跳到主要内容

MCP 服务器

Model-Context-Protocol (MCP) 为大型语言模型 (LLM) 提供了一种调用 API 并以明确定义的方式访问外部系统的方法。Prisma 的 MCP 服务器使 LLM 能够管理 Prisma Postgres 数据库（例如，启动新的数据库实例或运行 schema 迁移）。

注意

Prisma MCP 服务器可通过 Prisma CLI 命令 prisma platform mcp --early-access 获取，目前处于早期访问阶段 (Early Access)。请参阅下文，了解如何将其集成到您喜欢的 AI 工具中。它使用 stdio 传输机制。

用法​

Prisma MCP 服务器遵循标准的基于 JSON 的 MCP 服务器配置。如下所示

{
  "mcpServers": {
    "Prisma": {
      "command": "npx",
      "args": ["-y", "prisma", "mcp"]
    }
  }
}

示例提示​

以下是 MCP 服务器运行时可以使用的示例提示

  • 将我登录到 Prisma 控制台。
  • 在美国区域创建一个数据库。
  • 在我的数据库中创建一个新的 Product 表。

集成到 AI 工具中​

AI 工具集成 MCP 服务器的方式不同。在大多数情况下，有专门的配置文件，您可以在其中添加上述 JSON 配置。该配置包含一个用于启动服务器的命令，该命令将由相应的工具执行，以便该服务器可供其 LLM 使用。

在本节中，我们将介绍最流行的 AI 工具的配置格式。

Cursor​

要了解有关 Cursor MCP 集成的更多信息，请查阅 Cursor MCP 文档。

通过 Cursor 设置 UI 添加​

打开 Cursor 设置时，您可以按如下方式添加 Prisma MCP 服务器

  1. 在设置侧边导航中选择 MCP
  2. 点击 + 添加新的全局 MCP 服务器
  3. 将 Prisma 代码片段添加到 mcpServers JSON 对象中 
    {
      "mcpServers": {
        "Prisma": {
          "command": "npx",
          "args": ["-y", "prisma", "mcp"]
        }
      }
    }

全局配置​

通过 Cursor 设置添加它将修改全局 ~/.cursor/mcp.json 配置文件。在这种情况下，Prisma MCP 服务器将在您所有的 Cursor 项目中可用。

~/.cursor/mcp.json
{
  "mcpServers": {
    "Prisma": {
      "command": "npx",
      "args": ["-y", "prisma", "mcp"]
    },
    // other MCP servers
  }
}

项目配置​

如果您只想在特定的 Cursor 项目中启用 Prisma MCP 服务器，请将其添加到项目根目录下的 .cursor 目录中相应的 Cursor 配置文件中。

.cursor/mcp.json
{
  "mcpServers": {
    "Prisma": {
      "command": "npx",
      "args": ["-y", "prisma", "mcp"]
    },
    // other MCP servers
  }
}

Windsurf​

要了解有关 Windsurf MCP 集成的更多信息，请查阅 Windsurf MCP 文档。

通过 Windsurf 设置 UI 添加​

打开 Windsurf 设置时（通过 Windsurf - 设置 > 高级设置或命令面板 > 打开 Windsurf 设置页面），您可以按如下方式添加 Prisma MCP 服务器

  1. 在设置侧边导航中选择 Cascade
  2. 点击 Add Server
  3. 将 Prisma 代码片段添加到 mcpServers JSON 对象中 
    {
      "mcpServers": {
        "Prisma": {
          "command": "npx",
          "args": ["-y", "prisma", "mcp"]
        }
      }
    }

全局配置​

通过 Windsurf 设置添加它将修改全局 ~/.codeium/windsurf/mcp_config.json 配置文件。或者，您也可以手动将其添加到该文件中

~/.codeium/windsurf/mcp_config.json
{
  "mcpServers": {
    "Prisma": {
      "command": "npx",
      "args": ["-y", "prisma", "mcp"]
    },
    // other MCP servers
  }
}

Claude Code​

Claude Code 是一个基于终端的 AI 工具，您可以使用 claud mcp add 命令添加 MCP 服务器

claude mcp add prisma npx prisma mcp

请参阅 Claude Code MCP 文档 了解更多信息。

Claude Desktop​

按照 Claude Desktop MCP 文档 中的说明创建所需的配置文件

  • macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
  • Windows: %APPDATA%\Claude\claude_desktop_config.json

然后将 JSON 片段添加到该配置文件中

{
  "mcpServers": {
    "Prisma": {
      "command": "npx",
      "args": ["-y", "prisma", "mcp"]
    },
    // other MCP servers
  }
}

OpenAI Agents SDK​

以下是通过 OpenAI Agents SDK 在 Python 脚本中使用 Prisma MCP 服务器的示例

from openai import AsyncOpenAI
from openai.types.beta import Assistant
from openai.beta import AsyncAssistantExecutor
from openai.experimental.mcp import MCPServerStdio
from openai.types.beta.threads import Message, Thread
from openai.types.beta.tools import ToolCall

# Async context required for MCPServerStdio
import asyncio

async def main():
    # Start the Prisma MCP server using stdio
    async with MCPServerStdio(
        params={
            "command": "npx",
            "args": ["-y", "prisma", "mcp"]
        }
    ) as prisma_server:
        # Optional: view available tools
        tools = await prisma_server.list_tools()
        print("Available tools:", [tool.name for tool in tools])

        # Set up the agent with MCP server
        agent = Assistant(
            name="Prisma Assistant",
            instructions="Use the Prisma tools to help the user with database tasks.",
            mcp_servers=[prisma_server],
        )

        executor = AsyncAssistantExecutor(agent=agent)

        # Create a thread and send a message
        thread = Thread(messages=[Message(role="user", content="Create a new user in the database")])
        response = await executor.run(thread=thread)

        print("Agent response:")
        for message in response.thread.messages:
            print(f"{message.role}: {message.content}")

# Run the async main function
asyncio.run(main())