DBeast 개발: AI 어시스턴트에게 DBA 수준의 도구를 제공하는 PostgreSQL MCP 서버

AI 어시스턴트는 SQL을 작성할 수 있습니다.

하지만 SQL을 작성하는 것은 실제 데이터베이스를 다루는 작업 중 아주 작은 부분일 뿐입니다.

대부분의 데이터베이스 작업은 조사(Investigation)입니다:

어떤 테이블이 존재하는가?
테이블들은 서로 어떻게 연관되어 있는가?
왜 이 쿼리가 느린가?
어떤 인덱스(Index)가 건강하지 않은가?
autovacuum이 잘 따라가고 있는가?
위험한 권한(Permissions)이 있는가?
어떤 컬럼에 민감한 데이터가 포함되어 있을 수 있는가?
이 데이터를 변경하거나 삭제하면 어떤 일이 발생할 것인가?

이것이 바로 제가 DBeast를 만든 이유입니다.

DBeast는 AI 어시스턴트에게 PostgreSQL 데이터베이스를 이해하고, 분석하며, 문제를 해결할 수 있도록 구조화된 DBA 스타일의 도구를 제공하는 PostgreSQL MCP 서버입니다.

GitHub: https://github.com/snss10/DBeast

개발 이유

많은 AI 데이터베이스 통합은 다음과 같은 단순한 도구로 시작합니다:

execute_sql(query)

이것은 유용하지만, 불완전하기도 합니다.

훌륭한 데이터베이스 어시스턴트는 단순히 SQL을 실행하기만 해서는 안 됩니다.

데이터베이스에 대해 추론할 수 있도록 도와주어야 합니다.

스키마(Schema)를 조사하고, 쿼리 실행 계획(Query plan)을 설명하며, 유지 관리 문제를 식별하고, 보안 위험을 감지하며, 데이터 품질을 분석하고, 변경 사항을 적용하기 전에 그 영향을 이해할 수 있도록 도와야 합니다.

그것이 DBeast의 핵심 아이디어입니다.

DBeast의 기능

DBeast는 다음과 같은 영역에 걸쳐 PostgreSQL을 위한 21개의 MCP 도구를 노출합니다:

스키마 발견 (Schema discovery)
ERD 생성 (ERD generation)
안전한 SELECT 쿼리 실행 (Safe SELECT query execution)
쿼리 분석 (Query analysis)
쿼리 최적화 힌트 (Query optimization hints)
쓰기 영향 미리보기 (Write-impact previews)
데이터베이스 상태 점검 (Database health checks)
유지 관리 분석 (Maintenance analysis)
인덱스 및 vacuum 통찰 (Index and vacuum insights)
보안 감사 (Security audits)
민감한 데이터 감지 (Sensitive data detection)
데이터 품질 보고서 (Data quality reports)
중복 감지 (Duplicate detection)
복제 모니터링 (Replication monitoring)
PostgreSQL 설정 검토 (PostgreSQL configuration review)
감사 로깅 (Audit logging)

어시스턴트에게 하나의 거대한 데이터베이스 도구를 주는 대신, DBeast는 실제 DBA 워크플로(Workflow)에 매핑되는 집중된 도구들을 제공합니다.

더 큰 아이디어

저는 AI 어시스턴트가 단순한 SQL 자동 완성 기능에 머물기를 원하지 않습니다.

저는 AI 어시스턴트가 유용한 데이터베이스 코파일럿(Copilot)이 되기를 바랍니다.

DBeast를 사용하면 다음과 같은 질문을 할 수 있습니다:

sales 스키마가 어떻게 구성되어 있는지 보여주고 ERD를 생성해줘.

이 대시보드 쿼리가 왜 느린지 조사하고 인덱스(index)를 제안해줘.

유지보수 이슈, 보안 리스크, 데이터 품질 문제를 확인하기 위해 public 스키마를 검토해줘.

모든 스키마에 걸쳐 테이블 블로트(table bloat), 데드 튜플(dead tuples), 인덱스 상태(index health)를 비교해줘.

민감한 고객 데이터가 포함되어 있을 수 있는 컬럼을 찾아줘.

복제 지연(replication lag)을 확인하고 상태가 좋지 않은 부분이 있는지 알려줘.

이것은 단순히 다음과 같이 요청하는 것보다 훨씬 더 유용합니다:

이 SQL을 실행해줘.

안전성 또한 중요합니다

DBeast는 기본적으로 안전하게 설계되었습니다.

SELECT 쿼리는 자동 행 제한(row limits)과 함께 실행될 수 있습니다.

하지만 다음과 같은 쓰기 작업은:

INSERT
UPDATE
DELETE
DROP
TRUNCATE

직접 실행되지 않습니다.

대신 영향력 미리보기(impact previews)로서 분석됩니다.

따라서 위험한 쿼리를 맹목적으로 실행하는 대신, 어시스턴트가 다음과 같은 내용을 알려줄 수 있습니다:

어떤 테이블이 영향을 받을 수 있는지
얼마나 많은 행이 변경될 수 있는지
관련 객체가 포함되어 있는지 여부
리스크 수준이 어떠한지
무엇을 먼저 검토해야 하는지

통제권은 인간에게 유지됩니다.

작동 원리

DBeast는 로컬 MCP 서버로 실행됩니다.

AI 어시스턴트  ->  DBeast MCP 서버  ->  PostgreSQL

어시스턴트는 Model Context Protocol (MCP)을 통해 DBeast와 통신합니다. DBeast는 asyncpg를 사용하여 PostgreSQL과 통신합니다.

다음 환경에서 작동합니다:

로컬 PostgreSQL
Docker PostgreSQL
AWS RDS / Aurora
Supabase
Neon
Railway
Render
Fly.io
SSH 터널 (SSH tunnels)
AWS Secrets Manager

빠른 시작

git clone https://github.com/snss10/DBeast.git
cd DBeast
pip install -e .

MCP 설정 예시:

{
  "mcpServers": {
    "dbeast": {
...

그런 다음 어시스턴트에게 데이터베이스에 대해 질문하세요.

대상 사용자

DBeast는 다음과 같은 경우에 유용할 수 있습니다:

PostgreSQL을 사용하는 경우
Cursor, Claude Desktop, Windsurf 또는 다른 MCP 클라이언트 (client)를 사용하는 경우
데이터베이스 이해를 위해 AI의 도움을 받고 싶은 경우
쿼리 (query) 및 성능 분석 (performance analysis)을 원하는 경우
더 안전한 데이터베이스 워크플로우 (database workflows)를 원하는 경우
호스팅된 데이터베이스 에이전트 (database agent) 대신 로컬 도구를 원하는 경우

제가 찾고 있는 것

이것은 초기 출시 버전이며, 다음과 같은 분들의 피드백을 간절히 기다리고 있습니다:

PostgreSQL 사용자
DBA (데이터베이스 관리자)
백엔드 엔지니어 (backend engineers)
MCP 빌더 (builders)
AI 개발 도구를 실험 중인 분들

특히 다음과 같은 사항에 관심이 많습니다:

다음에 어떤 데이터베이스 워크플로우 (database workflows)를 지원하기를 원하는지
설정 (setup) 과정이 명확한지
어떤 안전 점검 (safety checks)이 이 도구를 더 신뢰할 수 있게 만들지
어떤 MCP 클라이언트에 대해 우선적으로 일급 사례 (first-class examples)를 제공하기를 원하는지