MCP PyPI GitHub

Agents & MCP

Connectez vos agents IA à Lampion via le protocole MCP (Model Context Protocol). 47 outils et 5 ressources pour gérer PostgreSQL directement depuis Claude, Cursor, Windsurf ou tout client MCP compatible.

Installer

Le serveur MCP Lampion est open source sur GitHub et distribué sur PyPI sous le nom lampion-mcp. Une seule commande suffit.

pip Recommandé

$ pip install lampion-mcp

uv Alternative rapide

$ uv pip install lampion-mcp

Prérequis — Python 3.10+. Le package installe automatiquement mcp[cli] et httpx comme dépendances.

Configurer

Générez une clé API dans Settings > API Keys de la console, puis configurez votre client MCP.

Claude Desktop

~/.claude/claude_desktop_config.json

{
  "mcpServers": {
    "lampion": {
      "command": "lampion-mcp",
      "env": {
        "LAMPION_TOKEN": "lmp_live_xxx..."
      }
    }
  }
}

Cursor / VS Code

.cursor/mcp.json ou .vscode/mcp.json

{
  "servers": {
    "lampion": {
      "command": "lampion-mcp",
      "env": {
        "LAMPION_TOKEN": "lmp_live_xxx..."
      }
    }
  }
}

CLI Standalone ou debug

# Via argument
$ lampion-mcp --token lmp_live_xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx

# Via variable d'environnement
$ export LAMPION_TOKEN=lmp_live_xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
$ lampion-mcp

Utiliser

Une fois configuré, votre agent IA peut interagir avec Lampion en langage naturel. Le serveur MCP traduit les intentions en appels API.

Créer un projet

Vous dites

"Crée un projet PostgreSQL pour mon app de blog en région Paris"

L'agent execute

create_project(name="blog-db", region="fr-par-1")
list_endpoints(project_id="abc123")
→ Connection string prête

Analyser les performances

Vous dites

"Quelles sont mes requêtes les plus lentes ? Propose des optimisations."

L'agent execute

get_slow_queries(project_id, endpoint_id,
  order_by="mean_time", limit=10)
→ Analyse + recommandations d'index

Branching pour la CI/CD

Vous dites

"Crée une branche de staging, lance ma migration, et dis-moi si ça passe."

L'agent execute

create_branch(project_id, "staging", "main")
execute_sql(project_id, endpoint_id,
  "ALTER TABLE users ADD col...")
get_schema(project_id, "postgres", "public")
→ Validation du schéma

Backup avant déploiement

Vous dites

"Fais un snapshot de prod avant la release, puis installe pgvector."

L'agent execute

create_backup(project_id, "main", "pre-release")
install_extension(project_id, endpoint_id,
  "pgvector")
→ Snapshot créé + extension installée

31 outils disponibles

Chaque outil correspond à un endpoint de l'API REST Lampion. L'agent choisit automatiquement le bon outil en fonction de votre demande.

Projets 4 outils

list_projects Lister les projets

get_project Détails d'un projet

create_project Créer un projet PostgreSQL

delete_project Supprimer un projet

Branches 3 outils

list_branches Lister les branches

create_branch Créer une branche CoW (Copy-on-Write)

delete_branch Supprimer une branche

Computes 4 outils

list_endpoints Lister les endpoints + connection strings

get_endpoint Détails d'un endpoint

suspend_endpoint Scale to zero

resume_endpoint Relancer un compute

SQL 2 outils

execute_sql Exécuter une requête (max 100 rows)

get_schema Introspecter le schéma (tables, colonnes, types)

Databases & Roles 6 outils

list_databases Lister les bases de données

create_database Créer une base

drop_database Supprimer une base

list_roles Lister les rôles PostgreSQL

create_role Créer un rôle

drop_role Supprimer un rôle

Extensions 3 outils

list_extensions Lister les extensions disponibles

install_extension Installer (pgvector, PostGIS, pg_cron...)

uninstall_extension Désinstaller une extension

Observabilité 5 outils

get_metrics CPU, RAM, connexions, cache ratio

get_slow_queries Top requêtes lentes (pg_stat_statements)

get_logs Tail des logs PostgreSQL

get_project_usage Usage compute, storage, transfert

get_org_usage Usage et coûts par organisation

Backups 3 outils

list_backups Lister les snapshots

create_backup Créer un snapshot (LSN)

restore_backup Restaurer vers une nouvelle branche

Dump 1 outils

pg_dump Export SQL (filtrage par table, max 50KB)

Ressources MCP

Les ressources sont des endpoints en lecture seule, accessibles par URI. L'agent peut les lire pour obtenir du contexte sans effectuer d'action.

lampion://projects Tous les projets avec IDs et régions

lampion://projects/{id} Détails d'un projet

lampion://projects/{id}/endpoints Endpoints avec connection strings

lampion://projects/{id}/branches Liste des branches

lampion://usage Usage, plan, estimation de coûts

Exemples de workflows

Quelques scénarios complets montrant l'enchaînement des outils par un agent.

Déployer une feature branch

1. create_branch(project_id, "feat-auth", "main")
2. execute_sql(... "CREATE TABLE sessions (...)")
3. execute_sql(... "INSERT INTO sessions ...")
4. get_schema(... "postgres", "public")    // Vérifier le schéma
5. get_metrics(...)                       // Vérifier les perfs
6. delete_branch(... "feat-auth")          // Cleanup

Audit de performance complet

1. get_metrics(...)                       // Vue d'ensemble
2. get_slow_queries(... limit=20)          // Top requêtes lentes
3. execute_sql(... "EXPLAIN ANALYZE ...")  // Plan d'exécution
4. get_logs(... lines=50)                   // Logs récents
5. get_project_usage(...)                  // Coûts associés
→ L'agent synthétise : recommandations d'index, alertes, estimations

Migration sécurisée

1. create_backup(... "pre-migration")    // Snapshot
2. create_branch(... "migration-test")   // Branch de test
3. execute_sql(... "ALTER TABLE ...")     // Tester la migration
4. get_schema(...)                         // Vérifier le résultat
5. execute_sql(sur main, "ALTER TABLE ...") // Appliquer en prod
6. delete_branch(... "migration-test")   // Cleanup

Prêt à connecter votre agent ?

pip install, configurez votre token, et laissez l'IA gérer vos bases.

Créer un compte Documentation API