NeoSQL – eine DB-Workbench, die ERD/SQL-Editor/Code-Generierung in einem Tool bündelt (+ Unterstützung für AI MCP)

Hallo, GeekNews.
Ich möchte euch NeoSQL vorstellen, das wir so entwickeln, dass sich vom DB-Design über den Betrieb bis zur AI-Integration alles in einem Tool erledigen lässt.
Im Alltag war es immer umständlich, ERD-Tools (ERwin/DA#), SQL-Clients (DBeaver/DataGrip/SSMS) und Code-Generatoren separat geöffnet zu haben, deshalb habe ich angefangen, dieses Tool selbst zu bauen. Es läuft sowohl auf dem Desktop (Windows/macOS) als auch im Web.

Was für ein Tool ist das?

• ERD-Modellierung — Forward/Reverse Engineering, automatische FK-Erkennung, Nachverfolgung von Schemaänderungen und automatische Generierung von ALTER DDL
• SQL Editor — Autovervollständigung, Ausführungspläne, Ergebnis-Grid / standardmäßig Manual Commit (zur Vermeidung von Datenpannen durch AI oder Bedienfehler)
• Detaillierte Tabellenbearbeitung — Spalten/Indizes/Constraints wie in einer Tabellenkalkulation inline bearbeiten, Änderungen automatisch in ALTER DDL umwandeln
• Schema Diff — Schemaunterschiede zwischen Entwicklungs-, Staging- und Produktions-DB vergleichen und einzelne Unterschiede selektiv übernehmen (oder als ERD-Freigabeanfrage weiterleiten)
• Automatische Code-Generierung (in Entwicklung) — Velocity-basierte Templates, daher frei anpassbar für Java/Kotlin/TypeScript/Python + Spring/JPA/MyBatis/Vue usw.; Team-Standard-Templates können gemeinsam genutzt werden
• Integrierter MCP-Server — dafür ausgelegt, ERD und SQL in Claude / Cursor / VS Code usw. sicher zu handhaben

Was unterscheidet es von anderen Tools?

• ERD-First-Workflow (human-in-the-loop) — Wenn man die AI um etwas wie „Entwirf mir eine Tabelle für ein Multi-Board-System“ bittet, sendet sie nicht direkt DDL an die DB, sondern übernimmt die Änderungen zunächst ins ERD; erst nach Prüfung und Freigabe durch den Benutzer werden sie angewendet – ein human-in-the-loop-Ansatz
• Isolierung von Zugangsdaten — Keine DB-Passwörter in AI-Konfigurationsdateien (.mcp usw.), sondern indirekte Referenzierung über eine Projekt-ID. Passwörter werden im Kontext auf AI-Seite niemals offengelegt
• Manual Commit als Standard — Von AI ausgeführte DML wird nicht automatisch committet; der Benutzer prüft die Ergebnisse im SQL Editor und führt Commit/Rollback selbst aus
• Offline-/Air-gapped-Modus (in Entwicklung) — Auch in Umgebungen ohne externe Kommunikation, etwa im Finanz- oder öffentlichen Sektor, können alle Funktionen rein auf dem Desktop genutzt werden

Verschlüsselung der Verbindungsdaten

Die vom Benutzer eingegebenen DB-Verbindungsdaten sind so konzipiert, dass sie niemandem offengelegt werden.

• URL, Host, Port, Passwort und insgesamt 17 Felder werden mit AES-256-GCM verschlüsselt gespeichert
• Der Verschlüsselungsschlüssel wird separat in AWS KMS verwaltet — selbst wenn die Server-DB vollständig kompromittiert würde, wäre eine Entschlüsselung nicht möglich
• Im Desktop-Offline-Modus (in Entwicklung) werden alle Daten nur lokal gespeichert, sodass externer Zugriff grundsätzlich ausgeschlossen ist

Team-Zusammenarbeit / Rechtemanagement

• Projektfreigabe auf Teamebene — Verbindungen, ERDs, Queries und Templates können im Team geteilt und gleichzeitig bearbeitet werden
• Rollenbasierte Zugriffskontrolle (RBAC) — Rechte werden nach Rollen wie Owner / Manager / DBA / Member getrennt. So kann z. B. ein bestimmter Benutzer darauf beschränkt werden, nur Queries auszuführen, ohne die Verbindungsdaten (Host/Konto/Passwort) sehen zu können
• DDL-Freigabe-Workflow — Benutzer ohne Berechtigung führen DDL nicht direkt aus, sondern erzeugen Änderungen im ERD und stellen eine Anfrage an den Freigebenden → prüft dieser die Änderungen und gibt sie frei, wird das DDL angewendet. So werden unautorisierte Schemaänderungen an Produktions-DBs strukturell verhindert

Unterstützte DBs

• MySQL / MariaDB / PostgreSQL / Oracle / SQL Server / SQLite / H2

Ausführungsmodi

• Web App — direkt im Browser nutzbar (für öffentliche DBs)
• Desktop (Online) — auch Zugriff auf DBs innerhalb der Unternehmens-Firewall
• Desktop (Offline) (in Entwicklung) — vollständig offline, Speicherung in lokalen Dateien

Preise / Kostenloser Test

• 14 Tage kostenloser Test des Pro-Plans direkt nach der Registrierung — Start ohne Kreditkarte; nach Ablauf erfolgt ohne automatische Zahlung der Wechsel in den Free-Plan
• Free — 1 Projekt / 1 DB-Verbindung / 20 ERD-Tabellen, ohne zeitliche Begrenzung
• Basic / Pro / Team — je nach Teamgröße wählbar

Ausblick

• Eigene AI-Funktionen — Zusätzlich zu MCP wird an einer integrierten AI-Assistenz innerhalb von NeoSQL gearbeitet (Unterstützung beim Schreiben von Queries, Schema-Review, Natural Language → SQL usw.)
• Unterstützung für mehr DBMS — Vorbereitung auf eine Erweiterung um mehr DBMS sowie auch NoSQL-Systeme wie MongoDB / Redis / DynamoDB
• Wiedereröffnung der Code-Generierung — soll nach Verbesserungen der Usability und Überarbeitung eines detaillierten Handbuchs erneut geöffnet werden

Einschränkungen / Ehrlich gesagt

• Ich bin von der Sicherheitsarchitektur des MCP überzeugt, aber die Kompatibilität mit verschiedenen AI-Clients wird in der Praxis noch weiter verfeinert
• Die Code-Generierungsfunktion war ursprünglich bereits implementiert, ist aber derzeit vorübergehend geschlossen, um Usability-Verbesserungen und ein detailliertes Handbuch auszuarbeiten

Links

• Website / Registrierung: https://neosql.unvus.com
• Issue melden: https://github.com/unvus/neosql/issues

Feedback ist willkommen, besonders zu Punkten wie „Diese DB sollte auch unterstützt werden“, „Ich brauche dieses Code-Template“ oder „Ich möchte MCP auf diese Weise nutzen“. Hinterlasst gern einen Kommentar oder nutzt den Issue-Tracker oben; ich werde es in die Priorisierung einfließen lassen.

[dieafterwork]

| „Gespeicherte Daten können ohne Vorankündigung zurückgesetzt werden.“

Das ist ja wirklich beängstigend.

[guavatak]

Es war noch ein Hinweis aus der Zeit vor dem offiziellen Release übrig~ Jetzt wird es sicher in der Cloud gespeichert 😆