TiDB MCP Server 实践和思考

你好，我是悟空。

前言

TiDB 已经支持 MCP 功能了，一直想看看怎么玩的，本篇是一篇实践篇，带着大家一起搭建 TiDB MCP Server，以及如何添加 TiDB MCP，如何使用 TiDB 的 MCP。

演示环境说明

• 可以连接使用的的 TiDB 数据库，且连接时不需要证书、隧道等。
• Mac M1，32G 内存。
• CodeBuddy 工具，用来配置 MCP 服务和生成式对话，也可以用其他工具，如 Cursor、Cline。

MCP Server 添加方式

有两种方式添加 TiDB MCP Server：

• 本地部署 MCP Server。原理就是从 github 拉取最新代码，然后本地部署 TiDB MCP Server。

  • 优势：可以用最新的代码，上面有新的功能和 bug 修复。
  • 缺点：需要下载代码、安装依赖、启动等，对使用者要求比较高。

• 添加应用市场中 MCP Server。原理就是在 MCP 应用市场查找 TiDB MCP Server，然后添加到 AI 开发工具上。（截止 2025-09-09 在https://mcp.so/没有搜到官方的 TiDB MCP Server）

  • 优势：简单方便。
  • 缺点：MCP Server 可能不是最新的，有些功能特性和 bug 修复不在当前版本上。

本篇只介绍本地部署 TiDB MCP Server 的方式。

MCP 介绍

2024 年 11 月，Anthropic 公司搞了个挺有意思的新玩意 - Model Context Protocol（模型上下文协议）简称为 MCP 协议。简单来说，它就是给 AI 和各类工具数据之间搭了个标准化的”桥梁”，让开发者不用再为对接问题头疼了。

大模型应用可以使用别人分享的 MCP 服务来完成各种各样的工作内容，你可以从这些地方获取 MCP 服务：

• awesome-mcp-servers
• mcp.so

如下图所示，这是 mcp.so 网站中的 MCP Server。

MCP 协议在实际的应用场景上非常广泛，列举一些比较常见的应用场景：

• 使用百度/高德地图分析旅线计算时间
• 接 Puppeteer 自动操作网页
• 使用 Github/Gitlab 让大模型接管代码仓库
• 使用数据库组件完成对 Mysql、ES、Redis 等数据库的操作
• 使用搜索组件扩展大模型的数据搜索能力

MCP 的架构

MCP 的架构

MCP 主要分为 MCP 服务和 MCP 客户端：

• 客户端：一般指的是大模型应用，比如 Claude、通过 Spring AI Alibaba、Langchain 等框架开发的 AI 应用
• 服务端：连接各种数据源的服务和工具

整体架构如下：

整体的工作流程是这样的：AI 应用中集成 MCP 客户端，通过 MCP 协议向 MCP 服务端发起请求，MCP 服务端可以连接本地/远程的数据源，或者通过 API 访问其他服务，从而完成数据的获取，返回给 AI 应用去使用。

本地部署 TiDB MCP Server

克隆 PyTiDB 项目

github 地址：https://github.com/pingcap/pytidb/

该项目内含 MCP Server 模块，将代码仓库到本地

git clone https://github.com/pingcap/pytidb
cd pytidb

安装 Python 开发环境及依赖

推荐使用 uv 包管理工具：https://docs.astral.sh/uv/

uv sync --extra mcp

配置 MCP 客户端

以 CodeBuddy 工具为例，添加 TiDB MCP Server 的配置参数。

如下图所示，args 参数配置的是本地的 TiDB MCP Server 的执行路径，env 配置的是本地的 TiDB 数据库连接。

可以看到 TiDB MCP Server 添加成功，展示了 7 种 tool：

• show_databases：展示该 tidb 集群种所有的数据库。
• Switch_database：切换到指定的数据库。
• show_tables：展示该数据库种的所有的表。
• db_query：从 TiDB 数据库通过 SQL 查询数据，使用 limit 限制返回条数，避免返回过多数据造成性能问题。
• db_execute：通过 SQL 执行相关操作。
• db_create_user：创建用户。
• db_remove_user：移除用户。

测试 TiDB MCP Server 是否正常工作

先往 test1 表插入几条测试数据，如下图所示：

然后在 CodeBuddy 的聊天窗口进行对话：

查询 tidb test 数据库 test1 表

然后 CodeBuddy 会调用 TiDB MCP Server 的工具：db_query 从本地数据库中查询数据。

返回的 4 条数据和数据库的结果一致，说明 TiDB MCP Server 是成功部署的。

通过该实验，我们可以考虑更多的玩法，通过对话的方式来查询数据，无需编写 SQL 语句，应用到某些产品中，极大的节省了开发成本。

关于 TiDB MCP Server 应用场景

结合对话式交互的天然优势，我们可以进一步探索以下创新玩法和应用场景，覆盖从开发到业务、从内部到外部的全链路价值：

1、自然语言即服务（NLaaS）：零 SQL 的数据洞察平台

场景：业务人员、产品经理、运营等非技术角色，直接通过自然语言查询 TiDB 中的数据。

2、智能开发助手：SQL 自动生成与优化

场景：开发者在 IDE 中通过自然语言描述需求，自动生成 TiDB 兼容的 SQL 语句。

3. 实时运维巡检：对话式故障定位

场景：DBA 或运维人员通过对话快速排查 TiDB 集群异常。

关于传统方式和 TiDB MCP Server 对话式的总结

总结

本文通过实践演示了如何搭建与使用 TiDB MCP Server，展示了本地部署的接入方式，验证了通过自然语言即可查询 TiDB 数据的可行性。

TiDB MCP Server 提供了数据库查询、用户管理等 7 种工具，结合 CodeBuddy 等 AI 工具，可实现零 SQL、对话式的数据交互，大幅降低数据查询门槛。

TiDB MCP Server 在业务洞察、智能开发、运维巡检等场景有很大的应用潜力，对比传统方式，TiDB MCP 对话式交互在效率、门槛、灵活性与成本上具备显著优势，为 AI 驱动的数据操作提供了新范式。