AgentHubAgentHub

使用场景/数据库查询

数据库 MCP(PostgreSQL / MySQL / Redis)

用自然语言查询、分析数据库。适合数据分析、运维排查、生成 SQL(需在受控环境使用)。

共匹配 1,553 个资源 · 第 11 / 33 页

什么是数据库查询?

数据库 MCP 让 AI 用自然语言查库:把「最近 30 天每日订单额」翻译成 SQL、解释慢查询执行计划、导出生成报表、对照 Schema 回答字段含义。Postgres / MySQL / SQLite 类 Server 提供连接与只读执行工具,Redis 类侧重键空间巡检。

安全是第一约束:务必使用只读账号接入,配合行级权限或视图收敛可见范围;开启语句白名单或人工确认写操作;生产库前先在同构的 staging 库演练。SQLite / DuckDB MCP 直接读本地文件,适合个人数据分析且无泄露连接串的风险。

提效实践:让 MCP 暴露 schema 检索工具,AI 先取相关表结构再写 SQL,可显著降低对不存在列的幻觉;把常用查询沉淀为 Skill,团队共享同一套「问数」口径。

适合做什么

  • 开发环境数据探查
  • 生成只读分析 SQL
  • Schema 文档化
  • Redis 键空间巡检

不太适合

  • 生产库无限制的写操作
  • 未脱敏的敏感表直接暴露给 AI
常见组合: Postgres MCP + SQL 分析 Skill → 对话式 BI

编辑推荐

相关资源

查看全部 →

SQL DW 编写 CLI

SkillSkillsMP

在智能体 CLI 环境中,通过授权类 T-SQL(DDL、DML、数据摄取、事务、schema 变更)操作 Microsoft Fabric Data Warehouse 与 SQL endpoint。适用场景:(1) 从终端建/改/删表;(2) 通过 CLI 执行 insert/update/delete/merge;(3) 运行 COPY INTO 或 OPENROWSET 摄取;(4) 管理事务或存储过程;(5) schema 演进;(6) time travel 或快照;(7) 生成 ETL/ELT shell 脚本;(8) 在 Lakehouse SQLEP 上创建视图/函数/存储过程。触发词:“create table in warehouse”“insert data via T-SQL”“load from ADLS”“COPY INTO”“run ETL with T-SQL”“alter warehouse table”“upsert with T-SQL”“merge into warehouse”“create T-SQL procedure”“warehouse time travel”“recover deleted warehouse data”“create warehouse schema”“deploy warehouse”“transaction conflict”“snapshot isolation error”。

source

SQL DW 查询 CLI

SkillSkillsMP

通过 CLI 对 Fabric Data Warehouse、Lakehouse SQL Endpoint 与 Mirrored Database 执行只读 T-SQL 查询。任何湖仓数据查询(行数、SELECT、过滤、聚合)的默认技能,除非用户明确要求 PySpark 或 Spark DataFrame。适用场景:(1) 查询 warehouse/lakehouse 数据;(2) 统计行数或探索 lakehouse 表;(3) 发现 schema/列;(4) 生成 T-SQL 脚本;(5) 监控 SQL 性能;(6) 导出结果为 CSV/JSON。触发词:“warehouse”“SQL query”“T-SQL”“query warehouse”“show warehouse tables”“show lakehouse tables”“query lakehouse”“lakehouse table”“how many rows”“count rows”“SQL endpoint”“describe warehouse schema”“generate T-SQL script”“warehouse performance”“export SQL data”“connect to warehouse”“lakehouse data”“explore lakehouse”。

source

常见问题

AI 会不会直接改坏生产数据?

用只读账号从连接层杜绝写操作;确需写入时走「AI 生成 SQL → 人工审核 → 受控执行」流程,并要求带回滚方案。

本地分析用哪个最省事?

SQLite / DuckDB 类 MCP 最轻——直接指向本地文件,无需服务与凭证;Postgres 类需要连接串,建议指向 staging。

自然语言生成的 SQL 可信吗?

让 AI 先读取 schema、给出解释再执行,并用小样本 LIMIT 验证口径,正确率会高很多。涉及金额与去重的关键报表仍建议人工复核 SQL。

配套安装与配置教程

相关场景