数据库 MCP 查询与写回
High Contrast
Dark Mode
Light Mode
Sepia
Forest
2 min read426 words

数据库 MCP 查询与写回

数据库 MCP 让 AI 能够直接查询和操作数据库，无需先导出 CSV 再手动分析。本节讲解安全的数据库访问设计，以及常见的查询和写回场景。

安全优先：只读与读写的边界

数据库操作的黄金原则：先只读，按需升级。

graph TD A[数据库访问需求] --> B{操作类型} B -- 分析/报表 --> C["只读连接
readonly_user"] B -- 数据录入/更新 --> D{操作频率} D -- 低频，需人工确认 --> E["读写连接
+ 操作前确认提示"] D -- 高频自动化 --> F["独立的 ETL 脚本
不通过 MCP"] C --> C1["SELECT, EXPLAIN, SHOW"] E --> E1["INSERT, UPDATE（限定表）
禁止 DROP, TRUNCATE"] F --> F1["不推荐用 MCP
使用专用数据管道"]

PostgreSQL 只读配置实践

第一步：创建专用 MCP 用户

-- 连接到 PostgreSQL 以管理员身份执行
CREATE USER mcp_analyst WITH PASSWORD 'strong_random_password';
-- 授予连接权限
GRANT CONNECT ON DATABASE production_db TO mcp_analyst;
GRANT USAGE ON SCHEMA public TO mcp_analyst;
-- 只读权限（现有表）
GRANT SELECT ON ALL TABLES IN SCHEMA public TO mcp_analyst;
-- 只读权限（未来新建的表）
ALTER DEFAULT PRIVILEGES IN SCHEMA public
GRANT SELECT ON TABLES TO mcp_analyst;
-- 验证：mcp_analyst 只能读，不能写
-- REVOKE INSERT, UPDATE, DELETE ON ALL TABLES IN SCHEMA public FROM mcp_analyst;

第二步：配置 MCP Server

{
"mcpServers": {
"postgres-readonly": {
"command": "npx",
"args": [
"-y",
"@modelcontextprotocol/server-postgres",
"postgresql://mcp_analyst:strong_random_password@localhost:5432/production_db"
]
}
}
}

常用查询场景

场景一：业务数据快速分析

提示：
请查询数据库，回答以下问题：
1. 本月新增用户数，以及与上月相比的增长率
2. 本周订单总金额，按商品类别分组
3. 最近7天有哪些用户超过30天没有登录（即将流失）
使用高效的 SQL，不要做全表扫描，利用已有的索引。

Claude 会自动：

  1. list_tables() — 了解表结构
  2. describe_table("users") — 查看列和索引
  3. read_query("SELECT ...") — 执行具体查询
  4. 整合多个查询结果，给出中文分析报告

场景二：数据质量检查

提示：
检查 orders 表的数据质量：
1. 是否有 NULL 值（在哪些列？占比多少？）
2. 是否有重复的 order_id
3. amount 列是否有负值或异常大的值（超过合理范围）
4. created_at 是否有未来日期（数据录入错误）
以 Markdown 报告格式输出，包含具体的 SQL 查询和结果。

场景三：跨表关联分析

提示：
分析用户购买行为：
1. 找出购买次数 >= 5 次的忠诚用户
2. 分析这些用户的平均客单价和首购到复购的平均时间
3. 与普通用户（购买1次）对比以上指标
4. 输出可用于运营活动的用户 ID 列表（保存到文件）

SQLite 本地数据工作流

SQLite 特别适合作为本地数据中转站：

sequenceDiagram participant F as Filesystem MCP participant DB as SQLite MCP participant C as Claude C->>F: read_file("raw_export.csv") F-->>C: CSV 内容 C->>DB: create_table("CREATE TABLE raw_data (...)") C->>DB: write_query("INSERT INTO raw_data ...") C->>DB: read_query("SELECT ... GROUP BY ... ORDER BY ...") DB-->>C: 分析结果 C->>F: write_file("analysis_report.md", 报告内容)

建立本地分析数据库的标准提示：

请帮我建立一个本地分析数据库：
1. 读取 ~/ai-workspace/data/exports/ 下所有 CSV 文件
2. 为每个文件创建对应的 SQLite 表（表名 = 文件名去掉扩展名）
3. 自动推断列的数据类型（日期/数字/文本）
4. 导入数据
5. 创建常用的分析视图（如月度汇总、地区汇总）
6. 输出数据库结构摘要

写回操作的安全设计

当 MCP 需要写入数据库时，遵循以下原则：

原则一：最小权限表

-- 为 MCP 写入单独创建限制性表，而不是直接操作业务表
CREATE TABLE ai_generated_reports (
id SERIAL PRIMARY KEY,
created_at TIMESTAMP DEFAULT NOW(),
report_type VARCHAR(50),
content JSONB,
created_by VARCHAR(50) DEFAULT 'claude-mcp'
);
-- 只给 MCP 用户这一张表的写权限
GRANT INSERT ON ai_generated_reports TO mcp_writer;

原则二：软删除而非硬删除

-- 不允许 MCP 执行 DELETE
-- 改为更新状态字段
ALTER TABLE records ADD COLUMN deleted_at TIMESTAMP;
ALTER TABLE records ADD COLUMN deleted_by VARCHAR(50);
-- MCP 只执行 UPDATE，不执行 DELETE
UPDATE records
SET deleted_at = NOW(), deleted_by = 'claude-mcp'
WHERE id = ?;

原则三：操作前验证

在让 AI 执行写操作之前，加入验证步骤：

提示（写操作前必须）：
1. 先 SELECT 查询将要修改的记录，展示给我看
2. 等我确认后，再执行 UPDATE/INSERT
3. 执行后，再次 SELECT 验证结果符合预期
4. 如果中间任何一步出错，立即停止并报告

本节执行清单

下一节：REST API MCP 封装模式