OceanBase MCP Server 与 AI 工具集成指南

背景信息

AI 工具快速发展（如图形化工具 Cursor、Windsurf、Trae，命令行工具 Claude Code、Gemini CLI、Qwen Code），在 Agent 模式的加持下，能力非常强大。但是 AI 工具无法直接访问数据库，和数据库之间仍然缺少一个 “桥梁”，MCP 协议搭建了这样的一座桥梁。OceanBase MCP Server 通过 MCP 协议与 AI 工具交互，赋予了工具直接读取数据库的能力。

传统的数据分析比如 “用户数据分析”、“商品分析”、“订单分析”、“用户行为分析” 等，需要开发人员开发后端平台读取数据和前端页面展示数据，即使使用 BI 分析工具有时也需要了解 SQL 相关的知识，数据只是展示了出来，数据中包含的逻辑是什么，业务需要根据数据做什么样的改变，仍然依靠数据分析人员的洞察。

在 AI 工具、 MCP 和 LLM 的结合下，数据分析形态将被改变，分析人员不再需要开发人员参与，也不用懂得 SQL 知识，只需要将需求告诉这些 AI 工具，就可以得到想要的结果，生成精美的图表，并且可以提供初步的数据洞察。

功能架构

核心工具包

OceanBase MCP Server 提供标准化接口，支持 AI 工具直接调用数据库功能：

资源接口

通过 MCP 协议暴露的资源接口，AI 工具可直接调用：

前提条件

• 您已安装 Cursor 或其他支持 MCP 协议的工具（如 Windsurf、Qwen Code）。

• 您已完成部署 OceanBase 集群并且创建了 MySQL 模式用户租户，连接用户租户的用户需具备目标数据库的 CREATE、INSERT、DROP 和 SELECT 权限。

  • 有关部署 OceanBase 集群的信息，参见 部署概述。
  • 有关创建用户租户的详细信息，参见 创建租户。
  • 有关用户权限的信息，参见 MySQL 模式下的权限分类。

• 您已安装 Python 环境（版本 3.10 ~ 3.12）。

  • Python 安装包可在 Python 官方网站 下载。

集成步骤

步骤一：获取数据库连接信息

联系 OceanBase 数据库部署人员或者管理员获取相应的数据库连接串，例如：

obclient -h$host -P$port -u$user_name -p$password -D$database_name

参数说明：

• $host：提供 OceanBase 数据库连接 IP。OceanBase 数据库代理（OceanBase Database Proxy，ODP）连接方式使用的是一个 ODP 地址；直连方式使用的是 OBServer 节点的 IP 地址。

• $port：提供 OceanBase 数据库连接端口。ODP 连接的方式默认是 2883，在部署 ODP 时可自定义；直连方式默认是 2881，在部署 OceanBase 数据库时可自定义。

• $database_name：需要访问的数据库名称。

  注意

  连接租户的用户需要拥有该数据库的 CREATE、INSERT、DROP 和 SELECT 权限。更多有关用户权限的信息，请参见 MySQL 模式下的权限分类。

• $user_name：提供租户的连接账户。ODP 连接的常用格式：用户名@租户名#集群名 或者 集群名:租户名:用户名；直连方式格式：用户名@租户名。

• $password：提供账户密码。

更多连接串的信息，请参见 通过 OBClient 连接 OceanBase 租户。

示例如下：

obclient -hxxx.xxx.xxx.xxx -P2881 -utest_user001@mysql001 -p****** -Dtest

步骤二：安装 Python 依赖

环境准备

1. 安装 uv 包管理器。

   • macOS/Linux 环境执行以下命令安装 uv 包管理器。

     curl -LsSf https://astral.sh/uv/install.sh | sh
     

   • Windows 环境执行以下命令安装 uv 包管理器。

     irm https://astral.sh/uv/install.ps1 | iex
     

   • 或者使用 pip 命令安装 uv 包管理器。

     pip install uv
     

2. 验证 uv 是否安装成功。

   uv --version
   

安装 OceanBase MCP Server

1. 选择一个目录，运行以下命令创建一个虚拟环境。

   uv venv
   

2. 执行以下命令激活虚拟环境。

   source .venv/bin/activate
   

3. 执行以下命令安装 OceanBase MCP Server。

   uv pip install oceanbase-mcp
   

步骤三：配置 MCP Server 环境

1. 创建 .env 文件。

   cat > .env <<EOF
   OB_HOST=127.0.0.1
   OB_PORT=2881
   OB_USER=test_user001@mysql001  # 示例：MySQL模式租户用户
   OB_PASSWORD=your_password
   OB_DATABASE=test
   EOF
   

2. 启动 MCP Server。

   uv run oceanbase_mcp_server \  
       --transport sse \           # 支持 stdio/streamable-http/sse 模式
       --host 0.0.0.0 \            # 允许外部访问，可改为 127.0.0.1 限制本地访问
       --port 8000                 # 自定义端口（如 8001 需调整后续配置）
   

步骤四：配置 Cursor 连接 MCP Server

1. 进入 Cursor 设置页面：点击右上角齿轮图标 → 选择 MCP → 点击 New MCP Server。

   

2. 编辑 mcp.json 配置。

   {
     "mcpServers": {
       "ob-sse": {
         "autoApprove": [],
         "disabled": false,       # 必须设为 false 启用服务
         "timeout": 60,
         "type": "sse",
         "url": "http://127.0.0.1:8000/sse"  # 与步骤 3 的端口一致
       }
     }
   }
   

3. 验证连接。

   保存后，返回 MCP 页面，可以看到新添加的 MCP。

4. 添加后在 Chat 窗口提问时，Cursor 会自动使用 MCP 的工具。

   

快速体验案例

当您完成 OceanBase + MCP Server 的搭建后，可以快速体验数据分析。其他的 AI 工具也可以实现本文的效果，本案例以 Cursor 为例，演示强大的 AI 工具如何与 OceanBase MCP Server 协同工作。

用户数据分析

1. 指令输入。

   帮我分析一下用户数据，看看用户年龄分布和城市分布情况
   

2. Cursor 执行流程。

   1. Cursor 调用 execute_sql 执行聚合查询。

      SELECT age, city, COUNT(*) AS user_count  
      FROM users  
      GROUP BY age, city;  
      

   2. 自动生成结构化分析结果。

      

3. 指令扩展。

   请将上面的结果转换为图表
   

4. 输出结果。

   自动生成年龄分布与城市分布饼图。

   

商品销售分析

1. 指令输入。

   分析商品销售情况，找出最受欢迎的商品类别和品牌
   

2. 输出示例。

   Cursor 给出了分析报告，并且给出了策略和建议的洞察。

   

订单趋势分析

1. 指令输入。

   分析订单数据，看看销售趋势和用户购买行为
   

2. 输出示例。

   生成了订单数据分析报告，并根据数据给出了建议。

   

相关文档

更多 OceanBase MCP Server 的介绍信息，参见 OceanBase MCP Server。