MCP PyPI

Agents & MCP

Connectez vos agents IA a Lampion via le protocole MCP (Model Context Protocol). 31 outils et 5 ressources pour gerer PostgreSQL directement depuis Claude, Cursor, Windsurf ou tout client MCP compatible.

Installer

Le serveur MCP Lampion est distribue sur PyPI sous le nom lampion-mcp. Une seule commande suffit.

pip Recommande

$ pip install lampion-mcp

uv Alternative rapide

$ uv pip install lampion-mcp

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

Configurer

Generez une cle 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 configure, votre agent IA peut interagir avec Lampion en langage naturel. Le serveur MCP traduit les intentions en appels API.

Creer un projet

Vous dites

"Cree un projet PostgreSQL pour mon app de blog en region Paris"

L'agent execute

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

Analyser les performances

Vous dites

"Quelles sont mes requetes 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

"Cree une branche de staging, lance ma migration, et dis-moi si ca 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 schema

Backup avant deploiement

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 cree + extension installee

31 outils disponibles

Chaque outil correspond a 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 Details d'un projet

create_project Creer un projet PostgreSQL

delete_project Supprimer un projet

Branches 3 outils

list_branches Lister les branches

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

delete_branch Supprimer une branche

Computes 4 outils

list_endpoints Lister les endpoints + connection strings

get_endpoint Details d'un endpoint

suspend_endpoint Scale to zero

resume_endpoint Relancer un compute

SQL 2 outils

execute_sql Executer une requete (max 100 rows)

get_schema Introspecter le schema (tables, colonnes, types)

Databases & Roles 6 outils

list_databases Lister les bases de donnees

create_database Creer une base

drop_database Supprimer une base

list_roles Lister les roles PostgreSQL

create_role Creer un role

drop_role Supprimer un role

Extensions 3 outils

list_extensions Lister les extensions disponibles

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

uninstall_extension Desinstaller une extension

Observabilite 5 outils

get_metrics CPU, RAM, connexions, cache ratio

get_slow_queries Top requetes lentes (pg_stat_statements)

get_logs Tail des logs PostgreSQL

get_project_usage Usage compute, storage, transfert

get_org_usage Usage et couts par organisation

Backups 3 outils

list_backups Lister les snapshots

create_backup Creer 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 regions

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

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

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

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

Exemples de workflows

Quelques scenarios complets montrant l'enchainement des outils par un agent.

Deployer 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")    // Verifier le schema
5. get_metrics(...)                       // Verifier 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 requetes lentes
3. execute_sql(... "EXPLAIN ANALYZE ...")  // Plan d'execution
4. get_logs(... lines=50)                   // Logs recents
5. get_project_usage(...)                  // Couts associes
→ L'agent synthetise : recommandations d'index, alertes, estimations

Migration securisee

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(...)                         // Verifier le resultat
5. execute_sql(sur main, "ALTER TABLE ...") // Appliquer en prod
6. delete_branch(... "migration-test")   // Cleanup

Pret a connecter votre agent ?

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

Creer un compte Documentation API