Skip to content

README.md

Latest commit

 

History

History
310 lines (231 loc) · 30 KB

README.md

File metadata and controls

310 lines (231 loc) · 30 KB

MCP डेटाबेस इंटीग्रेशन का परिचय

🎯 यह लैब क्या कवर करता है

यह परिचयात्मक लैब Model Context Protocol (MCP) सर्वर को डेटाबेस इंटीग्रेशन के साथ बनाने का एक व्यापक अवलोकन प्रदान करता है। आप Zava Retail एनालिटिक्स उपयोग केस (https://github.com/microsoft/MCP-Server-and-PostgreSQL-Sample-Retail) के माध्यम से व्यावसायिक केस, तकनीकी आर्किटेक्चर और वास्तविक दुनिया के अनुप्रयोगों को समझेंगे।

अवलोकन

Model Context Protocol (MCP) एआई असिस्टेंट्स को सुरक्षित रूप से बाहरी डेटा स्रोतों तक रीयल-टाइम में पहुंचने और उनके साथ इंटरैक्ट करने में सक्षम बनाता है। डेटाबेस इंटीग्रेशन के साथ, MCP डेटा-ड्रिवन एआई एप्लिकेशन के लिए शक्तिशाली क्षमताओं को अनलॉक करता है।

यह लर्निंग पाथ आपको प्रोडक्शन-रेडी MCP सर्वर बनाने के लिए सिखाता है, जो PostgreSQL के माध्यम से रिटेल सेल्स डेटा से एआई असिस्टेंट्स को जोड़ता है, और एंटरप्राइज पैटर्न जैसे Row Level Security, सेमांटिक सर्च, और मल्टी-टेनेंट डेटा एक्सेस को लागू करता है।

लर्निंग ऑब्जेक्टिव्स

इस लैब के अंत तक, आप निम्नलिखित करने में सक्षम होंगे:

  • परिभाषित करें Model Context Protocol और डेटाबेस इंटीग्रेशन के लिए इसके मुख्य लाभ
  • पहचानें MCP सर्वर आर्किटेक्चर के प्रमुख घटक डेटाबेस के साथ
  • समझें Zava Retail उपयोग केस और इसके व्यावसायिक आवश्यकताएं
  • एंटरप्राइज पैटर्न को पहचानें सुरक्षित और स्केलेबल डेटाबेस एक्सेस के लिए
  • उपकरणों और तकनीकों की सूची बनाएं जो इस लर्निंग पाथ में उपयोग किए गए हैं

🧭 चुनौती: एआई और वास्तविक दुनिया के डेटा का मिलन

पारंपरिक एआई की सीमाएं

आधुनिक एआई असिस्टेंट्स बेहद शक्तिशाली हैं, लेकिन वास्तविक दुनिया के व्यावसायिक डेटा के साथ काम करते समय उन्हें महत्वपूर्ण सीमाओं का सामना करना पड़ता है:

चुनौती विवरण व्यावसायिक प्रभाव
स्थिर ज्ञान फिक्स्ड डेटा सेट पर प्रशिक्षित एआई मॉडल वर्तमान व्यावसायिक डेटा तक पहुंच नहीं सकते पुराने इनसाइट्स, खोए हुए अवसर
डेटा साइलो जानकारी डेटाबेस, एपीआई और सिस्टम में बंद है, जहां एआई नहीं पहुंच सकता अधूरी विश्लेषण, खंडित वर्कफ्लो
सुरक्षा बाधाएं सीधे डेटाबेस एक्सेस से सुरक्षा और अनुपालन चिंताएं बढ़ती हैं सीमित डिप्लॉयमेंट, मैनुअल डेटा तैयारी
जटिल क्वेरीज़ व्यावसायिक उपयोगकर्ताओं को डेटा इनसाइट्स निकालने के लिए तकनीकी ज्ञान की आवश्यकता होती है कम अपनाना, अक्षम प्रक्रियाएं

MCP समाधान

Model Context Protocol इन चुनौतियों का समाधान निम्नलिखित तरीकों से करता है:

  • रीयल-टाइम डेटा एक्सेस: एआई असिस्टेंट्स लाइव डेटाबेस और एपीआई से क्वेरी कर सकते हैं
  • सुरक्षित इंटीग्रेशन: प्रमाणीकरण और अनुमतियों के साथ नियंत्रित एक्सेस
  • नेचुरल लैंग्वेज इंटरफेस: व्यावसायिक उपयोगकर्ता साधारण अंग्रेजी में प्रश्न पूछ सकते हैं
  • मानकीकृत प्रोटोकॉल: विभिन्न एआई प्लेटफॉर्म और टूल्स के साथ काम करता है

🏪 Zava Retail से मिलें: हमारा लर्निंग केस स्टडी https://github.com/microsoft/MCP-Server-and-PostgreSQL-Sample-Retail

इस लर्निंग पाथ के दौरान, हम Zava Retail के लिए एक MCP सर्वर बनाएंगे, जो वाशिंगटन राज्य में कई स्टोर लोकेशंस के साथ एक काल्पनिक DIY रिटेल चेन है। यह यथार्थवादी परिदृश्य एंटरप्राइज-ग्रेड MCP कार्यान्वयन को प्रदर्शित करता है।

व्यावसायिक संदर्भ

Zava Retail संचालित करता है:

  • 8 भौतिक स्टोर वाशिंगटन राज्य में (सिएटल, बेलव्यू, टैकोमा, स्पोकेन, एवरट, रेडमंड, किर्कलैंड)
  • 1 ऑनलाइन स्टोर ई-कॉमर्स बिक्री के लिए
  • विविध उत्पाद कैटलॉग जिसमें उपकरण, हार्डवेयर, गार्डन सप्लाई और निर्माण सामग्री शामिल हैं
  • मल्टी-लेवल प्रबंधन स्टोर मैनेजर, क्षेत्रीय मैनेजर और कार्यकारी अधिकारियों के साथ

व्यावसायिक आवश्यकताएं

स्टोर मैनेजर और कार्यकारी अधिकारियों को एआई-संचालित एनालिटिक्स की आवश्यकता है:

  1. बिक्री प्रदर्शन का विश्लेषण करें स्टोर्स और समय अवधि के अनुसार
  2. इन्वेंट्री स्तरों को ट्रैक करें और रीस्टॉकिंग की जरूरतों की पहचान करें
  3. ग्राहक व्यवहार को समझें और खरीदारी के पैटर्न का विश्लेषण करें
  4. उत्पाद अंतर्दृष्टि खोजें सेमांटिक सर्च के माध्यम से
  5. रिपोर्ट्स जनरेट करें नेचुरल लैंग्वेज क्वेरीज़ के साथ
  6. डेटा सुरक्षा बनाए रखें रोल-आधारित एक्सेस कंट्रोल के साथ

तकनीकी आवश्यकताएं

MCP सर्वर को निम्नलिखित प्रदान करना चाहिए:

  • मल्टी-टेनेंट डेटा एक्सेस जहां स्टोर मैनेजर केवल अपने स्टोर का डेटा देख सकते हैं
  • लचीली क्वेरींग जो जटिल SQL ऑपरेशंस का समर्थन करती है
  • सेमांटिक सर्च उत्पाद खोज और सिफारिशों के लिए
  • रीयल-टाइम डेटा जो वर्तमान व्यावसायिक स्थिति को दर्शाता है
  • सुरक्षित प्रमाणीकरण Row Level Security के साथ
  • स्केलेबल आर्किटेक्चर जो कई समवर्ती उपयोगकर्ताओं का समर्थन करता है

🏗️ MCP सर्वर आर्किटेक्चर का अवलोकन

हमारा MCP सर्वर डेटाबेस इंटीग्रेशन के लिए अनुकूलित एक लेयर्ड आर्किटेक्चर को लागू करता है:

┌─────────────────────────────────────────────────────────────┐
│                    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)                            │
└─────────────────────────────────────────────────────────────┘

प्रमुख घटक

1. MCP सर्वर लेयर

  • FastMCP फ्रेमवर्क: आधुनिक Python MCP सर्वर कार्यान्वयन
  • टूल रजिस्ट्रेशन: टाइप सेफ्टी के साथ घोषणात्मक टूल परिभाषाएं
  • रिक्वेस्ट कॉन्टेक्स्ट: उपयोगकर्ता पहचान और सत्र प्रबंधन
  • एरर हैंडलिंग: मजबूत त्रुटि प्रबंधन और लॉगिंग

2. डेटाबेस इंटीग्रेशन लेयर

  • कनेक्शन पूलिंग: प्रभावी asyncpg कनेक्शन प्रबंधन
  • स्कीमा प्रोवाइडर: डायनामिक टेबल स्कीमा डिस्कवरी
  • क्वेरी एक्जीक्यूटर: RLS कॉन्टेक्स्ट के साथ सुरक्षित SQL निष्पादन
  • ट्रांजेक्शन प्रबंधन: ACID अनुपालन और रोलबैक हैंडलिंग

3. सुरक्षा लेयर

  • Row Level Security: मल्टी-टेनेंट डेटा आइसोलेशन के लिए PostgreSQL RLS
  • उपयोगकर्ता पहचान: स्टोर मैनेजर प्रमाणीकरण और प्राधिकरण
  • एक्सेस कंट्रोल: फाइन-ग्रेन अनुमतियां और ऑडिट ट्रेल्स
  • इनपुट वैलिडेशन: SQL इंजेक्शन रोकथाम और क्वेरी सत्यापन

4. एआई एन्हांसमेंट लेयर

  • सेमांटिक सर्च: उत्पाद खोज के लिए वेक्टर एम्बेडिंग्स
  • Azure OpenAI इंटीग्रेशन: टेक्स्ट एम्बेडिंग जनरेशन
  • समानता एल्गोरिदम: pgvector कोसाइन समानता सर्च
  • सर्च ऑप्टिमाइजेशन: इंडेक्सिंग और प्रदर्शन ट्यूनिंग

🔧 तकनीकी स्टैक

मुख्य तकनीकें

घटक तकनीक उद्देश्य
MCP फ्रेमवर्क FastMCP (Python) आधुनिक MCP सर्वर कार्यान्वयन
डेटाबेस PostgreSQL 17 + pgvector रिलेशनल डेटा और वेक्टर सर्च
एआई सेवाएं Azure OpenAI टेक्स्ट एम्बेडिंग्स और लैंग्वेज मॉडल्स
कंटेनरीकरण Docker + Docker Compose विकास पर्यावरण
क्लाउड प्लेटफॉर्म Microsoft Azure प्रोडक्शन डिप्लॉयमेंट
IDE इंटीग्रेशन VS Code एआई चैट और विकास वर्कफ्लो

विकास उपकरण

उपकरण उद्देश्य
asyncpg उच्च-प्रदर्शन PostgreSQL ड्राइवर
Pydantic डेटा सत्यापन और सीरियलाइजेशन
Azure SDK क्लाउड सेवा इंटीग्रेशन
pytest परीक्षण फ्रेमवर्क
Docker कंटेनरीकरण और डिप्लॉयमेंट

प्रोडक्शन स्टैक

सेवा Azure संसाधन उद्देश्य
डेटाबेस Azure Database for PostgreSQL प्रबंधित डेटाबेस सेवा
कंटेनर Azure Container Apps सर्वरलेस कंटेनर होस्टिंग
एआई सेवाएं Azure AI Foundry OpenAI मॉडल्स और एंडपॉइंट्स
मॉनिटरिंग Application Insights अवलोकन और डायग्नोस्टिक्स
सुरक्षा Azure Key Vault सीक्रेट्स और कॉन्फ़िगरेशन प्रबंधन

🎬 वास्तविक दुनिया के उपयोग परिदृश्य

आइए देखें कि हमारे MCP सर्वर के साथ विभिन्न उपयोगकर्ता कैसे इंटरैक्ट करते हैं:

परिदृश्य 1: स्टोर मैनेजर प्रदर्शन समीक्षा

उपयोगकर्ता: सारा, सिएटल स्टोर मैनेजर
लक्ष्य: पिछले तिमाही की बिक्री प्रदर्शन का विश्लेषण करना

नेचुरल लैंग्वेज क्वेरी:

"मेरे स्टोर के लिए Q4 2024 में राजस्व के अनुसार शीर्ष 10 उत्पाद दिखाएं"

क्या होता है:

  1. VS Code AI चैट क्वेरी को MCP सर्वर पर भेजता है
  2. MCP सर्वर सारा के स्टोर संदर्भ (सिएटल) की पहचान करता है
  3. RLS नीतियां केवल सिएटल स्टोर के डेटा को फ़िल्टर करती हैं
  4. SQL क्वेरी जेनरेट और निष्पादित होती है
  5. परिणाम स्वरूपित होकर AI चैट को लौटाए जाते हैं
  6. एआई विश्लेषण और इनसाइट्स प्रदान करता है

परिदृश्य 2: सेमांटिक सर्च के साथ उत्पाद खोज

उपयोगकर्ता: माइक, इन्वेंटरी मैनेजर
लक्ष्य: ग्राहक अनुरोध के समान उत्पाद खोजना

नेचुरल लैंग्वेज क्वेरी:

"हम कौन से उत्पाद बेचते हैं जो 'आउटडोर उपयोग के लिए वाटरप्रूफ इलेक्ट्रिकल कनेक्टर्स' के समान हैं?"

क्या होता है:

  1. क्वेरी सेमांटिक सर्च टूल द्वारा प्रोसेस होती है
  2. Azure OpenAI एम्बेडिंग वेक्टर जेनरेट करता है
  3. pgvector समानता सर्च करता है
  4. संबंधित उत्पाद प्रासंगिकता के अनुसार रैंक किए जाते हैं
  5. परिणामों में उत्पाद विवरण और उपलब्धता शामिल होती है
  6. एआई विकल्प और बंडलिंग अवसर सुझाता है

परिदृश्य 3: क्रॉस-स्टोर एनालिटिक्स

उपयोगकर्ता: जेनिफर, क्षेत्रीय मैनेजर
लक्ष्य: सभी स्टोर्स में श्रेणी के अनुसार प्रदर्शन की तुलना करना

नेचुरल लैंग्वेज क्वेरी:

"पिछले 6 महीनों में सभी स्टोर्स के लिए श्रेणी के अनुसार बिक्री की तुलना करें"

क्या होता है:

  1. RLS संदर्भ क्षेत्रीय मैनेजर एक्सेस के लिए सेट होता है
  2. जटिल मल्टी-स्टोर क्वेरी जेनरेट होती है
  3. डेटा स्टोर लोकेशंस में एकत्रित होता है
  4. परिणामों में ट्रेंड्स और तुलना शामिल होती है
  5. एआई इनसाइट्स और सिफारिशें प्रदान करता है

🔒 सुरक्षा और मल्टी-टेनेंसी डीप डाइव

हमारा कार्यान्वयन एंटरप्राइज-ग्रेड सुरक्षा को प्राथमिकता देता है:

Row Level Security (RLS)

PostgreSQL RLS डेटा आइसोलेशन सुनिश्चित करता है:

-- 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()));

उपयोगकर्ता पहचान प्रबंधन

प्रत्येक MCP कनेक्शन में शामिल होता है:

  • स्टोर मैनेजर आईडी: RLS संदर्भ के लिए अद्वितीय पहचानकर्ता
  • भूमिका असाइनमेंट: अनुमतियां और एक्सेस स्तर
  • सत्र प्रबंधन: सुरक्षित प्रमाणीकरण टोकन
  • ऑडिट लॉगिंग: पूर्ण एक्सेस इतिहास

डेटा सुरक्षा

सुरक्षा की कई परतें:

  • कनेक्शन एन्क्रिप्शन: सभी डेटाबेस कनेक्शनों के लिए TLS
  • SQL इंजेक्शन रोकथाम: केवल पैरामीटराइज्ड क्वेरीज़
  • इनपुट वैलिडेशन: व्यापक अनुरोध सत्यापन
  • एरर हैंडलिंग: त्रुटि संदेशों में कोई संवेदनशील डेटा नहीं

🎯 मुख्य निष्कर्ष

इस परिचय को पूरा करने के बाद, आपको समझ में आना चाहिए:

✅ MCP का मूल्य प्रस्ताव: कैसे MCP एआई असिस्टेंट्स और वास्तविक दुनिया के डेटा के बीच पुल बनाता है
✅ व्यावसायिक संदर्भ: Zava Retail की आवश्यकताएं और चुनौतियां
✅ आर्किटेक्चर अवलोकन: प्रमुख घटक और उनके इंटरैक्शन
✅ तकनीकी स्टैक: उपयोग किए गए टूल्स और फ्रेमवर्क
✅ सुरक्षा मॉडल: मल्टी-टेनेंट डेटा एक्सेस और सुरक्षा
✅ उपयोग पैटर्न: वास्तविक दुनिया के क्वेरी परिदृश्य और वर्कफ्लो

🚀 आगे क्या करें

गहराई में जाने के लिए तैयार हैं? जारी रखें:

लैब 01: कोर आर्किटेक्चर कॉन्सेप्ट्स

MCP सर्वर आर्किटेक्चर पैटर्न, डेटाबेस डिज़ाइन सिद्धांत, और हमारे रिटेल एनालिटिक्स समाधान को शक्ति देने वाले विस्तृत तकनीकी कार्यान्वयन के बारे में जानें।

📚 अतिरिक्त संसाधन

MCP डाक्यूमेंटेशन

डेटाबेस इंटीग्रेशन

Azure सेवाएं

डिस्क्लेमर: यह एक लर्निंग अभ्यास है जो काल्पनिक रिटेल डेटा का उपयोग करता है। प्रोडक्शन वातावरण में समान समाधान लागू करते समय हमेशा अपने संगठन की डेटा गवर्नेंस और सुरक्षा नीतियों का पालन करें।

अस्वीकरण:
यह दस्तावेज़ AI अनुवाद सेवा Co-op Translator का उपयोग करके अनुवादित किया गया है। जबकि हम सटीकता के लिए प्रयास करते हैं, कृपया ध्यान दें कि स्वचालित अनुवाद में त्रुटियां या अशुद्धियां हो सकती हैं। मूल भाषा में उपलब्ध मूल दस्तावेज़ को आधिकारिक स्रोत माना जाना चाहिए। महत्वपूर्ण जानकारी के लिए, पेशेवर मानव अनुवाद की सिफारिश की जाती है। इस अनुवाद के उपयोग से उत्पन्न किसी भी गलतफहमी या गलत व्याख्या के लिए हम उत्तरदायी नहीं हैं।