wehub-resource-sync
22 KiB
MCP ڈیٹا بیس انٹیگریشن کا تعارف
🎯 اس لیب میں کیا شامل ہے
یہ تعارفی لیب ماڈل کانٹیکسٹ پروٹوکول (MCP) سرورز کی ڈیٹا بیس انٹیگریشن کے ساتھ تعمیر کا جامع جائزہ فراہم کرتی ہے۔ آپ کاروباری کیس، تکنیکی معماری، اور حقیقت پسندانہ اطلاقات کو https://github.com/microsoft/MCP-Server-and-PostgreSQL-Sample-Retail پر زاؤا ریٹیل اینالٹکس کے استعمال کے معاملے کے ذریعے سمجھیں گے۔
جائزہ
ماڈل کانٹیکسٹ پروٹوکول (MCP) AI اسسٹنٹس کو بیرونی ڈیٹا ذرائع تک محفوظ طریقے سے حقیقی وقت میں رسائی اور تعامل کی اجازت دیتا ہے۔ ڈیٹا بیس انٹیگریشن کے ساتھ مل کر، MCP ڈیٹا پر مبنی AI ایپلیکیشنز کے لیے طاقتور صلاحیتیں فراہم کرتا ہے۔
یہ تعلیمی راستہ آپ کو پروڈکشن کے قابل MCP سرورز بنانے کی تربیت دیتا ہے جو AI اسسٹنٹس کو پوسٹگری ایس کیو ایل کے ذریعے ریٹیل سیلز ڈیٹا سے جوڑتے ہیں، اور رو لیول سیکیورٹی، سیمینٹک سرچ، اور کثیر کرایہ دار ڈیٹا رسائی جیسے انٹرپرائز پیٹرنز کو نافذ کرتے ہیں۔
سیکھنے کے مقاصد
اس لیب کے آخر تک، آپ قابل ہوں گے:
- ماڈل کانٹیکسٹ پروٹوکول کی تعریف اور ڈیٹا بیس انٹیگریشن کے لیے اس کے بنیادی فوائد
- MCP سرور آرکیٹیکچر کے اہم اجزاء کی شناخت
- زاؤا ریٹیل کے استعمال کے کیس اور اس کی کاروباری ضروریات کو سمجھنا
- محفوظ اور توسیع پذیر ڈیٹا بیس رسائی کے لیے انٹرپرائز پیٹرنز کو پہچاننا
- اس سیکھنے کے راستے میں استعمال ہونے والے اوزار اور ٹیکنالوجیز کی فہرست بنانا
🧭 چیلنج: AI اور حقیقت پسندانہ ڈیٹا کا ملاپ
روایتی AI کی حدود
جدید AI اسسٹنٹس بہت طاقتور ہیں لیکن حقیقی دنیا کے کاروباری ڈیٹا کے ساتھ کام کرتے ہوئے نمایاں حدود کا سامنا کرتے ہیں:
| چیلنج | تفصیل | کاروباری اثر |
|---|---|---|
| جامد معلومات | AI ماڈلز جو مقررہ ڈیٹا سیٹس پر تربیت یافتہ ہیں موجودہ کاروباری ڈیٹا تک رسائی نہیں رکھ پاتے | پرانے اندازے، مواقع سے محرومی |
| ڈیٹا کے جزیرے | معلومات ڈیٹا بیسز، APIs، اور سسٹمز میں بند ہیں جہاں AI پہنچ نہیں سکتا | نامکمل تجزیہ، غیر مربوط ورک فلو |
| سیکیورٹی کی پابندیاں | براہ راست ڈیٹا بیس تک رسائی پر سیکیورٹی اور تعمیل کے مسائل | محدود تعیناتی، دستی ڈیٹا تیاری |
| پیچیدہ سوالات | کاروباری صارفین کو ڈیٹا قابلِ فہم بنانے کے لیے تکنیکی مہارت کی ضرورت | کم اپنانا، غیر موثر عمل |
MCP حل
ماڈل کانٹیکسٹ پروٹوکول ان چیلنجوں کو درج ذیل طریقوں سے حل کرتا ہے:
- حقیقی وقت ڈیٹا تک رسائی: AI اسسٹنٹس زندہ ڈیٹا بیسز اور APIs کو سوال کرتے ہیں
- محفوظ انٹیگریشن: تصدیق اور اجازت کے ساتھ کنٹرول شدہ رسائی
- قدرتی زبان کا انٹرفیس: کاروباری صارفین آسان انگریزی پرسوال کرتے ہیں
- معیاری پروٹوکول: مختلف AI پلیٹ فارمز اور ٹولز کے ساتھ کام کرتا ہے
🏪 زاؤا ریٹیل سے ملو: ہمارا تعلیمی کیس اسٹڈی https://github.com/microsoft/MCP-Server-and-PostgreSQL-Sample-Retail
اس سیکھنے کے راستے میں، ہم زاؤا ریٹیل کے لیے MCP سرور بنائیں گے، جو متعدد اسٹور مقامات والا فرضی DIY ریٹیل چین ہے۔ یہ حقیقت پسندانہ منظرنامہ انٹرپرائز درجے کی MCP نفاذ کو ظاہر کرتا ہے۔
کاروباری سیاق و سباق
زاؤا ریٹیل چلتی ہے:
- 8 فزیکل اسٹورز واشنگٹن ریاست میں (سیئیٹل، بیلیو، ٹاکوما، اسپوکین، ایوریٹ، ریڈمونڈ، کرکلینڈ)
- 1 آن لائن اسٹور ای کامرس سیلز کے لیے
- متنوع مصنوعات کا کیٹلاگ جن میں ٹولز، ہارڈویر، گارڈن سپلائیز، اور بلڈنگ میٹیریل شامل ہیں
- کثیر سطحی انتظامیہ جس میں اسٹور مینیجرز، علاقائی مینیجرز، اور ایگزیکٹوز شامل ہیں
کاروباری ضروریات
اسٹور مینیجرز اور ایگزیکٹوز کو AI سے چلنے والی اینالٹکس کی ضرورت ہے تاکہ:
- اسٹورز اور وقت کی مدتوں کے دوران سیلز کی کارکردگی کا تجزیہ کریں
- انوینٹری کی سطحوں کا پتا رکھیں اور ری اسٹاکنگ کی ضرورت کا تعین کریں
- صارفین کے رویے اور خریداری کے نمونوں کو سمجھیں
- سیمینٹک سرچ کے ذریعے مصنوعات کی بصیرت تلاش کریں
- قدرتی زبان کے سوالات کے ساتھ رپورٹس تیار کریں
- رول پر مبنی رسائی کنٹرول کے ساتھ ڈیٹا کی سیکیورٹی برقرار رکھیں
تکنیکی ضروریات
MCP سرور کو مندرجہ ذیل فراہم کرنا ہوگا:
- کثیر کرایہ دار ڈیٹا رسائی جہاں اسٹور مینیجرز صرف اپنے اسٹور کا ڈیٹا دیکھ سکیں
- لچکدار سوالات جو پیچیدہ SQL آپریشنز کی حمایت کرتے ہوں
- مصنوعات کی دریافت اور سفارشات کے لیے سیمینٹک سرچ
- حقیقی وقت کا ڈیٹا جو موجودہ کاروباری حالت کی عکاسی کرتا ہو
- رو لیول سیکیورٹی کے ساتھ محفوظ تصدیق
- متعدد ہم عصر صارفین کی حمایت کرنے والی توسیع پذیر معماری
🏗️ MCP سرور کی آرکیٹیکچر کا جائزہ
ہمارا MCP سرور ایک پرت دار معماری کو نافذ کرتا ہے جو ڈیٹا بیس انٹیگریشن کے لیے مثالی ہے:
┌─────────────────────────────────────────────────────────────┐
│ 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) │
└─────────────────────────────────────────────────────────────┘
اہم اجزاء
1. MCP سرور کی پرت
- FastMCP فریم ورک: جدید Python MCP سرور کی عملدرآمد
- ٹول رجسٹریشن: نوعیت کی حفاظت کے ساتھ اعلانیہ ٹول کی تعریفیں
- ریکویسٹ کانٹیکسٹ: صارف کی شناخت اور سیشن مینجمنٹ
- ایرر ہینڈلنگ: مضبوط نقص انتظام اور لاگنگ
2. ڈیٹا بیس انٹیگریشن کی پرت
- کنکشن پولنگ: مؤثر asyncpg کنکشن مینجمنٹ
- اسکیمہ پرووائیڈر: متحرک ٹیبل اسکیمہ دریافت
- کوئری ایگزیکیوسر: RLS کانٹیکسٹ کے ساتھ محفوظ SQL ایگزیکیوشن
- ٹرانزیکشن مینجمنٹ: ACID مطابقت اور رول بیک ہینڈلنگ
3. سیکیورٹی کی پرت
- رو لیول سیکیورٹی: ملٹی ٹیننٹ ڈیٹا الگاؤ کے لیے PostgreSQL RLS
- صارف شناخت: اسٹور مینیجر کی توثیق اور اختیار
- رسائی کنٹرول: باریک بینی کے ساتھ اجازتیں اور آڈٹ ٹریلز
- ان پٹ ویلیڈیشن: SQL انجیکشن روک تھام اور کوئری کی تصدیق
4. AI بہتری کی پرت
- سیمینٹک سرچ: مصنوعات کی دریافت کے لیے ویکٹر ایمبیڈنگز
- Azure OpenAI انٹیگریشن: متن کی ایمبیڈنگ جنریشن
- مشابہت الگورتھمز: pgvector کوسائن مشابہت سرچ
- سرچ آپٹیمائزیشن: انڈیکسنگ اور کارکردگی کی بہتری
🔧 ٹیکنالوجی اسٹیک
بنیادی ٹیکنالوجیز
| اجزاء | ٹیکنالوجی | مقصد |
|---|---|---|
| MCP فریم ورک | FastMCP (Python) | جدید MCP سرور کی عملدرآمد |
| ڈیٹا بیس | PostgreSQL 17 + pgvector | ویکٹر سرچ کے ساتھ رلیشنل ڈیٹا |
| AI سروسز | Azure OpenAI | متن کی ایمبیڈنگز اور زبان کے ماڈلز |
| کنٹینرائزیشن | Docker + Docker Compose | ترقیاتی ماحول |
| کلاؤڈ پلیٹ فارم | Microsoft Azure | پروڈکشن تعیناتی |
| IDE انٹیگریشن | VS Code | AI چیٹ اور ترقیاتی ورک فلو |
ترقیاتی اوزار
| ٹول | مقصد |
|---|---|
| asyncpg | اعلیٰ کارکردگی کا PostgreSQL ڈرائیور |
| Pydantic | ڈیٹا کی تصدیق اور سیریلائزیشن |
| Azure SDK | کلاؤڈ سروس انٹیگریشن |
| pytest | ٹیسٹنگ فریم ورک |
| Docker | کنٹینرائزیشن اور تعیناتی |
پروڈکشن اسٹیک
| سروس | Azure ریسورس | مقصد |
|---|---|---|
| ڈیٹا بیس | Azure Database for PostgreSQL | مینیجڈ ڈیٹا بیس سروس |
| کنٹینر | Azure Container Apps | سرور لیس کنٹینر ہوسٹنگ |
| AI سروسز | Microsoft Foundry | OpenAI ماڈلز اور اینڈپوائنٹس |
| نگرانی | Application Insights | مشاہدہ اور تشخیصی عمل |
| سیکیورٹی | Azure Key Vault | راز اور کنفیگریشن مینجمنٹ |
🎬 حقیقی دنیا کے استعمال کے منظرنامے
آئیے دیکھتے ہیں کہ مختلف صارفین ہمارے MCP سرور کے ساتھ کیسے تعامل کرتے ہیں:
منظرنامہ 1: اسٹور مینیجر کی کارکردگی کا جائزہ
صارف: سارہ، سیئیٹل اسٹور مینیجر
مقصد: پچھلے سہ ماہی کی سیلز کارکردگی کا تجزیہ
قدرتی زبان کا سوال:
"اپنے اسٹور کے لیے Q4 2024 میں آمدنی کے لحاظ سے ٹاپ 10 مصنوعات دکھائیں"
کیا ہوتا ہے:
- VS Code AI چیٹ سوال MCP سرور کو بھیجتا ہے
- MCP سرور سارہ کے اسٹور کے سیاق و سباق کو شناخت کرتا ہے (سیئیٹل)
- RLS پالیسیز کو صرف سیئیٹل اسٹور کے ڈیٹا پر فلٹر لگاتی ہیں
- SQL سوال تیار اور چلایا جاتا ہے
- نتائج مرتب کر کے AI چیٹ کو واپس بھیجے جاتے ہیں
- AI تجزیہ اور بصیرت فراہم کرتا ہے
منظرنامہ 2: سیمینٹک سرچ کے ذریعے مصنوعات کی دریافت
صارف: مائیک، انوینٹری مینیجر
مقصد: گاہک کی درخواست سے ملتی جلتی مصنوعات تلاش کرنا
قدرتی زبان کا سوال:
"ہم کونسی مصنوعات بیچتے ہیں جو کہ 'بیرونی استعمال کے لیے واٹر پروف الیکٹریکل کنیکٹرز' سے ملتی جلتی ہوں؟"
کیا ہوتا ہے:
- سوال سیمینٹک سرچ ٹول کے ذریعے پراسیس ہوتا ہے
- Azure OpenAI ایمبیڈنگ ویکٹر تیار کرتا ہے
- pgvector مشابہت سرچ کرتا ہے
- متعلقہ مصنوعات اہمیت کے مطابق درجہ بند کی جاتی ہیں
- نتایج میں مصنوعات کی تفصیلات اور دستیابی شامل ہوتی ہے
- AI متبادل اور بنڈلنگ کے مواقع تجویز کرتا ہے
منظرنامہ 3: کراس-اسٹور اینالٹکس
صارف: جینیفر، علاقائی مینیجر
مقصد: تمام اسٹورز کی کارکردگی کا موازنہ
قدرتی زبان کا سوال:
"پچھلے 6 ماہ میں تمام اسٹورز کے لیے زمرے کے حساب سے سیلز کا موازنہ کریں"
کیا ہوتا ہے:
- علاقائی مینیجر کی رسائی کے لیے RLS کانٹیکسٹ سیٹ کیا جاتا ہے
- پیچیدہ کثیر اسٹور سوال تیار کیا جاتا ہے
- تمام اسٹور مقامات سے ڈیٹا جمع کیا جاتا ہے
- نتایج میں رجحانات اور موازنہ شامل ہیں
- AI بصیرت اور سفارشات کی نشاندہی کرتا ہے
🔒 سیکیورٹی اور ملٹی ٹیننسی کی تفصیلی وضاحت
ہمارا نفاذ انٹرپرائز گریڈ سیکیورٹی کو ترجیح دیتا ہے:
رو لیول سیکیورٹی (RLS)
PostgreSQL RLS ڈیٹا الگاؤ کی ضمانت دیتا ہے:
-- 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()));
صارف شناخت مینجمنٹ
ہر MCP کنکشن میں شامل ہیں:
- اسٹور مینیجر کی شناخت: RLS کانٹیکسٹ کے لیے منفرد شناخت کنندہ
- رول اسائنمنٹ: اجازتیں اور رسائی کی سطحیں
- سیشن مینجمنٹ: محفوظ تصدیقی ٹوکنز
- آڈٹ لاگنگ: مکمل رسائی کی تاریخ
ڈیٹا کی حفاظت
کئی سیکیورٹی سطحیں:
- کنکشن انکرپشن: تمام ڈیٹا بیس کنکشنز کے لیے TLS
- SQL انجیکشن سے بچاؤ: صرف پیرامیٹرائزڈ سوالات
- ان پٹ ویلیڈیشن: جامع درخواست کی تصدیق
- ایرر ہینڈلنگ: نقصانات میں حساس معلومات شامل نہیں
🎯 اہم نکات
اس تعارف کو مکمل کرنے کے بعد، آپ سمجھ پائیں گے:
✅ MCP کی قدر: کہ MCP کیسے AI اسسٹنٹس اور حقیقت پسندانہ ڈیٹا کے درمیان پُل بناتا ہے
✅ کاروباری سیاق و سباق: زاؤا ریٹیل کی ضروریات اور چیلنجز
✅ آرکیٹیکچر کا جائزہ: اہم اجزاء اور ان کے تعاملات
✅ ٹیکنالوجی اسٹیک: سیکھنے کے دوران استعمال ہونے والے اوزار اور فریم ورکس
✅ سیکیورٹی ماڈل: ملٹی ٹیننٹ ڈیٹا رسائی اور تحفظ
✅ استعمال کے نمونے: حقیقی دنیا کے سوالات اور ورک فلو
🚀 اگلا قدم
مزید گہرائی میں جانے کے لیے تیار ہیں؟ جاری رکھیں:
لیب 01: کور آرکیٹیکچر کے تصورات
MCP سرور آرکیٹیکچر پیٹرنز، ڈیٹا بیس ڈیزائن کے اصول، اور ہماری ریٹیل اینالٹکس حل کی تفصیلی تکنیکی عملدرآمد کے بارے میں جانیں۔
📚 اضافی وسائل
MCP دستاویزات
- MCP تفصیل - سرکاری پروٹوکول دستاویزات
- ابتدائیوں کے لیے MCP - جامع MCP تعلیمی گائیڈ
- FastMCP دستاویزات - Python SDK دستاویزات
ڈیٹا بیس انٹیگریشن
- PostgreSQL دستاویزات - مکمل PostgreSQL حوالہ
- pgvector گائیڈ - ویکٹر ایکسٹینشن دستاویزات
- رو لیول سیکیورٹی - PostgreSQL RLS رہنمائی
Azure سروسز
- Azure OpenAI دستاویزات - AI سروس انٹیگریشن
- Azure Database for PostgreSQL - مینیجڈ ڈیٹا بیس سروس
- Azure Container Apps - سرور لیس کنٹینرز
دستخط: یہ ایک تعلیمی مشق ہے جو فرضی ریٹیل ڈیٹا استعمال کرتی ہے۔ ہمیشہ اپنی تنظیم کی ڈیٹا گورننس اور سیکیورٹی پالیسیاں پروڈکشن ماحول میں ایسے حل نافذ کرتے وقت فالو کریں۔
ڈس کلیمر: یہ دستاویز AI ترجمہ سروس Co-op Translator کے ذریعے ترجمہ کی گئی ہے۔ جبکہ ہم درستگی کے لیے کوشاں ہیں، براہ کرم اس بات سے آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا عدم درستیاں ہو سکتی ہیں۔ اصل دستاویز اپنے مادری زبان میں مستند ماخذ سمجھی جائے گی۔ حساس معلومات کے لیے پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کی ذمہ داری ہم قبول نہیں کرتے۔