使用MCP Toolbox for Databases访问数据库

本文介绍如何使用开源的 MCP Toolbox for Databases,通过 YAML 配置将其集成到 VSCode Copilot。这使得用户能用自然语言查询数据库,或自定义工具执行精确 SQL,从而简化数据库访问。

使用自然语言访问数据库已经有了许多成功的案例,AI很擅长完成这种自然语言与机器语言的转换工作。随着 MCP 的发展,肯定有不少这样的数据库 MCP Server。

MCP Toolbox for Databases 是一个用于数据库的开源 MCP 服务器。它通过处理连接池、身份验证等复杂性,使您能够更轻松、更快速、更安全地开发工具。

下面是一个简单的试用。

下载页面直接下载 Toolbox 的二进制包,然后将其路径添加到系统 PATH 环境变量中。

然后,在你的项目根目录下新建一个 mysql.yaml 文件,内容为:

yaml 复制代码
sources:
  my-mysql-source:
    kind: mysql
    host: your-mysql-host
    port: 3306
    database: mysql
    user: root
    password: your-mysql-password
tools:
  execute_sql_tool:
    kind: mysql-execute-sql
    source: my-mysql-source
    description: Use this tool to execute sql statement.

下面我会为我的 VSCode Copilot 中添加一个 MCP Server,即在项目的目录中保存 .vscode/mcp.json 为:

json 复制代码
{
    "servers": {
    "mysql-mcp-server": {
      "type": "stdio",
      "command": "toolbox",
      "args": [
              "--tools-file",
              "D:\\learns\\ai\\toolbox-mcp\\mysql.yaml",
              "--stdio"
          ]
    }
   }
}

然后在 Copilot 的 Chat 界面,选择 Agent 模式,看看有没有加载 mysql-mcp-server,如果没有,可以点击重启,应该可以看到增加了这个 MCP Server。

在 Agent 模式下,我提问:

复制代码
我的数据库实例中哪个数据库的表最少?

Copilot 问我是否执行 execute_sql_tool,输入为:

json 复制代码
{
  "sql": "SELECT table_schema, COUNT(*) AS table_count FROM information_schema.tables WHERE table_type = 'BASE TABLE' GROUP BY table_schema ORDER BY table_count ASC LIMIT 1;"
}

我确认执行后结果为:

json 复制代码
{"TABLE_SCHEMA":"sys","table_count":1}

Copilot 告诉我:

复制代码
你的数据库实例中,表最少的数据库是 sys,只有 1 个表。

通过 Toolbox 还可以自定义 Tool, 下面就是官方的一个例子:

yaml 复制代码
sources:
  my-pg-source:
    kind: postgres
    host: 127.0.0.1
    port: 5432
    database: toolbox_db
    user: ${USER_NAME}
    password: ${PASSWORD}
tools:
  search-hotels-by-name:
    kind: postgres-sql
    source: my-pg-source
    description: Search for hotels based on name.
    parameters:
      - name: name
        type: string
        description: The name of the hotel.
    statement: SELECT * FROM hotels WHERE name ILIKE '%' || $1 || '%';

这样可以精确控制一些查询。

相关推荐
制造数据与AI践行者老蒋5 分钟前
离谱!PromptTemplate 遇上 JSON,花括号直接引发解析战争
数据库·microsoft·json
中微极客13 分钟前
用LangChain 0.3构建生产级RAG与Agent:从API集成到Streamlit部署
数据库·人工智能·langchain
吴声子夜歌18 分钟前
MongoDB 4.x——并发优化
数据库·mongodb
海上彼尚23 分钟前
Nodejs也能写Agent - 22.LangGraph篇 - 上下文工程
前端·javascript·人工智能·langchain·node.js
Tangyuewei42 分钟前
单 Agent 不够用了:AI 编程进入舰队模式
人工智能
艾斯特_43 分钟前
工作流与多Agent协作:LangGraph、MCP和A2A的应用分层
人工智能·python·ai
悟天特斯1 小时前
智慧楼宇AI节能:从数据采集到智能决策的全链路实践
大数据·人工智能
腾视科技AIoT1 小时前
私有云时代来临:AI NAS如何重塑你的数字生活?
人工智能·ai·生活·nas·企业存储·ainas·家庭存储
IT小盘1 小时前
04-大模型流式输出原理-SSE与Python实现
开发语言·网络·人工智能·python