wehub-resource-sync
34 KiB
MCP தரவுத்தள ஒருங்கிணைப்பிற்கு அறிமுகம்
🎯 இந்த பயிற்சி என்ன கற்கவைக்கிறது
இந்த அறிமுக பயிற்சி, தரவுத்தள ஒருங்கிணைப்புடன் கூடிய மாடல் சொத்துக்களுக்கான நெறிமுறை (Model Context Protocol - MCP) சர்வர்களை உருவாக்கும் தொடர்பாக விரிவான கண்ணோட்டத்தைக் கொடுக்கும். நீங்கள் https://github.com/microsoft/MCP-Server-and-PostgreSQL-Sample-Retail இல் உள்ள Zava Retail பகுப்பாய்வுப் பயன்பாட்டின் மூலம் வியாபார நிலை, தொழில்நுட்ப கட்டமைப்பு மற்றும் உண்மையான பயன்பாடுகளை புரிந்துகொள்ளலாம்.
கண்ணோட்டம்
மாடல் சொத்துக்களுக்கான நெறிமுறை (MCP), AI உதவியாளர்களை பாதுகாப்பான முறையில் நேரடி நேரத்தில் வெளிப்புற தரவு ஆதாரங்களுடன் அணுகவும் தொடர்புகொள்ளவும் அனுமதிக்கிறது. தரவுத்தள ஒருங்கிணைப்போடு சேர்த்தால், MCP தரவின் அடிப்படையிலான AI பயன்பாடுகளுக்கு சக்திவாய்ந்த திறன்களை திறக்கிறது.
இந்த கற்கை பாதை, AI உதவியாளர்களை PostgreSQL மூலமாக சில்லறை விற்பனைத் தரவுடன் இணைக்கும் தயாரிப்புக் கருவிகளை உருவாக்க சொல்லுகிறது; இதில் வரிசை நில பாதுகாப்பு, பொருள் உணர்வு தேடல் மற்றும் பன்முக வாடிக்கையாளர் தரவு அணுகல் போன்ற தொழில்நுட்ப முறைப்பாடுகள் இயற்றப்படுகின்றன.
கற்கை நோக்கங்கள்
இந்த பயிற்சி முடிந்த பிறகு, நீங்கள்:
- சொல்லப்படுத்த மாடல் சொத்துக்களுக்கான நெறிமுறையை மற்றும் அதன் தரவுத்தள ஒருங்கிணைப்புக்கான முக்கிய பயன்களை
- அறிய தரவுத்தளங்களுடன் கூடிய MCP சர்வர் கட்டமைப்பின் முக்கிய கூறுகளை
- புரிந்து கொள்ள Zava Retail பயன்பாட்டின் வியாபார தேவைகள் மற்றும் கோரிக்கைகளை
- கண்டறிய பாதுகாப்பான, வடிகட்டப்பட்ட தரவுத்தள அணுகல் ஆகிய தொழில்நுட்பங்களை
- பட்டியலிட இந்த கற்கை பாதையில் பயன்படுத்தப்படும் கருவிகள் மற்றும் நுட்பங்களை
🧭 சவால்: AI மற்றும் உண்மையான தரவு சந்திப்பு
பாரம்பரிய AI வரம்புகள்
நவீன AI உதவியாளர்கள் வலுவானவர்கள் என்றாலும் உண்மையான வியாபார தரவுடன் பணியாற்றும்போது சில முக்கிய கட்டாயங்கள் உள்ளன:
| சவால் | விவரம் | வியாபார தாக்கம் |
|---|---|---|
| நிலையான அறிவு | AI மாதிரிகள் நிரந்தர தரவுத் தொகுப்புகளில் பயிற்சி பெற்றவை, இத்தகையவை தற்போதைய தரவை அணுக முடியாது | பழைய நுணுக்கங்கள், வாய்ப்புகள் தவறிவிடல் |
| தரவு தனிமைப்படுத்தல்கள் | தரவுத்தளம், API, மற்றும் அமைப்புகளில் பூட்டி வைக்கப்பட்ட தகவல் AIயால் அணுக முடியாது | பூர்வாங்கமான பகுப்பாய்வு பிழைகள், பகுப்புப் பிரிவு செயல்முறைகள் |
| பாதுகாப்பு கட்டுப்பாடுகள் | நேரடி தரவுத்தள அணுகல் பாதுகாப்பு மற்றும் ஒழுங்குமுறை பிரச்னைகளை எழுப்பும் | வரையறுக்கப்பட்ட செயல்பாடு, கைமுறை தரவு தயாரிப்பு |
| சிக்கலான விசாரணைகள் | வியாபாரப் பயனர்கள் தரவுத் தகவலைப் பெற தொழில்நுட்ப அறிவு தேவைப்படுகின்றது | குறைந்த ஏற்றுக்கொள்வது, செயல்திறன் குறைவு |
MCP தீர்வு
மாடல் சொத்துக்களுக்கான நெறிமுறை, இந்த சவால்களை பின்வருமாறு சமாளிக்கிறது:
- நேரடி தரவு அணுகல்: AI உதவியாளர்கள் நேரடி தரவுத்தளங்களை மற்றும் APIகளை கேள்வி வைக்க முடியும்
- பாதுகாப்பான ஒருங்கிணைப்பு: அங்கீகாரத்துடன் கட்டுப்பட்ட அணுகல்
- இயல்பான மொழி இடைமுகம்: வியாபாரப் பயனர்கள் எளிமையான ஆங்கிலத்தில் கேள்வி கேட்க முடியும்
- முறைப்படுத்தப்பட்ட நெறிமுறை: வெவ்வேறு AI தளங்களுக்கும் கருவிகளுக்கும் பொதுவான முறையில் செயல்படும்
🏪 Zava Retail-ஐ சந்திக்கவும்: எங்கள் கற்கை வழக்குப் படைப்பு https://github.com/microsoft/MCP-Server-and-PostgreSQL-Sample-Retail
இந்த கற்கை பாதையில், பல கடை இடங்களைக் கொண்ட கல்பனை சில்லறை வணிக சங்கமான Zava Retailக்கு ஒரு MCP சர்வரை நாம் உருவாக்கப்போகிறோம். இந்த நடைமுறைத் திரைக்கதை நிறுவனத் தரம் MCP செயல்பாட்டை எடுத்துக்காட்டுகிறது.
வியாபார சூழல்
Zava Retail இயக்குகிறது:
- வாஷிங்டன் மாநிலம் முழுவதும் 8 புவியியல் கடைகள் (Seattle, Bellevue, Tacoma, Spokane, Everett, Redmond, Kirkland)
- ஈ-காமர்ஸ் விற்பனைக்கான 1 ஆன்லைன் கடை
- தரவு அட்டவணை பல்வகை பொருட்கள்: கருவிகள், உபகரணங்கள், தோட்டப் பொருட்கள் மற்றும் கட்டுமான கதவுகள்
- பல நிலை மேலாண்மை: கடை மேலாளர்கள், பிராந்திய மேலாளர்கள் மற்றும் நிர்வாகிகள்
வியாபார தேவைகள்
கடை மேலாளர்கள் மற்றும் நிர்வாகிகள் AI ஆதார பட்டியலாக்கத்துடன்:
- கடைகள் மற்றும் கால அவகாசங்கள் முழுவதும் விற்பனை செயல்திறனை பகுப்பாய்வு செய்ய
- பொருள் இருப்புத் நிலைகளை கண்காணித்து மறுதொகுக்க தேவைமையை கண்டறிதல்
- வாடிக்கையாளர் நடத்தை மற்றும் வாங்கும் முறைகளை புரிந்துகொள்ள
- பொருள் தகவல்களை பொருள் உணர்வு தேடல் மூலம் கண்டறிதல்
- இயல்பான மொழி கேள்விகளுடன் அறிக்கைகள் உருவாக்க
- பங்கு அடிப்படையிலான அணுகல் மூலம் தரவு பாதுகாப்பை பராமரிக்க
தொழில்நுட்ப தேவைகள்
MCP சர்வர் வழங்க வேண்டும்:
- பன்முக வாடிக்கையாளர் தரவு அணுகல் - கடை மேலாளர்கள் தங்களுடைய கடை தரவையே மட்டுமே பார்க்கலாம்
- நெகிழ்வான விசாரணை திறன் - சிக்கலான SQL செயல்பாடுகளுக்கு ஆதரவு
- பொருள் உணர்வு தேடல் - பொருட்களை கண்டறிதல் மற்றும் பரிந்துரைகள்
- நேரடி தரவு - தற்போதைய வியாபார நிலை பிரதிபலிப்பு
- பாதுகாப்பான அங்கீகாரம் - வரிசை நில பாதுகாப்புடன்
- அளவிடக்கூடிய கட்டமைப்பு - பல samtidikai பயனர்களுக்கு ஆதரவு
🏗️ MCP சர்வர் கட்டமைப்பு கண்ணோட்டம்
நமது MCP சர்வர், தரவுத்தள ஒருங்கிணைப்புக்கு முன்மொழிகின்ற அடுக்கு கட்டமைப்பை செயல்படுத்துகிறது:
┌─────────────────────────────────────────────────────────────┐
│ 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) │
└─────────────────────────────────────────────────────────────┘
முக்கிய கூறுகள்
1. MCP சர்வர் அடுக்கு
- FastMCP கட்டமைப்பு: நவீன Python MCP சர்வர் செயல்படுத்தல்
- கருவி பதிவு: வகை பாதுகாப்புடன் அறிவிப்புச் சொற்கள்
- வேற்கான கட்டமைப்பு: பயனர் அடையாளம் மற்றும் அமர்வு மேலாண்மை
- பிழை நிர்வாகம்: பரபரப்பில்லா பிழை கையாளுதல் மற்றும் பதிவிறக்கம்
2. தரவுத்தள ஒருங்கிணைப்பு அடுக்கு
- இணைப்பு குளம் நிறுவல்: திறமையான asyncpg இணைப்பு மேலாண்மை
- வட்டார வழங்குபவர்: டினமிக் அட்டவணை கட்டமைப்பைக் கண்டுபிடித்தல்
- விசாரணை செய்பவர்: RLS கட்டமைப்போடு பாதுகாப்பான SQL சுற்றும்
- பரிவர்த்தனை மேலாண்மை: ACID ஒற்றுமை மற்றும் மாற்று பின் வாங்குதல்
3. பாதுகாப்பு அடுக்கு
- வரிசை நில பாதுகாப்பு: PostgreSQL RLS மூலம் பன்முக தரவு தனிமைப்படுத்தல்
- பயனர் அடையாளம்: கடை மேலாளர் அங்கீகாரம் மற்றும் அனுமதி
- அணுகல் கட்டுப்பாடு: சிறப்பான அனுமதிகள் மற்றும் ஆய்வு பாதைகள்
- உள்ளீடு சரிபார்ப்பு: SQL ஊதியத் தாக்குதல் தடுப்பு மற்றும் விசாரணை சரிபார்ப்பு
4. AI மேம்பாட்டு அடுக்கு
- பொருள் உணர்வு தேடல்: பொருள் கண்டறிதலுக்கு வெக்டார் தொகுப்பு
- Azure OpenAI ஒருங்கிணைப்பு: உரை தொகுப்பு உருவாக்கம்
- ஒப்பீட்டு அல்காரிதம்: pgvector கோசைன் ஒப்பீட்டு தேடல்
- தேடல் உத்தரவாதம்: குறியீட்டமைப்பு மற்றும் செயல்திறன் மேம்பாடு
🔧 தொழில்நுட்ப சங்கமம்
அடிப்படை தொழில்நுட்பங்கள்
| கூறு | தொழில்நுட்பம் | பயன் |
|---|---|---|
| MCP கட்டமைப்பு | FastMCP (Python) | நவீன MCP சர்வர் செயல்படுத்தல் |
| தரவுத்தளம் | PostgreSQL 17 + pgvector | அஞ்சலான தரவு மற்றும் வெக்டார் தேடல் |
| AI சேவைகள் | Azure OpenAI | உரை தொகுப்பு மற்றும் மொழி மாதிரிகள் |
| கண்டெய்னரைஷன் | Docker + Docker Compose | மேம்பாட்டு சூழல் |
| முகமை மேடையில் | Microsoft Azure | தயாரிப்பு இடம் |
| IDE ஒருங்கிணைப்பு | VS Code | AI உரையாடல் மற்றும் மேம்பாடு |
மேம்பாட்டு கருவிகள்
| கருவி | பயன் |
|---|---|
| asyncpg | உயர் செயல்திறன் PostgreSQL இயக்கி |
| Pydantic | தரவு சரிபார்த்து தொடரமைப்பு |
| Azure SDK | மேக சேவை ஒருங்கிணைப்பு |
| pytest | சோதனை கட்டமைப்பு |
| Docker | கண்டெய்னர் மற்றும் வெளியீடு |
தயாரிப்பு சங்கமம்
| சேவை | Azure வளம் | பயன் |
|---|---|---|
| தரவுத்தளம் | Azure Database for PostgreSQL | நிர்வகிக்கப்பட்ட தரவுத்தள சேவை |
| கண்டெய்னர் | Azure Container Apps | சேவையில்லா கண்டெய்னர் ஹோஸ்டிங் |
| AI சேவைகள் | Microsoft Foundry | OpenAI மாதிரிகள் மற்றும் இடைநிலை |
| கண்காணிப்பு | Application Insights | கண்காணிப்பு மற்றும் பகுப்பாய்வு |
| பாதுகாப்பு | Azure Key Vault | ரகசியங்கள் மற்றும் கட்டமைப்பு |
🎬 உண்மையான பயன்பாட்டு காட்சிகள்
நாம் MCP சர்வருடன் வெவ்வேறு பயனர்கள் எவ்வாறு தொடர்பு கொள்கிறார்கள் என்று பார்ப்போம்:
காட்சி 1: கடை மேலாளர் செயல்திறன் பரிசீலனை
பயனர்: Sarah, Seattle கடை மேலாளர்
நோக்கம்: கடந்த கால காலாண்டின் விற்பனை செயல்திறனைக் கண்காணிக்க
இயல்பான மொழி விசாரணை:
"எனது கடையின் 2024 Q4 ல் வருமானத்தின்படி மிகச்சிறந்த 10 பொருட்களை காட்டவும்"
என்ன நடக்கும்:
- VS Code AI Chat விசாரணையை MCP சர்வருக்கு அனுப்புகிறது
- MCP சர்வர் Sarah-வின் கடை சூழலை (Seattle) கண்டறிகிறது
- RLS கொள்கைகள் தரவை Seattle கடைக்கே மட்டும் வடிகட்டுகிறது
- SQL விசாரணை உருவாக்கப்பட்டு இயக்கப்படுகிறது
- பெறுபேறுகள் வடிவமைக்கப்பட்டு AI உரையாடலுக்கு அனுப்பப்படுகிறது
- AI பகுப்பாய்வுகள் மற்றும் நுணுக்கங்களை வழங்குகிறது
காட்சி 2: பொருள் கண்டறிதல் மற்றும் பொருள் உணர்வு தேடல்
பயனர்: Mike, சரக்கு மேலாளர்
நோக்கம்: வாடிக்கையாளர் வேண்டுதலுக்கு இணையான பொருட்களை கண்டுபிடிக்க
இயல்பான மொழி விசாரணை:
"நாம் விற்கும் பொருட்களில் 'வெளிப்புற பயன்பாட்டுக்கு நீர்ப்புகாத மின் இணைப்பிகள்' உடன் ஒப்பிடக்கூடியவை எவை?"
என்ன நடக்கும்:
- விசாரணை பொருள் உணர்வு தேடல் கருவியால் செயல்படும்
- Azure OpenAI உரை தொகுப்பு வெக்டார் உருவாக்கும்
- pgvector ஒப்பீட்டு தேடலில் ஈடுபடும்
- சம்பந்தப்பட்ட பொருட்கள் தொடர்புதன்மை படி வரிசைப்படுத்தப்படுகின்றன
- பெறுபேறுகளில் பொருள் விவரங்கள் மற்றும் கிடைக்கும் நிலை இடம்பெறும்
- AI மாற்று உத்தரவாதங்கள் மற்றும் தொகுப்புக் கூறல்களை பரிந்துரைக்கிறது
காட்சி 3: கடைகள் இடையேயான பகுப்பாய்வு
பயனர்: Jennifer, பிராந்திய மேலாளர்
நோக்கம்: அனைத்து கடைகளின் செயல்திறன்களை ஒப்பிட
இயல்பான மொழி விசாரணை:
"கடந்த 6 மாதங்களில் அனைத்து கடைகளுக்கும் பிரிவினைப் பொருட்களின் விற்பனை ஒப்பிடுக"
என்ன நடக்கும்:
- RLS சூழல் பிராந்திய மேலாளர் அணுகல் மேல் அமைக்கப்படுகிறது
- சிக்கலான பல கடை விசாரணை உருவாக்கப்படுகிறது
- தரவு அனைத்து கடை இடங்களிலிருந்தும் தொகுக்கப்படுகிறது
- பெறுபேறுகள் பரிணாமங்களையும் ஒப்பீடுகளையும் கொண்டுள்ளன
- AI நுணுக்கங்களையும் பரிந்துரைகளையும் வழங்குகிறது
🔒 பாதுகாப்பும் பன்முகவாடிக்கை அதிர்வு
நமது செயலாக்கம் நிறுவனம் தரம் பாதுகாப்புக்கு முன்னுரிமை கொடுக்கிறது:
வரிசை நில பாதுகாப்பு (RLS)
PostgreSQL RLS தரவுத் தனிமைப்படுத்தலை உறுதி செய்கிறது:
-- 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()));
பயனர் அடையாள மேலாண்மை
ஒவ்வொரு MCP இணைப்பிலும்:
- கடை மேலாளர் ஐடி: RLS சூழலுக்கான தனித்த அடையாளம்
- பங்கு ஒதுக்கீடு: அனுமதிகள் மற்றும் அணுகல் அளவுகள்
- அமர்வு மேலாண்மை: பாதுகாப்பான அங்கீகார டோக்கன்கள்
- ஆய்வு பதிவு: முழுமையான அணுகல் வரலாறு
தரவு பாதுகாப்பு
பல அடுக்குகளில் பாதுகாப்பு:
- இணைப்பு குறியாக்கம்: அனைத்து தரவுத்தள இணைப்புகளுக்கும் TLS
- SQL ஊதியத் தாக்குதல் தடுப்பு: செயல்படுத்தப்பட்ட அளவுரு விசாரணைகள் மட்டும்
- உள்ளீடு சரிபார்ப்பு: முழுமையான கோரிக்கை சரிபார்ப்பு
- பிழை நிர்வாகம்: பிழை செய்திகள் எந்த ரகசியத் தகவலையும் வெளியிடுவதில்லை
🎯 முக்கிய எடுத்துக்காட்டுகள்
இந்த அறிமுகத்தைக் கடைசிக்கு முன் நீங்கள் புரிந்து கொள்ள வேண்டும்:
✅ MCP மதிப்புரை: AI உதவியாளர்களுக்கும் உண்மையான தரவுக்கும் இடையே MCP எப்படி பாலமாக செயல்படுகிறது
✅ வியாபார சூழல்: Zava Retail-ன் தேவைகள் மற்றும் சவால்கள்
✅ கட்டமைப்பு கண்ணோட்டம்: முக்கிய கூறுகளும் அத்துடன் தங்களது தொடர்புகளும்
✅ தொழில்நுட்ப சங்கமம்: கற்கை வழியில் பயன்படுத்தப்பட்ட கருவிகளும் கட்டமைப்புகளும்
✅ பாதுகாப்பு மாதிரி: பன்முக வாடிக்கையாளர் தரவு அணுகல் மற்றும் பாதுகாப்பு
✅ பயன்பாடு வடிவங்கள்: உண்மையான விசாரணை காட்சிகள் மற்றும் செயல்முறைகள்
🚀 அடுத்து என்ன
முழுமையாக சென்று திறந்து கற்றுக்கொள்ள தயாரா? தொடர்ந்து செய்க:
Lab 01: Core Architecture Concepts
MCP சர்வர் கட்டமைப்பு முறைநெறிகள், தரவுத்தள வடிவமைப்பு கொள்கைகள் மற்றும் நமது சில்லறை பகுப்பாய்வு தீர்வை இயக்கும் விரிவான தொழில்நுட்ப செயல்திறனை கற்றுக்கொள்ளுங்கள்.
📚 கூடுதல் வளங்கள்
MCP ஆவணங்கள்
- MCP கூறு - அதிகாரப்பூர்வ நெறிமுறை ஆவணம்
- MCP ஆரம்பநிலை கையேடு - விரிவான MCP கற்றல் வழிகாட்டி
- FastMCP ஆவணங்கள் - Python SDK ஆவணம்
தரவுத்தள ஒருங்கிணைப்பு
- PostgreSQL ஆவணங்கள் - முழுமையான PostgreSQL குறிப்பு
- pgvector கையேடு - வெக்டார் நீட்சிச் சிக்கலனுக்கு ஆவணம்
- வரிசை நில பாதுகாப்பு - PostgreSQL RLS வழிகாட்டி
Azure சேவைகள்
- Azure OpenAI ஆவணம் - AI சேவை ஒருங்கிணைப்பு
- Azure Database for PostgreSQL - நிர்வகிக்கப்பட்ட தரவுத்தள சேவை
- Azure Container Apps - சேவையில்லா கண்டெய்னர்கள்
மேலதிக குறிப்பு: இது கருத்தெடுத்துக் கொள்ளப்பட்ட சில்லறை தரவு கொண்ட கற்றல் பயிற்சி ஆகும். உங்களுடைய நிறுவனம் தரவு பண்பாட்டு மற்றும் பாதுகாப்பு கொள்கைகளைப் பின்பற்றி உண்மை சூழலில் உள்ள அதேவகை தீர்வுகளை செயல்படுத்துங்கள்.
மறுப்பு: இந்த ஆவணம் AI மொழிபெயர்ப்பு சேவை Co-op Translator பயன்படுத்தி மொழிபெயர்க்கப்பட்டுள்ளது. நாங்கள் துல்லியத்திற்காக முயற்சி செய்துள்ளோம், ஆனால் தானாக செய்யப்படும் மொழிபெயர்ப்புகளில் பிழைகள் அல்லது தவறுகள் இருக்கலாம் என்பதை கவனத்தில் கொள்ளவும். அசல் ஆவணம் அதன் தாய்மொழியில் அதிகாரப்பூர்வ ஆதாரமாக கருதப்பட வேண்டும். முக்கியமான தகவல்களுக்கு, தொழில்நுட்பமான மனித மொழிபெயர்ப்பு பரிந்துரைக்கப்படுகிறது. இந்த மொழிபெயர்ப்பைப் பயன்படுத்துவதால் ஏற்படும் எந்த தவறான புரிதல்கள் அல்லது தவறான விளக்கத்திற்கும் நாங்கள் பொறுப்பில்வில்லை.