把数据库接进 Claude、Cursor：Chat2DB 5.0 的 MCP Server 怎么用
在 Chat2DB 5.0 里，我们把 MCP（Model Context Protocol）Server 做成了一等公民：不再需要折腾命令行、不再需要自己写 stdio wrapper，一次开关、一份 JSON，Claude Desktop、Cursor、Cline 这些 AI 客户端就能直接操作您在 Chat2DB 中配置好的数据源。
这篇文章会用大概 5 分钟时间，带您把 Chat2DB 接到自己常用的 AI 客户端上。
为什么要接 MCP
对用惯 AI 编程助手的开发者来说，一个很直接的问题是："能不能让 Cursor 在聊天里直接查我的测试库？" 过去要实现这件事，要么在提示词里反复贴 schema，要么写自定义 function。MCP 的价值在于它把"AI 客户端 ↔ 外部工具"这件事做成了标准协议，Chat2DB 作为服务端实现了这套标准，您只要在客户端里引用即可。
具体能做到什么：
- 在 Cursor / Claude 对话里问一句"订单表今天的成交前 10 是什么"，AI 会自动调用
execute_sql取数并展示。 - 让 AI 先
list_all_tables+get_tables_schema，再把自然语言翻译成 SQL 执行，避免它"凭空猜字段"。 - 复用 Chat2DB 已有的数据源、权限、审计体系，DBA 不需要单独开一个 AI 专用账号。
第 1 步：在 Chat2DB 里开启 MCP
- 打开 Chat2DB 5.0，进入 设置 → MCP。
- 打开 启用 MCP Server 开关。
- 点击 重启客户端。MCP Server 第一次开启必须重启一次才会生效。
- 回到 设置 → MCP 页面，复制 MCP Token。这个 Token 只对本机可见，如果担心泄露，随时可以 重置。
桌面版 MCP 默认只监听
127.0.0.1，其他机器无法连进来，不用担心端口暴露。
第 2 步：生成一份客户端配置
直接手写 JSON 当然可以，但更简单的方式是：在数据源列表 / 数据库详情页右键，选择 复制 MCP 配置。Chat2DB 会根据当前选中的数据源、数据库、Schema 自动生成一段可直接使用的配置：
{
"mcpServers": {
"chat2db-orders": {
"type": "streamable-http",
"url": "http://127.0.0.1:10824/mcp",
"headers": {
"X-Chat2DB-MCP-Token": "<你的 Token>",
"X-Chat2DB-DataSource-Id": "76043",
"X-Chat2DB-Database-Name": "orders"
}
}
}
}如果您需要让 AI 同时访问多个库，可以在同一份 JSON 里配置多个条目：chat2db-orders、chat2db-analytics、chat2db-staging……客户端会把它们当成不同的 MCP Server 来展示。
第 3 步：在 AI 客户端里粘贴
Claude Desktop
编辑 ~/Library/Application Support/Claude/claude_desktop_config.json（Windows 在 %APPDATA%\Claude\），把 mcpServers 合并进去，保存后重启 Claude Desktop。
在对话框左下角的工具面板里看到 chat2db-orders，就说明接通了。试着问一句：
帮我看看 orders 库里有哪些表，然后查询最近 7 天的订单总金额。
Claude 会依次触发 list_all_tables → get_tables_schema → execute_sql 三个工具，返回结果内联展示。
Cursor
Settings → MCP → Add new MCP server，粘贴同样的 JSON 即可，Cursor 自带 streamable-http 支持，不需要额外转换。
Cline / Claude Code
这两个客户端都走 mcp.json 配置，直接把上面的 JSON 片段写进去即可。Claude Code 启动时会自动感知到新工具。
5 个可用工具
5.0 的 Chat2DB MCP Server 提供了 5 个标准工具，覆盖"找库 → 看结构 → 执行"的完整链路：
| 工具 | 什么时候用 |
|---|---|
list_all_databases | 一个数据源下有多个库、AI 需要先挑库 |
list_all_schemas | PostgreSQL / SQL Server 这类有 Schema 概念的数据库 |
list_all_tables | 想让 AI 了解库里有什么 |
get_tables_schema | 在生成 SQL 之前让 AI 看一下 DDL |
execute_sql | 实际执行查询，默认分页 200、最大 500 |
这几个工具都通过请求头携带 dataSourceId、databaseName、schemaName 上下文，所以同一个客户端可以并行接入多个库而不会串。
一些实用技巧
- 写一段 System Prompt 约束 AI 行为：比如"只允许 SELECT"、"返回前 100 条"、"字段使用蛇形命名"。
- 让 AI 自己分页：提醒它
execute_sql默认只返回 200 条，需要分页的查询请自己加LIMIT / OFFSET。 - 给 MCP 账号只读权限：MCP 本身不会做 SQL 类型拦截，交给数据库的账号权限更靠谱，Chat2DB 层面依然会记录审计。
- 多环境隔离：把生产库和开发库配成两个不同的 MCP 条目（
chat2db-prod、chat2db-dev），AI 客户端会清晰分开，误操作风险更小。
结语
AI 客户端 + Chat2DB + MCP 这一组组合，正在把"查数据库"这件事从一个专业动作，变成每一个会打字的人都能做的事。5.0 只是起点，接下来的几个小版本里，您还会看到更多 MCP 工具（数据造数、报表生成、Schema 变更评审等）陆续加入。
欢迎把您接出来的玩法发给我们，也欢迎在 GitHub (opens in a new tab) 上提你想要的下一个工具。