An experimental MCP (Model Context Protocol) server built with C# / .NET 10, ASP.NET Core, Dapper, and Microsoft SQL Server.
The project demonstrates how Large Language Models (LLMs) can explore relational databases, discover schemas and relationships, generate analytical T-SQL queries, and execute them through MCP tools using natural language requests.
The main goal is to provide a foundation for AI-driven database analytics without implementing dedicated API endpoints or hardcoded SQL queries for individual reports.
The application is deployed on a remote Windows VPS running IIS and Microsoft SQL Server.
Instead of purchasing a domain name, the project uses the VPS public IP address. An HTTPS certificate was issued directly for the IP address using Let's Encrypt and Posh-ACME.
The MCP server is hosted as an ASP.NET Core application under IIS. The Northwind sample database is deployed on the same VPS.
Grok is used as an external LLM client to test MCP integration, database schema discovery, SQL generation, and analytical reporting.
flowchart TB
User["User"]
Grok["Grok - LLM Client"]
subgraph VPS["Windows VPS - Public IP Address"]
HTTPS["HTTPS - Let's Encrypt IP Certificate"]
IIS["IIS - ASP.NET Core Hosting"]
subgraph MCP["MCP Server - .NET 10"]
Tools["MCP Tools"]
Metadata["Database Schema Discovery"]
Validator["T-SQL Validator - ScriptDom"]
Executor["SQL Executor - Dapper"]
end
DB[("SQL Server - Northwind")]
end
User -->|"Natural Language"| Grok
Grok <-->|"MCP over HTTPS"| HTTPS
HTTPS --> IIS
IIS --> Tools
Tools --> Metadata
Tools --> Validator
Validator --> Executor
Metadata --> DB
Executor --> DB
DB -->|"Metadata / Query Results"| Tools
| Technology | Purpose |
|---|---|
| C# / .NET 10 | Application development |
| ASP.NET Core | HTTP hosting |
| ModelContextProtocol.AspNetCore | MCP server implementation |
| Microsoft SQL Server | Relational database |
| Dapper | Database access and query execution |
| Microsoft.Data.SqlClient | SQL Server connectivity |
| Microsoft.SqlServer.TransactSql.ScriptDom | T-SQL parsing and validation |
| IIS | Application hosting on Windows VPS |
| Let's Encrypt / Posh-ACME | HTTPS certificate for public IP |
| Grok | External LLM client for testing |
| Tool | Description |
|---|---|
get_database_tables |
Returns database tables, views, and their column metadata |
get_database_relationships |
Returns foreign key relationships between database objects |
get_database_keys |
Returns primary and unique key constraints |
get_database_objects |
Returns a lightweight catalog of tables and views with optional schema filtering |
search_database_schema |
Searches objects by table names, column names, and MS_Description metadata |
get_database_object_details |
Returns detailed metadata for selected objects, including columns, keys, and incoming/outgoing foreign keys |
| Tool | Description |
|---|---|
execute_readonly_sql |
Validates and executes analytical T-SQL SELECT queries and returns JSON results |
| Tool | Description |
|---|---|
say_hello |
Simple MCP connectivity test |
add_numbers |
Tests tool arguments and results |
get_server_time |
Returns the server's current time |
Instead of sending the entire database structure to the LLM, the server supports progressive metadata exploration.
flowchart TD
A["Natural Language Request"]
B["get_database_objects"]
C["search_database_schema"]
D["get_database_object_details"]
E["Generate Analytical T-SQL"]
F["ScriptDom Validation"]
G["execute_readonly_sql"]
H["SQL Server"]
I["JSON Results"]
J["Grok - Analytical Response"]
A --> B
B --> C
C --> D
D --> E
E --> F
F --> G
G --> H
H --> I
I --> J
This approach allows the LLM to:
- Discover available tables and views without loading every column.
- Search database metadata by object names, column names, and descriptions.
- Retrieve detailed information only for relevant database objects.
- Identify primary keys, composite keys, and foreign key relationships.
- Explore relationships in both directions.
- Generate SQL JOINs based on actual database metadata.
- Execute analytical queries and interpret the results.
The approach can be extended to larger enterprise database schemas.
The SQL execution component uses Microsoft.SqlServer.TransactSql.ScriptDom to parse T-SQL into an Abstract Syntax Tree (AST).
The current implementation includes:
- SQL syntax validation.
- Restriction to a single SELECT statement.
- Rejection of common data modification and DDL statements.
- Rejection of
SELECT INTO. - Support for CTEs, JOINs, aggregations, and window functions.
- Configurable SQL command timeout.
- Limits on returned rows and response size.
- Execution using a dedicated SQL Server account with restricted database permissions.
The SQL executor returns structured JSON containing query results, returned row count, and a truncation indicator.
Warning
This is an experimental implementation. AST validation and database permissions provide basic safeguards but do not constitute a complete SQL sandbox.
Additional query restrictions, resource controls, authentication, and auditing are required before production use. The current public MCP deployment does not implement client authentication.
The solution was tested using the Northwind sample database hosted on the remote VPS.
The LLM successfully:
- Discovered 13 tables and 16 views.
- Searched database metadata by names and columns.
- Identified composite primary keys.
- Resolved incoming and outgoing foreign key relationships.
- Retrieved metadata for selected tables and views.
- Generated analytical SQL queries from natural language requests.
- Executed reporting queries using JOINs, CTEs, aggregations, and window functions.
- Rejected tested modification and DDL statements through the SQL execution tool.
Example analytical requests:
Show total sales by employee for orders shipped to the USA in 1997.
Find the top three products in each category and compare their sales between 1996 and 1997.
The reports were generated without creating dedicated reporting endpoints or writing report-specific SQL in the MCP server.
Proof of Concept (PoC)
The core MCP integration, database schema discovery, metadata search, SQL validation, and analytical query execution have been implemented and tested.
Potential future improvements:
- SQL execution logging and auditing.
- Configurable business metadata and metric definitions.
- View dependency discovery.
- Stronger SQL query restrictions.
- MCP client authentication.
Экспериментальный MCP-сервер, разработанный на C# / .NET 10 с использованием ASP.NET Core, Dapper и Microsoft SQL Server.
Проект демонстрирует возможность интеграции больших языковых моделей (LLM) с реляционной базой данных для автоматического исследования ее структуры, определения связей между таблицами, генерации аналитических T-SQL-запросов и выполнения отчетов на естественном языке.
Основная идея — создать универсальную основу для AI-аналитики поверх SQL Server, без необходимости разрабатывать отдельные API-методы и SQL-запросы под каждый отчет.
Проект развернут на удаленном Windows VPS с установленными IIS и Microsoft SQL Server.
Для тестирования не приобретался отдельный домен. Вместо этого используется публичный IP-адрес VPS, для которого был выпущен HTTPS-сертификат через Let's Encrypt с использованием Posh-ACME.
MCP-сервер опубликован как ASP.NET Core-приложение в IIS. На этом же VPS развернута тестовая база данных Northwind.
В качестве внешнего LLM-клиента используется Grok, через который проверяются подключение к MCP, исследование схемы БД, генерация SQL и построение аналитических отчетов.
flowchart TB
User["Пользователь"]
Grok["Grok - LLM-клиент"]
subgraph VPS["Windows VPS - Публичный IP"]
HTTPS["HTTPS - Сертификат Let's Encrypt"]
IIS["IIS - ASP.NET Core"]
subgraph MCP["MCP-сервер - .NET 10"]
Tools["MCP-инструменты"]
Metadata["Исследование схемы БД"]
Validator["Валидация T-SQL - ScriptDom"]
Executor["Выполнение SQL - Dapper"]
end
DB[("SQL Server - Northwind")]
end
User -->|"Запрос на естественном языке"| Grok
Grok <-->|"MCP через HTTPS"| HTTPS
HTTPS --> IIS
IIS --> Tools
Tools --> Metadata
Tools --> Validator
Validator --> Executor
Metadata --> DB
Executor --> DB
DB -->|"Метаданные / Результаты"| Tools
| Технология | Назначение |
|---|---|
| C# / .NET 10 | Разработка приложения |
| ASP.NET Core | HTTP-хостинг |
| ModelContextProtocol.AspNetCore | Реализация MCP-сервера |
| Microsoft SQL Server | Реляционная база данных |
| Dapper | Доступ к БД и выполнение запросов |
| Microsoft.Data.SqlClient | Подключение к SQL Server |
| Microsoft.SqlServer.TransactSql.ScriptDom | Разбор и проверка T-SQL |
| IIS | Размещение приложения на Windows VPS |
| Let's Encrypt / Posh-ACME | HTTPS-сертификат для публичного IP |
| Grok | Внешний LLM-клиент для тестирования |
| Метод | Назначение |
|---|---|
get_database_tables |
Получение таблиц, представлений и метаданных колонок |
get_database_relationships |
Получение внешних ключей и связей между объектами |
get_database_keys |
Получение первичных и уникальных ключей |
get_database_objects |
Получение компактного каталога таблиц и представлений с фильтрацией по схеме |
search_database_schema |
Поиск объектов по названиям таблиц, колонок и описаниям MS_Description |
get_database_object_details |
Получение подробных метаданных выбранных объектов, включая колонки, ключи и внешние связи |
| Метод | Назначение |
|---|---|
execute_readonly_sql |
Проверка и выполнение аналитических T-SQL SELECT-запросов с возвратом результатов в JSON |
| Метод | Назначение |
|---|---|
say_hello |
Проверка подключения к MCP |
add_numbers |
Проверка передачи параметров и результатов |
get_server_time |
Получение текущего времени сервера |
Вместо передачи всей структуры базы данных языковой модели реализован механизм Progressive Schema Discovery — поэтапного исследования метаданных.
flowchart TD
A["Запрос пользователя"]
B["get_database_objects"]
C["search_database_schema"]
D["get_database_object_details"]
E["Генерация аналитического T-SQL"]
F["Проверка через ScriptDom"]
G["execute_readonly_sql"]
H["SQL Server"]
I["Результат в JSON"]
J["Grok - Аналитический отчет"]
A --> B
B --> C
C --> D
D --> E
E --> F
F --> G
G --> H
H --> I
I --> J
Этот механизм позволяет языковой модели:
- Получать список таблиц и представлений без загрузки всех колонок.
- Искать необходимые объекты по названиям и описаниям.
- Запрашивать подробную структуру только выбранных таблиц.
- Определять первичные, составные и внешние ключи.
- Исследовать связи между таблицами в обоих направлениях.
- Формировать JOIN на основании реальных метаданных SQL Server.
- Генерировать и выполнять аналитические SQL-запросы.
Такой подход рассчитан не только на небольшие тестовые базы, но и на дальнейшую работу с корпоративными БД, содержащими сотни таблиц и представлений.
Для проверки SQL-запросов используется библиотека Microsoft.SqlServer.TransactSql.ScriptDom, которая разбирает T-SQL в абстрактное синтаксическое дерево (AST).
В текущей реализации предусмотрены:
- Проверка синтаксиса SQL.
- Ограничение выполнения одним SELECT-запросом.
- Отклонение стандартных команд изменения данных и структуры БД.
- Запрет
SELECT INTO. - Поддержка CTE, JOIN, группировок и оконных функций.
- Настраиваемый таймаут выполнения SQL.
- Ограничение количества возвращаемых строк и размера ответа.
- Выполнение запросов через отдельную учетную запись SQL Server с ограниченными правами.
Результат возвращается в JSON с данными, количеством строк и признаком усечения результата.
Warning
Проект является экспериментальным. Проверка AST и ограничение прав SQL-пользователя не обеспечивают полноценную изоляцию произвольного T-SQL.
Для промышленного использования необходимо усилить ограничения запросов, контроль ресурсов, аудит и авторизацию MCP-клиентов. В текущем публичном развертывании авторизация MCP пока не реализована.
Для тестирования использовалась база данных Northwind, развернутая на удаленном VPS.
В ходе тестирования Grok успешно:
- Обнаружил 13 таблиц и 16 представлений.
- Выполнил поиск объектов по названиям и колонкам.
- Определил составные первичные ключи.
- Обнаружил входящие и исходящие внешние связи.
- Получил подробные метаданные выбранных таблиц и представлений.
- Сгенерировал аналитические SQL-запросы по текстовому описанию.
- Построил отчеты с использованием JOIN, CTE, агрегатных и оконных функций.
- Получил ошибки при попытках выполнить протестированные команды изменения данных и структуры БД.
Примеры аналитических запросов:
Покажи общую сумму продаж по сотрудникам для заказов, отправленных в США в 1997 году.
Найди три самых продаваемых товара в каждой категории и сравни их продажи за 1996 и 1997 годы.
Отчеты были построены без разработки специализированных API-методов и без предварительного написания SQL под конкретные задачи.
Proof of Concept (PoC)
Реализованы и протестированы базовая MCP-интеграция, исследование схемы базы данных, поиск метаданных, валидация SQL и выполнение аналитических запросов.
Возможные направления дальнейшего развития:
- Логирование и аудит SQL-запросов.
- Конфигурируемые бизнес-метаданные и определения метрик.
- Исследование зависимостей представлений.
- Усиление SQL-валидатора.
- Авторизация MCP-клиентов.