导读
随着大语言模型（LLM）能力的持续演进，我们已迈入了“Agent 时代”——模型不仅能够理解指令，还能自主决策与执行复杂任务。在这一过程中，LLM 与外部系统（尤其是数据库）的高效连接成为关键能力之一。
MCP（Model Context Protocol）作为一项开放标准，正在成为连接 LLM 与外部数据源、工具系统的事实标准。它通过统一的协议，简化了模型对外部资源的访问路径，让开发者能够轻松为 LLM 应用注入实时数据和可执行能力。
现在，TiDB 的 AI SDK——PyTiDB，已原生支持 MCP 协议。开发者无需编写复杂的插件或 API，只需简单配置，即可将 TiDB 接入支持 MCP 的 AI 工具。
本文将介绍 MCP 协议的核心机制、TiDB 对 MCP 协议的支持，并通过实际案例展示如何基于 TiDB + MCP 构建智能数据分析应用。
为什么需要 MCP ？
MCP (Model Context Protocol，模型上下文协议) 是一项开放标准，为 LLM 访问外部数据/资源、调用第三方工具提供了标准规范。（官方定义参考：https://docs.anthropic.com/en/docs/agents-and-tools/mcp）
MCP 协议的出现，带来了一些显著优势：
- 打破 AI 应用的数据孤岛：通过标准化接口，MCP 允许 AI 应用实时访问外部系统（如数据库），获取最新数据，而不局限于模型的静态训练数据。
- 赋能 AI Agent：MCP 提供了与第三方工具深度集成的能力，使 AI 应用能够从简单的问答升级为具备感知、决策与行动能力的智能 Agent。
- 简化插件开发：开发者只需为外部工具实现一个 MCP Server，即可轻松对接所有支持 MCP 的 AI 应用，无需重复适配。
TiDB 已支持 MCP 协议
TiDB 的 AI SDK——PyTiDB，现已原生支持 MCP 协议。这意味着开发者可以直接使用 PyTiDB 提供的 MCP Server 模块，将 TiDB 数据库接入支持 MCP 的 AI 工具（如 Claude Desktop、Cursor 等），实现自然语言驱动的数据查询与分析。
相比直接使用 Text2SQL 让模型生成并执行 SQL，MCP 协议通过结构化接口让 LLM 与数据库的 MCP Server 通信，由 MCP Client 生成并执行 SQL，具备更高的工程化程度与可控性。MCP 支持类型安全的调用方式，可灵活添加权限控制机制（例如如按 tool 配置访问策略、字段权限与限流等），可显著提升系统的安全性、可维护性与扩展性。
PyTiDB 是 TiDB 提供的的 AI SDK，包含访问 TiDB 的向量存储、AI 搜索、Auto Embedding、MCP 等功能，代码地址：https://github.com/pingcap/pytidb/
其中，MCP Server 模块地址：https://github.com/pingcap/pytidb/tree/main/pytidb/ext/mcp
🔔 TiDB 已被 MCP 官方代码仓库收录：https://github.com/modelcontextprotocol/servers
Demo：借助 TiDB + MCP 进行 GitHub 数据洞察
在 OSSInsight 项目中，我们已使用 TiDB 存储了超过 90 亿条公开的 GitHub 事件数据，通过预设 SQL 为用户提供在线分析报告。如今，数据分析类应用的开发模式也正在发生改变。借助 TiDB 提供的 MCP Server 能力，开发者可以：
- 实现更智能的 Agentic 工作流：在数据分析场景下，传统 Text2SQL 应用在固定流程下容易生成错误 SQL，而连通数据库的 AI Agent 能基于返回的错误信息自主重试或修正 SQL，从而大幅减少人工干预。
- 持续学习与优化：支持 Memory 的 AI 工具可记录用户偏好，持续改进 SQL 生成质量。
演示：https://mp.weixin.qq.com/s/LraTXMXXNq0Eiyxb2ZWNcw
在 Claude Desktop 中，仅用一条简单命令就完成了这样的数据分析流程：
- 查看数据库中的表及表结构（调用
show_tables工具）； - 根据表结构生成满足查询需求的 SQL，并调用
db_query工具执行； - 将查询结果绘制成图表，进行分析并形成总结。
详细实现过程
准备工作
- 支持 MCP 协议的客户端：例如：Claude Desktop、Cursor、Cline、DeepChat、ChatWise 等；
- TiDB 测试集群及数据：
可用 TiUP Playground 部署 TiDB，启动方式参考 https://docs.pingcap.com/tidb/stable/production-deployment-using-tiup/；
在 demo 中使用的是 OSSInsight 的 TiDB 生产环境集群地址（赋予 TIDB_USER 只读权限），这里也提供一份测试数据集（https://github.com/pingcap/ossinsight/releases/tag/sample-data），可下载并导入到测试集群，获取数据库的连接串。
注：如果使用 TiUP Playground，可以在启动后的日志输出中找到必要的数据库链接信息。
配置步骤
详细配置文档参考：https://pingcap.github.io/pytidb/integrations/mcp/
-
克隆 PyTiDB 项目（内含 MCP Server 模块）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 Claude Desktop 为例），添加 TiDB MCP Server 的配置参数：找到 Settings -> Developer 配置，通过 Edit Config 按钮打开 MCP 配置文件
在配置文件中添加 TiDB MCP Server 的配置参数：
{
"mcpServers": {
"tidb": {
"command": "uv",
"args": [
"--directory",
"/path/to/pytidb",
"run",
"-m",
"pytidb.ext.mcp"
],
"env": {
"TIDB_HOST": "{host}",
"TIDB_PORT": "4000",
"TIDB_USERNAME": "{username}",
"TIDB_PASSWORD": "{password}",
"TIDB_DATABASE": "{database}"
}
}
}
}
其中 TIDB_HOST、TIDB_PORT 等信息请按照实际测试集群的信息填写。
- 重启 Claude Desktop，即可在工具列表中查看到 TiDB MCP Server 支持的调用工具。
-
在 Claude Desktop 输入框中输入你的问题以及回答要求即可向 Agent 发起查询任务。
示例指令：
# 检索 pingcap/tidb 仓库的 star 历史 - 按年累计统计，每位用户只计算首次 star。 - 使用 ECharts 折线图展示结果。 - 解释保持简洁。
另外，在写此文章的同时，Anthropic 发布了 MCP Connector(Beta)并给了说明“Claude’s Model Context Protocol (MCP) connector feature enables you to connect to remote MCP servers directly from the Messages API without a separate MCP client”，这意味着未来在使用 Anthropic 提供的 Claude LLM API 时，可以不再单独实现一个 MCP Client(via https://github.com/modelcontextprotocol/python-sdk) ，而是在 API 里就可以连接一个或多个 MCP Server（也包含 HTTP/sse 启动模式下的 TiDB MCP Server）。
总结
MCP 的出现，显著简化了 LLM 应用与外部系统的集成过程，它让模型能够更自然、更高效地连接外部数据和工具，真正具备了“行动力”。TiDB 对 MCP 的支持，不仅为开发者提供了更高效的工具链，也为企业实现 AI 应用与数据平台的深度融合提供了可能。
未来，我们会继续探索 TiDB 在 AI 生态中的更多可能性，例如如何更好地支持复杂的智能决策场景，如何为开发者提供更便捷的工具等。如果对 TiDB 和 MCP 感兴趣，欢迎试用本文介绍的新能力，和我们一起探索这个充满潜力的方向 ：）