطلبات وتحديات زافا للتجزئة
✅ نظرة عامة على الهندسة: المكونات الرئيسية وتفاعلاتها
✅ مكدس التكنولوجيا: الأدوات والأُسُس المستخدمة
✅ نموذج الأمان: الوصول متعدد المستأجرين وحماية البيانات
✅ أنماط الاستخدام: سيناريوهات الاستعلام الواقعية وسير العمل
🚀 ما هو التالي
هل أنت مستعد للغوص أعمق؟ تابع مع:
المختبر 01: مفاهيم الهندسة الأساسية
تعلّم أنماط هندسة خوادم MCP، ومبادئ تصميم قواعد البيانات، والتنفيذ الفني التفصيلي الذي يشغل حل تحليلات التجزئة لدينا.
📚 موارد إضافية
وثائق MCP
- مواصفة MCP - وثائق البروتوكول الرسمية
- MCP للمبتدئين - دليل شامل لتعلم MCP
- وثائق FastMCP - وثائق SDK بايثون
تكامل قواعد البيانات
- وثائق PostgreSQL - مرجع كامل لـ PostgreSQL
- دليل pgvector - وثائق امتداد المتجهات
- أمان مستوى الصف - دليل RLS في PostgreSQL
خدمات أزور
- وثائق Azure OpenAI - تكامل خدمة الذكاء الاصطناعي
- Azure Database for PostgreSQL - خدمة قاعدة بيانات مُدارة
- Azure Container Apps - حاويات بدون خادم
تنويه: هذا تمرين تعليمي يستخدم بيانات تجزئة خيالية. اتبع دائمًا سياسات الحوكمة الأمنية وبيانات مؤسستك عند تنفيذ حلول مشابهة في بيئات الإنتاج.
تنويه: تمت ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي Co-op Translator. بينما نسعى للدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو عدم دقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي والمعتمد. للمعلومات الهامة، يُنصح بالاستعانة بترجمة بشرية محترفة. نحن غير مسؤولين عن أي سوء فهم أو تفسير ناتج عن استخدام هذه الترجمة.