FAQ
Интеграции

OpenClaw + PostgreSQL: AI-агент работает с базой данных

Подключение OpenClaw к PostgreSQL через MCP-сервер: безопасные SQL-запросы, анализ данных, генерация отчётов и автоматизация задач с базой данных.

· 6 мин чтения
OpenClaw + PostgreSQL: AI-агент работает с базой данных

Прямое подключение OpenClaw к базе данных — один из мощнейших сценариев: агент пишет SQL-запросы, анализирует данные, генерирует отчёты и помогает с миграциями. При правильной настройке это безопасно даже для production.

Выбор подхода

Есть два способа дать OpenClaw доступ к PostgreSQL:

1. Готовый MCP-сервер — быстрая установка, базовый функционал 2. Кастомный MCP-сервер — полный контроль, специфичные инструменты

Начнём с готового.

Установка готового MCP-сервера PostgreSQL

npm install -g @modelcontextprotocol/server-postgres

Конфигурация OpenClaw:

{
  "mcpServers": {
    "postgres": {
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-postgres",
        "postgresql://user:password@localhost:5432/mydb"
      ]
    }
  }
}

Важно для безопасности: используйте read-only пользователя для анализа данных:

-- В PostgreSQL
CREATE USER openclaw_readonly WITH PASSWORD 'secure_pass';
GRANT CONNECT ON DATABASE mydb TO openclaw_readonly;
GRANT USAGE ON SCHEMA public TO openclaw_readonly;
GRANT SELECT ON ALL TABLES IN SCHEMA public TO openclaw_readonly;
ALTER DEFAULT PRIVILEGES IN SCHEMA public GRANT SELECT ON TABLES TO openclaw_readonly;
{
  "mcpServers": {
    "postgres": {
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-postgres",
        "postgresql://openclaw_readonly:secure_pass@localhost:5432/mydb"
      ]
    }
  }
}

Аналитика данных без SQL

После подключения можно задавать вопросы на русском:

> Сколько новых пользователей зарегистрировалось за последние 30 дней?
  Разбей по неделям.
> Какие 10 товаров принесли наибольшую выручку в Q1 2026?
  Выведи: товар, количество продаж, сумма, доля от общей выручки.
> Найди пользователей которые зарегистрировались > 6 месяцев назад,
  но ни разу не совершили покупку. Сколько их?

Агент сам составит SQL-запрос, выполнит и интерпретирует результат.

Кастомный MCP-сервер с защитой

Для production нужен контроль над тем какие запросы может выполнять агент:

// src/index.ts
import { Server } from "@modelcontextprotocol/sdk/server/index.js";
import { StdioServerTransport } from "@modelcontextprotocol/sdk/server/stdio.js";
import { CallToolRequestSchema, ListToolsRequestSchema } from "@modelcontextprotocol/sdk/types.js";
import { Pool } from "pg";

const pool = new Pool({
  connectionString: process.env.DATABASE_URL,
  max: 5,
  idleTimeoutMillis: 30000,
});

// Белый список таблиц к которым разрешён доступ
const ALLOWED_TABLES = ["orders", "products", "users_public", "reports"];

// Белый список операций
const ALLOWED_OPERATIONS = ["SELECT"];

function validateQuery(sql: string): void {
  const upper = sql.toUpperCase().trim();

  // Разрешаем только SELECT
  if (!upper.startsWith("SELECT")) {
    throw new Error("Only SELECT queries are allowed");
  }

  // Запрещаем опасные ключевые слова
  const forbidden = ["DROP", "DELETE", "UPDATE", "INSERT", "TRUNCATE", "ALTER", "EXEC", "EXECUTE"];
  for (const keyword of forbidden) {
    if (upper.includes(keyword)) {
      throw new Error(`Keyword ${keyword} is not allowed`);
    }
  }
}

const server = new Server(
  { name: "postgres-safe", version: "1.0.0" },
  { capabilities: { tools: {} } }
);

server.setRequestHandler(ListToolsRequestSchema, async () => ({
  tools: [
    {
      name: "query",
      description: "Выполнить SELECT-запрос к базе данных. Только чтение, не изменяет данные.",
      inputSchema: {
        type: "object",
        properties: {
          sql: { type: "string", description: "SQL SELECT запрос" },
          limit: { type: "number", description: "Максимум строк (default: 100, max: 1000)", default: 100 },
        },
        required: ["sql"],
      },
    },
    {
      name: "describe_table",
      description: "Получить структуру таблицы: колонки, типы, индексы",
      inputSchema: {
        type: "object",
        properties: {
          table_name: { type: "string" },
        },
        required: ["table_name"],
      },
    },
    {
      name: "list_tables",
      description: "Список доступных таблиц",
      inputSchema: { type: "object", properties: {} },
    },
  ],
}));

server.setRequestHandler(CallToolRequestSchema, async (request) => {
  const { name, arguments: args } = request.params;

  if (name === "query") {
    const { sql, limit = 100 } = args as { sql: string; limit?: number };

    validateQuery(sql);

    const safeLimit = Math.min(limit, 1000);
    const wrappedSql = `SELECT * FROM (${sql}) AS q LIMIT ${safeLimit}`;

    const result = await pool.query(wrappedSql);
    return {
      content: [{
        type: "text",
        text: JSON.stringify({
          rows: result.rows,
          rowCount: result.rowCount,
          fields: result.fields.map(f => ({ name: f.name, dataTypeID: f.dataTypeID })),
        }, null, 2),
      }],
    };
  }

  if (name === "describe_table") {
    const { table_name } = args as { table_name: string };

    const result = await pool.query(`
      SELECT column_name, data_type, is_nullable, column_default
      FROM information_schema.columns
      WHERE table_name = $1
      ORDER BY ordinal_position
    `, [table_name]);

    return {
      content: [{ type: "text", text: JSON.stringify(result.rows, null, 2) }],
    };
  }

  if (name === "list_tables") {
    const result = await pool.query(`
      SELECT table_name
      FROM information_schema.tables
      WHERE table_schema = 'public' AND table_type = 'BASE TABLE'
      ORDER BY table_name
    `);
    return {
      content: [{ type: "text", text: result.rows.map(r => r.table_name).join("\n") }],
    };
  }

  throw new Error("Unknown tool");
});

const transport = new StdioServerTransport();
await server.connect(transport);

Сценарии использования

Анализ данных для отчёта

> Подготовь данные для ежемесячного отчёта по продажам.
  База: таблицы orders, order_items, products, users.

  Нужно:
  1. Выручка за март 2026 total и по категориям
  2. Топ-10 товаров по выручке
  3. Средний чек по неделям (динамика)
  4. Новые vs возвращающиеся покупатели (% от total)

  Выведи в виде JSON, я потом сформирую Excel.

Поиск аномалий

> Найди потенциально подозрительные транзакции за последние 7 дней:
  - Суммы > 3σ от среднего по пользователю
  - Один пользователь, несколько транзакций за < 5 минут
  - Транзакции с одинаковой суммой от разных пользователей в течение часа

  Вернуть: transaction_id, user_id, amount, created_at, тип аномалии.

Помощь с миграциями

> Мне нужно добавить мягкое удаление (soft delete) к таблице products.
  Сейчас: id, name, price, created_at.
  Нужно: добавить поле deleted_at (nullable timestamp).

  Напиши:
  1. Миграцию (SQL)
  2. Индекс для оптимизации WHERE deleted_at IS NULL
  3. Как обновить существующие запросы чтобы фильтровать удалённые

Оптимизация запросов

> Вот медленный запрос (< 1 секунда ожидаем, сейчас 8 сек):

  SELECT u.*, COUNT(o.id) as order_count, SUM(o.total) as total_spent
  FROM users u
  LEFT JOIN orders o ON u.id = o.user_id
  WHERE u.created_at > '2025-01-01'
  GROUP BY u.id

  Посмотри на структуру таблиц через describe_table и предложи:
  1. Нужные индексы
  2. Переписанный запрос (если нужно)
  3. Объяснение почему это быстрее

Работа с большими таблицами

Для таблиц с миллионами строк используйте LIMIT и пагинацию:

> Таблица events содержит 50 млн строк. Мне нужна агрегация за год.
  Используй оконные функции и НЕ делай SELECT * без LIMIT.
  Проверь через EXPLAIN ANALYZE что запрос использует индексы.

Агент будет осторожен с большими таблицами если вы это укажете в системном промпте.

Безопасность: чек-лист

  • Используйте read-only пользователя PostgreSQL
  • Никогда не подключайте production-БД напрямую к агенту с write-правами
  • Ограничьте доступ только к нужным таблицам (GRANT SELECT на конкретные таблицы)
  • Включите SSL для подключения
  • Логируйте все запросы агента (pg_audit или application-level logging)
  • Для аналитики используйте read-реплику, не master

Итог

PostgreSQL + OpenClaw = аналитик данных доступный 24/7. Нет нужды в запросах к DBA для каждого отчёта — агент пишет запросы сам. При правильном разграничении прав риски минимальны.

Читайте также: Создание MCP-сервера и RAG для своих данных.

Теги: PostgreSQLбаза данныхSQLMCPаналитика данныхинтеграцияразработка

Вам также может быть интересно