你好，我是悟空。
前言
TiDB 已經支持 MCP 功能了，一直想看看怎么玩的，本篇是一篇實踐篇，帶著大家一起搭建 TiDB MCP Server，以及如何添加 TiDB MCP，如何使用 TiDB 的 MCP。
演示環境說明
可以連接使用的的 TiDB 數據庫，且連接時不需要證書、隧道等。
Mac M1，32G 內存。
CodeBuddy 工具，用來配置 MCP 服務和生成式對話，也可以用其他工具，如 Cursor、Cline。
MCP Server 添加方式
有兩種方式添加 TiDB MCP Server：
本地部署 MCP Server。原理就是從 github 拉取最新代碼，然后本地部署 TiDB MCP Server。
優勢：可以用最新的代碼，上面有新的功能和 bug 修復。
缺點：需要下載代碼、安裝依賴、啟動等，對使用者要求比較高。
添加應用市場中 MCP Server。原理就是在 MCP 應用市場查找 TiDB MCP Server，然后添加到 AI 開發工具上。（截止 2025-09-09 在https://mcp.so/沒有搜到官方的 TiDB MCP Server）
優勢：簡單方便。
缺點：MCP Server 可能不是最新的，有些功能特性和 bug 修復不在當前版本上。
本篇只介紹本地部署 TiDB MCP Server 的方式。
MCP 介紹
2024 年 11 月，Anthropic 公司搞了個挺有意思的新玩意 - Model Context Protocol（模型上下文協議）簡稱為 MCP 協議。簡單來說，它就是給 AI 和各類工具數據之間搭了個標準化的”橋梁”，讓開發者不用再為對接問題頭疼了。
大模型應用可以使用別人分享的 MCP 服務來完成各種各樣的工作內容，你可以從這些地方獲取 MCP 服務：
awesome-mcp-servers
mcp.so
如下圖所示，這是 mcp.so 網站中的 MCP Server。
MCP 協議在實際的應用場景上非常廣泛，列舉一些比較常見的應用場景：
使用百度/高德地圖分析旅線計算時間
接 Puppeteer 自動操作網頁
使用 Github/Gitlab 讓大模型接管代碼倉庫
使用數據庫組件完成對 Mysql、ES、Redis 等數據庫的操作
使用搜索組件擴展大模型的數據搜索能力
MCP 的架構
MCP 的架構
MCP 主要分為 MCP 服務和 MCP 客戶端：
客戶端：一般指的是大模型應用，比如 Claude、通過 Spring AI Alibaba、Langchain 等框架開發的 AI 應用
服務端：連接各種數據源的服務和工具
整體架構如下：
整體的工作流程是這樣的：AI 應用中集成 MCP 客戶端，通過 MCP 協議向 MCP 服務端發起請求，MCP 服務端可以連接本地/遠程的數據源，或者通過 API 訪問其他服務，從而完成數據的獲取，返回給 AI 應用去使用。
本地部署 TiDB MCP Server
克隆 PyTiDB 項目
github 地址：https://github.com/pingcap/pytidb/
該項目內含 MCP Server 模塊，將代碼倉庫到本地
git clone https://github.com/pingcap/pytidb
cd pytidb
安裝 Python 開發環境及依賴
推薦使用 uv 包管理工具：https://docs.astral.sh/uv/
uv sync --extra mcp
配置 MCP 客戶端
以 CodeBuddy 工具為例，添加 TiDB MCP Server 的配置參數。
如下圖所示，args 參數配置的是本地的 TiDB MCP Server 的執行路徑，env 配置的是本地的 TiDB 數據庫連接。
可以看到 TiDB MCP Server 添加成功，展示了 7 種 tool：
show_databases：展示該 tidb 集群種所有的數據庫。
Switch_database：切換到指定的數據庫。
show_tables：展示該數據庫種的所有的表。
db_query：從 TiDB 數據庫通過 SQL 查詢數據，使用 limit 限制返回條數，避免返回過多數據造成性能問題。
db_execute：通過 SQL 執行相關操作。
db_create_user：創建用戶。
db_remove_user：移除用戶。
測試 TiDB MCP Server 是否正常工作
先往 test1 表插入幾條測試數據，如下圖所示：
然后在 CodeBuddy 的聊天窗口進行對話：
查詢 tidb test 數據庫 test1 表
然后 CodeBuddy 會調用 TiDB MCP Server 的工具：db_query 從本地數據庫中查詢數據。
返回的 4 條數據和數據庫的結果一致，說明 TiDB MCP Server 是成功部署的。
通過該實驗，我們可以考慮更多的玩法，通過對話的方式來查詢數據，無需編寫 SQL 語句，應用到某些產品中，極大的節省了開發成本。
關于 TiDB MCP Server 應用場景
結合對話式交互的天然優勢，我們可以進一步探索以下創新玩法和應用場景，覆蓋從開發到業務、從內部到外部的全鏈路價值：
1、自然語言即服務（NLaaS）：零 SQL 的數據洞察平臺
場景：業務人員、產品經理、運營等非技術角色，直接通過自然語言查詢 TiDB 中的數據。
2、智能開發助手：SQL 自動生成與優化
場景：開發者在 IDE 中通過自然語言描述需求，自動生成 TiDB 兼容的 SQL 語句。
3. 實時運維巡檢：對話式故障定位
場景：DBA 或運維人員通過對話快速排查 TiDB 集群異常。
關于傳統方式和 TiDB MCP Server 對話式的總結
| 維度 | 傳統方式 | TiDB MCP Server 對話式 |
|---|---|---|
| 效率 | 寫 SQL → 調試 → 結果（10分鐘） | 一句話 → 結果（10秒） |
| 門檻 | 需懂 SQL、表結構 | 零技術背景即可查詢 |
| 場景 | 固定報表、預定義查詢 | 臨時需求、探索式分析、實時運維 |
| 成本 | 開發人力、溝通成本 | 自動化生成，節省80%人力 |
總結
本文通過實踐演示了如何搭建與使用 TiDB MCP Server，展示了本地部署的接入方式，驗證了通過自然語言即可查詢 TiDB 數據的可行性。
TiDB MCP Server 提供了數據庫查詢、用戶管理等 7 種工具，結合 CodeBuddy 等 AI 工具，可實現零 SQL、對話式的數據交互，大幅降低數據查詢門檻。
TiDB MCP Server 在業務洞察、智能開發、運維巡檢等場景有很大的應用潛力，對比傳統方式，TiDB MCP 對話式交互在效率、門檻、靈活性與成本上具備顯著優勢，為 AI 驅動的數據操作提供了新范式。
