mcp-dbutils（数读）

Sun, 01 Jun 2025 00:00:00 +0000

解决了什么问题

工业企业的数据库里躺着大量有价值的数据——生产日志、设备状态、质检记录。但让大模型直接访问数据库是危险的。mcp-dbutils 作为 MCP 协议的安全中间层，让 AI 能读数据、分析数据，但绝不修改数据。

怎么用

11 个 MCP 工具，覆盖数据库分析全流程：

工具	做什么
`list-connections`	列出所有可用数据库连接
`list-tables`	浏览所有表
`describe-table`	查看表结构（列、类型、约束）
`get-ddl`	获取建表 DDL 语句
`run-query`	执行只读 SQL（SELECT、JOIN、GROUP BY）
`explain-query`	获取查询执行计划
`analyze-query`	分析查询性能并给出优化建议
`list-indexes`	查看表上的索引
`list-constraints`	查看主键、外键、唯一约束
`get-stats`	获取表的统计信息（行数、大小等）
`get-performance`	获取连接性能指标

安全架构

只读强制：所有 SQL 在发送到数据库前经过语法分析，只允许 SELECT
连接隔离：每个数据库连接独立管理，按需连接，自动超时
凭证保护：密码等敏感信息在日志和输出中自动屏蔽
本地处理：数据在本地流转，不上传到任何云端服务

技术栈

Python 3.10+ · MCP Protocol · SQLAlchemy · asyncio

支持数据库：SQLite · MySQL · PostgreSQL

分布与采用

PyPI 发布：（pip install mcp-dbutils）
Smithery 一键部署：
Docker 镜像支持
多语言文档：中 / 英 / 法 / 西 / 阿 / 俄

工业场景方向（规划中）

mcp-dbutils 正在向工业 AI Agent 方向演进。目标场景：

生产数据库问答：工厂车间主任用自然语言问"上周哪条产线良率最低"，Agent 直接查数据库给出答案，不需要等 IT 部门写 SQL
设备状态巡检：Agent 定时扫描设备运行日志表，发现异常自动告警，附带历史趋势分析
供应链库存洞察：多表 JOIN 分析——库存水位、交付周期、供应商历史履约率——一个提问，Agent 完成查询 + 可视化 + 建议

如果你来自工业企业，对以上场景有需求或想法，。

NLP 预测模型 Demo

Sat, 16 Apr 2016 00:00:00 +0000

背景

2016 年，Coursera 上与 Johns Hopkins 大学合作的 Data Science 专项课程的 Capstone 项目。课程以 SwiftKey 输入法为例，提供一个来自推特的英文语料库，要求我们独立完成从数据清洗到预测建模的完整流程，最终交付一个可交互的 Shiny 应用。

当时读了吴军老师的《数学之美》，对自然语言处理的统计方法产生了深刻的兴趣——书中讲马尔可夫链、n-gram 模型、信息熵的那几章，直接指导了我接下来的工作。

做了什么

数据清洗与探索：从原始 Twitter 语料中抽样、分词、去停用词、构建 n-gram 频率矩阵。写了一份 R Markdown 数据探索报告，分析了词频分布、Zipf 定律的实证表现、以及 blog/news/twitter 三种文本的句式差异。
n-gram 语言模型：基于马尔可夫假设构建 unigram/bigram/trigram 模型。核心挑战是处理未见过的 n-gram——模型在训练集中没见过的词组合，不能直接给零概率。
Good-Turing 平滑：用 $r+1$ 次出现的 n-gram 数量来重新估计 $r$ 次出现的概率，使得训练集中从未出现的 n-gram 也能获得非零概率——“从未见过"不等于"不可能出现”。
Shiny 交互式部署：将训练好的模型打包成 R Shiny 应用，部署在 shinyapps.io 上。输入文本，实时返回下一个词的预测。

技术栈

R · quanteda · data.table · ggplot2 · Shiny · Good-Turing Estimation · shinyapps.io

为什么值得看

这是 2016 年自学完成的。没有导师、没有实验室、没有 GPU——就用一台自己组装的 PC 和 Coursera 上的课程视频。从数据清洗到数学模型到交互式部署，一条完整的独立生产线。十年后回头看，这也是我后来做 mcp-dbutils、做 AI Agent 的底层工作流原型：拿到数据 → 理解本质 → 建模 → 部署给人用。

Projects | 董昊