AI 驅動數據庫管理新范式:OceanBase 與 ModelScope 聯手打造智能 Workshop,讓數據庫管理 “秒上手”
個人簡介
作者: ShunWah
公眾號: “順華星辰運維棧”主理人。持有認證: OceanBase OBCA/OBCP、MySQL OCP、OpenGauss、崖山 DBCA、亞信 AntDBCA、翰高 HDCA、GBase 8a | 8c | 8s、Galaxybase GBCA、Neo4j Graph Data Science Certification、NebulaGraph NGCI & NGCP、東方通 TongTech TCPE 等多項權威認證。
獲獎經歷: 在OceanBase&墨天輪征文大賽、OpenGauss、TiDB、YashanDB、Kingbase、KWDB 征文等賽事中多次斬獲一、二、三等獎,原創技術文章常年被墨天輪、CSDN、ITPUB 等平臺首頁推薦。
- 公眾號:順華星辰運維棧
- CSDN: shunwahma
- 墨天輪:shunwah
- ITPUB: shunwah
- IFClub:shunwah

前言:
從 “敲命令” 到 “自然對話”,技術門檻被 AI 徹底打破
在人工智能迅速發展的今天,數據庫管理是否還需要依賴復雜的 SQL 語句和命令行操作?OceanBase 與 ModelScope 共同給出了否定的答案。通過 MCP(Model Calling Protocol)技術,我們重新定義了開發者與數據庫的交互方式——從傳統的“輸入指令”升級為更直觀的“自然語言對話”。
這一創新讓用戶無需記憶復雜指令、無需編寫腳本,只需用自然語言提出問題,即可完成 OceanBase 數據庫集群的創建、運行、管理、診斷與數據分析的全流程操作。這正是我們打造“AI Workshop:OceanBase 全生命周期管理平臺”的初衷。
本項目基于 ModelScope 創空間平臺構建,融合大語言模型(LLM)與數據庫工具鏈,實現了真正意義上的“對話即操作”。打開 ModelScope 創空間(https://www.modelscope.cn/studios),復制 OceanBase 官方創空間后,只需配置好 API_KEY、模型(我用的是 Qwen/Qwen3-235B-A22B-Instruct-2507)與調用地址,就能啟動屬于自己的 AI Workshop。無論您是數據庫新手,還是資深 DBA,都能從中獲得前所未有的高效體驗。
比如創建集群時,我直接說 “用默認配置創建 OceanBase 集群”,AI 便自動調用 create_cluster 工具,59 秒后就返回了包含服務器配置、資源分配的詳細結果;想建租戶,一句 “創建默認配置的 OceanBase 租戶”,create_tenant 工具在 41 秒內完成了租戶的 CPU、內存等參數部署。
一、平臺核心功能解析
1.1 MCP 服務器:三位一體的智能管理架構
本項目目前已集成三大核心工具:OBShell、OBServer 和 OBDiag,分別對應數據庫集群的創建、運行和管理三個關鍵階段。通過這些工具的協同工作,用戶無需編寫一行代碼,僅需與 AI Agent 對話即可完成 OceanBase 數據庫集群的全生命周期管理。

用戶可在左側工具欄靈活添加或移除 MCP 服務器,并查看各工具的支持情況。所有 MCP 服務及更多擴展功能均可在 OceanBase 官方 GitHub 倉庫 中找到,歡迎開發者深入探索。

1.1.1 OBShell MCP:智能集群管理核心
OBShell 顯著提升了數據庫管理效率,覆蓋集群管理、租戶管理、備份恢復、權限管理和監控維護等多方面功能。目前支持六大工具調用:
- create_cluster:創建新的 OceanBase 集群,支持默認配置快速部署和自定義參數部署
- create_tenant:創建新的 OceanBase 租戶,支持快速配置和詳細參數定制
- get_all_obshell_sdk_methods:獲取 OBShell 支持的所有方法
- get_obshell_sdk_methods_description:通過方法名獲取詳細描述
- call_obshell_sdk:調用 obshell 的 SDK 方法

1.1.2 OceanBase MCP:智能數據操作接口
通過 OceanBase MCP,Agent 可以實現對數據庫數據的全面操作:
- execute_sql:執行 SQL 語句,支持查詢、表 Schema 獲取、索引添加等操作
1.1.3 OBDiag MCP:智能診斷與巡檢系統
OBDiag 為用戶提供集群巡檢、診斷和信息查詢等高級功能:
- obdiag_check_run:執行集群巡檢并生成詳細報告
- obdiag_analyze_log:分析集群日志,識別錯誤信息
- obdiag_display_list:查詢支持的指令列表
- obdiag_display_run:執行從 obdiag_display_list 獲取的指令
二、 基于魔搭創空間搭建專屬AI Workshop:手把手實戰指南
本節將詳細介紹如何在ModelScope創空間平臺上快速搭建屬于自己的AI驅動數據庫管理環境。請按照以下步驟操作,即可體驗自然語言與數據庫交互的全新范式。
1. 準備工作與注意事項
在開始前請確保:
- 使用Chrome等主流瀏覽器(避免Safari以免數據集上傳異常)
- 已完成魔搭賬戶注冊
- 如使用免費API,需提前綁定阿里云賬戶
2. 魔搭平臺注冊與登錄
https://www.modelscope.cn/studios
訪問ModelScope官網完成賬戶注冊:

支持多種注冊方式,推薦使用CSDN賬戶快捷登錄:


完成賬戶設置與別名綁定:

成功登錄后進入平臺工作臺:

提示:如操作過程中出現環境異常,請參閱附錄"環境修復指南"進行重置
3. 創建專屬AI Workshop空間
3.1 復制創空間模板
https://www.modelscope.cn/studios/OceanBase/Oceanbase-AI_Workshop-Public
進入OceanBase官方創空間頁面,點擊復制按鈕創建個人空間:

3.2 關鍵配置項設置
基礎信息配置:
-
英文名稱:設置個性化標識名

-
公開設置:選擇"非公開"保護API資源

-
空間描述:建議使用歡迎性描述文案
歡迎來到 shunwah_AI_Workshop!圍繞 OceanBase - AI_Workshop 復制而來,這里是技術交流的樂園。分享見解、探索應用場景,共同挖掘 OceanBase 與 AI 結合的巨大潛力,等你加入!

環境變量配置:
-
API_KEY獲取:
訪問https://modelscope.cn/my/myaccesstoken查看訪問令牌


-
模型配置:
LLM_MODEL = Qwen/Qwen3-235B-A22B-Instruct-2507 LLM_BASE_URL = https://api-inference.modelscope.cn/v1/


3.3 完成創建與初始化
確認配置無誤后點擊"復制創空間"按鈕:

系統開始初始化環境(首次使用可能需要較長時間):

3.4 常見問題處理
阿里云賬戶綁定錯誤:
openai.AuthenticationError: Error code: 401 - {'errors': {'message': 'Please bind your Alibaba Cloud account before use.'}}

錯誤:使用前需綁定阿里云賬號
錯誤信息:openai.AuthenticationError: Error code: 401 - {‘errors’: {‘message’: ‘Please bind your Alibaba Cloud account before use.’, ‘request_id’: ‘26ef5034 - 4563 - 4014 - 95fa - 2c976641f6cc’}}
原因分析:這個錯誤是由 OpenAI 相關的庫拋出的,盡管錯誤信息提到 OpenAI,但實際上提示需要在使用前綁定阿里云賬號。這可能是因為所使用的功能依賴于阿里云的某些服務,而這些服務要求用戶先綁定阿里云賬號以進行身份驗證和授權。
解決方案:完成阿里云賬戶綁定授權

掃碼綁定

第三方應用授權

通過以上步驟,您已經成功在ModelScope平臺上創建了專屬的AI Workshop環境。關鍵要點包括:①使用非Safari瀏覽器確保功能完整;②正確配置API_KEY和模型參數;③注意阿里云賬戶綁定避免認證錯誤?,F在您已經擁有了一個能夠通過自然語言對話管理OceanBase數據庫的AI驅動環境,接下來即可體驗全生命周期的數據庫智能管理功能。
三、 MCP 服務實戰:從零開始部署與管理數據庫集群
本節將詳細介紹如何通過MCP服務完成OceanBase數據庫集群的創建、租戶管理、數據表構建及數據操作全流程,體驗AI驅動的數據庫智能管理。
3.1 創建OceanBase數據庫集群
通過自然語言指令啟動集群創建流程:

3.1.1 常見問題排除:身份驗證錯誤
在創建過程中可能遇到認證錯誤:
處理過程中發生錯誤: Error code: 401 - {'errors': {'message': 'Authentication failed, please make sure that a valid ModelScope token is supplied.', 'request_id': '033555f9-5f20-4d9d-9912-8283fc34a815'}}

錯誤信息 :Error code: 401 - {‘errors’: {‘message’: ‘Authentication failed, please make sure that a valid ModelScope token is supplied.’, ‘request_id’: ‘033555f9 - 5f20 - 4d9d - 9912 - 8283fc34a815’}}
原因分析:該錯誤表明在使用與 ModelScope 相關的功能時,身份驗證失敗。系統提示需要提供有效的 ModelScope 令牌(token)。這通常意味著代碼嘗試訪問 ModelScope 的資源,但沒有提供正確的身份驗證憑證,或者提供的憑證已過期或無效。
問題分析:此錯誤表明ModelScope令牌無效或已過期,導致身份驗證失敗。
解決方案:
- 更新環境變量中的API_KEY

- 確認更新操作

3.1.2 成功創建集群
使用自然語言指令創建集群:

具體操作步驟:
- 輸入創建命令:

- 系統思考生成解決方案:

- 工具調用詳情(耗時59.01秒):
調用工具: create_cluster { "arguments":{ "cluster_id":1 "servers_with_configs":{ "127.0.0.1:2886":{ "zone":"zone1" "datafile_size":"8G" "cpu_count":"8" "memory_limit":"7G" "system_memory":"1G" "log_disk_size":"24G" "enable_syslog_recycle":"true" "enable_syslog_wf":"true" "__min_full_resource_pool_memory":"1073741824" } } } }
- 集群創建完成:

3.2 創建OceanBase租戶
使用默認配置創建數據庫租戶(耗時41.12秒):
調用工具: create_tenant
{
"arguments":{
"zone_replica_type":{
"zone1":"FULL"
}
"memory_size":"2G"
"cpu_count":1
"unit_num":1
}
}

驗證數據庫表創建情況:
調用工具: execute_sql
{
"arguments":{
"query":"SHOW TABLES"
}
}

3.3 創建數據表結構
3.3.1 測試數據準備
從OceanBase論壇下載示例數據集:

下載測試數據文件(3.8 MB)到本地:

3.3.2 使用自然語言創建數據表
基于示例數據格式,使用Prompt指導AI創建表結構:


輸入建表指令:
根據示例數據調用工具在數據庫中創建表(表名默認為transactions):
step,type,amount,nameOrig,oldbalanceOrg,newbalanceOrig,nameDest,oldbalanceDest,newbalanceDest,isFraud,isFlaggedFraud
1,PAYMENT,9839.64,C1231006815,170136.0,160296.36,M1979787155,0.0,0.0,0,0
1,PAYMENT,1864.28,C1666544295,21249.0,19384.72,M2044282225,0.0,0.0,0,0
1,TRANSFER,181.0,C1305486145,181.0,0.0,C553264065,0.0,0.0,1,0
系統執行SQL建表語句(耗時0.13秒):
調用工具: execute_sql
{
"arguments":{
"query":"CREATE TABLE transactions (step INT, type VARCHAR(255), amount DECIMAL(20,2), nameOrig VARCHAR(255), oldbalanceOrg DECIMAL(20,2), newbalanceOrig DECIMAL(20,2), nameDest VARCHAR(255), oldbalanceDest DECIMAL(20,2), newbalanceDest DECIMAL(20,2), isFraud INT, isFlaggedFraud INT)"
}
}

3.4 數據導入操作
重要提示:確保數據庫中已存在與CSV文件結構完全匹配的transactions表
表創建成功提示:

數據導入步驟:
- 通過左側工具欄上傳CSV文件:

- 數據導入過程:

- 導入成功結果展示:

3.5 智能數據查詢與分析
3.5.1 基礎數據統計
查詢數據總條數:

表transactions中共有138,115條數據
3.5.2 條件查詢示例
金額范圍篩選:

數額在10000到20000之間的交易記錄共有17,897條
3.5.3 SQL執行詳情
調用工具: execute_sql(耗時0.00秒)
{
"arguments":{
"query":"SELECT COUNT(*) FROM transactions"
}
}

3.6 ????? 調用工具,生成shunwah_AI表打印用戶:shunwah
調用工具,生成一張shunwah_AI表打印出來顯示用戶:shunwah,英文名稱:shunwah_AI,中文名稱:shunwah_AI_Workshop
通過本節的實踐,我們成功完成了OceanBase數據庫集群的全生命周期管理體驗:

已成功創建表 shunwah_AI 并插入數據,當前表內容如下:
| id | name | english_name | chinese_name |
|---|---|---|---|
| 1 | shunwah | shunwah_AI | shunwah_AI_Workshop |
如需進一步操作,請告知。

- 集群部署:通過自然語言指令成功創建OceanBase集群,掌握了認證錯誤的排查方法
- 租戶管理:創建了獨立的數據庫租戶,實現了資源隔離與管理
- 數據表構建:基于示例數據格式,使用AI智能生成并執行建表語句
- 數據操作:完成CSV數據導入和多種條件查詢操作
這套AI驅動的數據庫管理方案大幅降低了OceanBase的使用門檻,即使沒有SQL背景的用戶也能輕松完成專業的數據庫操作。接下來可以進一步探索復雜查詢、數據分析和性能優化等高級功能。
四、MCP 服務進行智能數據庫診斷與優化
本節將展示如何利用 OBDiag MCP 服務對 OceanBase 數據庫集群進行全面的健康檢查、問題診斷和性能分析,體驗 AI 驅動的智能運維能力。
4.1 添加 OBDiag MCP 服務
4.1.1 進入 MCP 服務配置界面
點擊"MCP 服務設置"-“當前可用的 MCP Server”:

4.1.2 添加 OBDiag 服務
在左側添加 OBDiag MCP 服務,擴展診斷能力:

4.2 集群全面巡檢
4.2.1 執行集群健康檢查
調用工具,使用 OBDiag 對集群進行全方位巡檢:
巡檢完成,以下是集群的主要問題摘要:
?? 嚴重問題 (Critical)
1. glibc 版本過高 - 當前版本可能引起 observer 崩潰
2. 租戶資源池配置不足 - tenant_id: 1, 1002 的資源配置低于推薦值 2C4G
3. 數據目錄與日志目錄在同一磁盤 - 存在性能和風險隱患
4. TCP 重傳無法檢測 - 缺少 tsar 工具,無法檢查 TCP 重傳情況
5. 統計信息收集異常 - 租戶 1, 1001, 1002 的統計信息收集存在問題
?? 警告問題 (Warning)
1. 磁盤使用率偏高:/ 和 /etc/eas 掛載點使用率達 83%
2. 內核參數配置不推薦:多個關鍵參數需要調整
3. Python 版本不兼容:當前為 3.11.11,需要 Python 2.7.x
4. 缺少關鍵工具:mtr, nc, nslookup 未安裝
5. crond 未運行:影響定時任務和運維操作
6. core dump 配置不當:不利于故障排查
? 建議操作
1. 降級 glibc 或確認當前版本兼容性
2. 調整租戶資源配置至 2C4G 以上
3. 將 data_dir 和 log_dir 分離到不同磁盤
4. 安裝 tsar、nc、mtr 等工具
5. 調整內核參數以符合推薦值
6. 啟用 crond 服務
7. 修改 kernel.core_pattern 以支持 core 文件生成

注意:當前創空間處于 Demo 階段,如嘗試讓 Agent 自動修復巡檢問題,可能會出現非預期行為,建議謹慎操作。
4.3 查看診斷分析場景
4.3.1 獲取可用的分析功能
調用工具,查看 obdiag_display_list 支持的分析場景:


4.3.2 執行深度診斷分析
選擇關鍵場景進行詳細診斷,調用工具展示 observer.all_tenant 和 observer.serverinfo:


4.4 完整診斷報告生成
基于深度診斷結果,系統生成全面的集群分析報告:
?? 集群概覽
- 集群基本信息:名稱 cluster,ID 1,版本 4.3.5.3
- 服務器規模:1 臺服務器(127.0.0.1),1 個 Zone(zone1)
- 租戶配置:2 個租戶(sys, tenant)
??? 服務器詳細信息
| IP | 角色 | Zone | 狀態 | 啟動時間 |
|---|---|---|---|---|
| 127.0.0.1 | RootService | zone1 | ACTIVE | 2025-09-02 10:16:32 |
?? 租戶與資源配置詳情
| 租戶名 | 類型 | Unit 配置 | CPU(分配/總量) | 內存(分配/總量) | 狀態 |
|---|---|---|---|---|---|
| sys | 系統租戶 | 2C1G | 2.0 / 8.0 (25%) | 1.0G / 6.0G (16.7%) | NORMAL |
| tenant | 用戶租戶 | 1C2G | 1.0 / 8.0 (12.5%) | 2.0G / 6.0G (33.3%) | NORMAL |
?? 資源使用情況分析
-
CPU 使用率分布:
- sys:18%
- META$1002:36%
- tenant:37%
-
內存使用情況:
- sys:64.91%
- META$1002:57.71%
- tenant:65.36%
?? 數據存儲分析
- 數據庫容量:test 數據庫總大小約 6.0 MB
- 表數據分布:transactions 表大小 6.0 MB,包含 138,115 條記錄
- 數據結構健康度:各字段 NDV(唯一值數量)表現良好,適合索引優化
?? 高可用性評估
- RootService 部署:單節點(127.0.0.1:2882:2881)
- Leader 分布:所有分區 Leader 集中在單節點,存在單點故障風險
- 服務狀態:DDL 任務執行正常,無異常事件
?? 關鍵問題總結
- 內存資源緊張:tenant 租戶頻繁觸發內存不足錯誤
- 單節點風險:所有服務運行在單一節點,無高可用冗余
- RootService 單點:僅一個 RootService 節點,缺乏選舉容錯
- 工具版本過舊:obdiag 版本 3.5.0,需升級至 3.6.0
? 優化建議與行動計劃
-
短期措施(1-2天):
- 增加 tenant 租戶內存配額
- 監控內存使用趨勢,設置預警閾值
-
中期規劃(1-2周):
- 引入第二個節點,實現多 Zone 部署
- 升級 obdiag 到最新版本 3.6.0
-
長期優化(1個月以上):
- 建立完整的監控告警體系
- 制定定期健康檢查流程
- 規劃集群擴展方案
通過本節的實踐,我們完整體驗了 OBDiag MCP 服務的強大診斷能力:
- 全面健康檢查:一鍵式集群巡檢,自動識別系統、配置、性能等多維度問題
- 智能根因分析:深度診斷功能快速定位問題根源,提供詳細的技術洞察
- 可視化報告:自動生成結構化的診斷報告,清晰展示集群狀態和風險點
- actionable 建議:不僅發現問題,更提供具體可行的優化方案和實施路徑
這套AI驅動的診斷方案顯著降低了數據庫運維的技術門檻,使即使初級DBA也能完成專業級的集群健康管理和性能優化。
總結
通過本文的完整實踐,我們深入體驗了OceanBase與ModelScope聯合打造的AI驅動數據庫智能管理新范式:
(一)革命性突破
- 交互方式變革:從復雜的SQL和命令行操作轉變為直觀的自然語言對話
- 技術門檻降低:無需深厚的數據庫專業知識,也能完成專業的集群管理和運維
- 效率極大提升:將傳統耗時的部署、監控、診斷流程自動化、智能化
(二)核心價值體現
- 全生命周期管理:覆蓋從集群創建、租戶管理、數據操作到健康診斷的全流程
- 智能錯誤處理:內置的故障診斷和修復建議,大幅減少排查時間
- 可視化運維:豐富的圖表和報告展示,使運維狀態一目了然
- 持續學習進化:基于大量實踐案例不斷優化AI模型,提供越來越精準的建議
(三)未來展望
- 能力擴展:從當前的診斷能力向自動修復、智能調優、預測性維護方向發展
- 生態整合:與更多的運維工具和平臺集成,形成完整的智能運維體系
- 行業應用:在金融、電信、政務等關鍵行業落地,推動數據庫運維的智能化轉型
OceanBase與ModelScope的這次合作,不僅展示了AI技術在數據庫領域的創新應用,更為整個行業指明了未來發展方向——讓技術更加人性化、智能化,真正實現"技術為人服務"的理念。
歡迎加入魔搭和OceanBase社區,共同探索AI與數據庫結合的無限可能,攜手推動數據庫運維進入智能新時代!
作者注:本文所有測試基于 OceanBase (ModelScope MCP) AI Workshop 完成,具體語法請以OceanBase數據庫和ModelScope 官方最新文檔為準。
——以上僅為個人思考與建議,不代表行業普適觀點。文中案例與思路僅供參考,若與實際情況巧合,純屬無意。期待與各位從業者共同探討更多可能!

掃碼關注我們【順華星辰運維棧】了解更多信息
【告別SQL!用自然語言管理數據庫的時代來了】OceanBase聯合ModelScope推出AI智能管理新范式,只需“動動嘴”就能完成數據庫集群創建、運維管理和診斷分析。無論你是技術小白還是資深DBA,都能享受“對話即操作”的革命性體驗。點擊了解如何用自然語言實現數據庫全生命周期管理,開啟高效運維新篇章!
點擊鏈接,開啟你的分布式數據庫之旅??
#OceanBase #數據庫 #MCP #AI技術 #ModelScope
誠摯感謝 OceanBase 社區、魔搭 ModelScope 社區、老紀的技術嘮嗑局。特別鳴謝Linux 基金會亞太地區布道師兼 OceanBase 社區布道師尹珉老師、OB 開源社區助手慧姐、茲拉坦等各位老師與社區伙伴的大力支持!正是有了你們的指導和幫助,本次文章才能順利推出。




