用Python将IRIS数据接入MCP

dev.to 上的一篇教程给出了用 Python 将 InterSystems IRIS 数据接入 MCP 的实现路线：先解释协议架构，再从 uv 创建项目开始，使用 intersystems-irispython 构建自定义 MCP 服务。现有节选能看清教程的整体路径，但 IRIS 部分的实现代码尚未展示，不能据此认定它已提供完整可运行方案。

目前能确认什么

MCP（Model Context Protocol）用于统一 AI 应用与外部数据源、工具的连接方式。教程区分了三个角色：宿主是 Cursor 等 AI 应用，客户端由宿主管理，服务端负责提供能力。一个宿主可以管理多个客户端，每个客户端分别连接对应的服务端。

通信部分介绍了本地进程使用的 STDIO，以及远程连接使用的 Streamable HTTP。消息采用 JSON-RPC 2.0 格式。

服务端可以暴露三类核心原语：Tools 提供可调用的操作，Resources 提供只读上下文，Prompts 提供预设指令模板。数据库接入需要先决定暴露哪些能力，再实现对应接口。

目录还覆盖了 AI 开发工具配置，以及通过 uv、uvx 和 PyPI 分发运行服务的路径。但这些章节的具体步骤并未完整给出。

我的判断

对已有 IRIS 系统的团队，这篇教程提供了接入方向，距离生产落地还缺关键证据。

程序员可以据此拆分工作：Python 层连接 IRIS，MCP 层定义助手能看到的数据和能执行的操作，宿主侧负责配置连接。

最需要确认的是能力边界：IRIS 示例究竟只支持查询，还是允许写入？是否接受任意 SQL？数据库凭据、查询结果规模和错误信息如何处理？现有节选都没说清。

节选强调了 MCP 的安全设计，但协议本身不能替代数据库权限控制。若要接入业务数据，账号权限和服务端校验仍需落实；这些应成为审查实现代码时的重点。