---

一、AI 调库为何"卡壳"？

过去，开发人员排查 SQL 问题，往往要在开发工具和数据库客户端之间来回切换：表结构、索引信息、执行计划，需要逐项查询、复制，再交给大模型分析。这些分散的操作无法让模型真正基于真实数据库环境给出结论。

现在，借助 KES MCP Server，在 TRAE、Cursor 等支持 MCP 的开发工具中，直接输入下面这类问题，就能调用 KES 完成对应操作：

• “帮我看看 orders 表有哪些字段和索引。”
• “分析一下这条 SQL 为什么慢。”
• “如果增加联合索引，执行计划会不会改变？”

近日，电科金仓在 Gitee 发布了 KES MCP Server，本次发布包含 9 个标准工具，覆盖数据库结构探索、SQL 查询、执行计划分析、健康检查、慢查询定位和索引优化等常见场景。

---

二、KES MCP Server 是什么？

KES MCP Server 位于开发工具和 KES 数据库之间，是连接二者的"中间层"。

2.1 交互流程

用户提出问题后，开发工具判断需要调用哪个工具；KES MCP Server 接收请求，完成参数检查和访问控制，再连接 KES 执行操作；数据库返回结果后，由开发工具继续整理和分析。

开发工具不会绕过 KES MCP Server 直接访问数据库。模型能调用哪些工具、执行哪些 SQL、查看哪些对象，既受 Server 访问模式限制，也受数据库账号权限约束——这是双重权限约束的设计。

2.2 分层架构

KES MCP Server 采用分层架构设计，从上到下共 5 层组成：

1. AI 客户端层：TRAE、Cursor 等支持 MCP 的开发工具
2. 传输层：负责请求的序列化与传输
3. 核心服务与安全层：参数校验、访问控制（Restricted / Unrestricted 模式）
4. 分析能力层：执行计划分析、慢查询分析、索引假设分析
5. KES 数据库层：金仓数据库 V8R6 及以上版本

2.3 三种传输方式

为适应不同部署环境，KES MCP Server 支持三种传输方式：

传输方式	适用场景	特点
Stdio	本地开发	不需要开放端口，客户端自动拉起服务
SSE	远程访问	支持长连接、服务器推送
Streamable HTTP	集中部署	更好配合 HTTPS、反向代理和网络隔离

选型建议：本地开发通常使用 Stdio；团队共享或跨环境使用时，可以选择 Streamable HTTP。

2.4 安全设计：给 AI 这匹"野马"套上缰绳

数据库作为核心基础设施，AI 如同一匹野马，必须在它接触数据库前先套上牢固的缰绳。KES MCP Server 通过以下机制实现安全管控：

• Restricted（受限模式）：内置 SQL 类型白名单与严格的访问控制策略，拦截并限制高风险数据库操作（如 DROP、TRUNCATE、批量 UPDATE/DELETE 等），从源头阻断非法写入与修改行为。这是生产环境与演示环境的推荐模式，建议同时配置 AI 专用的数据库最小权限账户，多重防护以减少 AI 误操作的风险。
• Unrestricted（非受限模式）：开放完整数据库操作权限，支持复杂的管理与开发类指令执行，仅推荐在测试环境使用。

两种模式可以根据使用场景自由切换。

---

三、KES MCP Server 能做什么？

KES MCP Server 将 KES 常用的操作封装为标准工具，主要包括四类能力。

3.1 查看数据库结构

可以查看数据库中的 Schema、表、视图和序列，也可以进一步查看表的字段、约束和索引。

典型指令示例：

• “列出全部或指定 Schema 下的表、视图、序列或扩展。”
• “查看 orders 表的字段、约束、索引等对象详情。”

返回的信息直接来自当前 KES 数据库，不需要提前把建表语句复制到对话窗口。

3.2 执行查询与分析 SQL

可以根据实际业务需求生成并执行查询，也可以查看 SQL 在 KES 中的实际执行计划。

典型指令示例：

• “查询本月销售额排名前 5 的商品。”
• “分析这条 SQL 的执行计划。”

KES 返回查询结果和执行计划后，模型可以继续分析扫描方式、过滤条件和索引使用情况，帮助定位 SQL 性能问题。

3.3 检查数据库运行状态

对于数据库运维，可以通过一句指令发起健康检查：

“检查一下数据库健康状况。”

KES MCP Server 会检查索引、连接、Vacuum、序列、复制、缓存和约束等状态。

还可以查看高耗时查询：

“找出最近总耗时最高的 5 条 SQL。”

发现问题 SQL 后，可以继续分析执行计划和索引使用情况。

3.4 分析索引方案

可以针对指定 SQL 或历史查询负载分析索引。配合 sys_hypo 扩展，还可以在不创建真实索引的情况下，模拟新增索引后的执行计划。例如：

“如果在 user_id 和 status 字段上增加联合索引，执行计划会有什么变化？”

这样可以先评估索引是否有效，再决定是否实施实际变更，避免无效索引带来的存储与维护成本。

---

四、如何安装配置？

体验 KES MCP Server，需要准备：

• KES V8R6 及以上版本
• Python 3.12 ~ 3.13
• 支持 MCP 的开发工具，如 TRAE、Cursor 等
• 索引分析需启用 sys_hypo 扩展；慢查询、负载分析需启用 sys_stat_statements 扩展

完整配置参数可参考项目 README。

4.1 获取项目代码

git clone https://gitee.com/king-db/kingbase-mcp

4.2 安装依赖

uv pip install .

4.3 启动服务（Restricted 模式，生产环境推荐）

uv run kingbase-mcp --access-mode restricted

使用本地 Stdio 方式时，一般由客户端自动启动服务，无需提前单独运行。

---

五、实战演示：在开发工具中完成一次 SQL 优化

假设开发人员正在排查下面这条订单查询：

SELECT * FROM orders WHERE user_id = 123 AND status = 'pending';

完整排查过程只需在同一个开发环境中按以下三步推进：

第 1 步：查看表结构

输入指令：

“查看 orders 表的结构，包括字段、约束和索引。”

KES MCP Server 会返回 orders 表当前的字段、约束和索引情况，方便判断查询字段是否已有可用索引。

第 2 步：分析执行计划

输入指令：

“分析这条 SQL 的执行计划。”

返回结果会展示 SQL 当前采用的扫描方式和执行代价。如果查询使用了全表扫描，或者现有索引没有生效，就可以进入下一步验证。

第 3 步：模拟新增联合索引

输入指令：

“模拟增加 user_id 和 status 联合索引后的执行计划。”

KES MCP Server 通过假设索引重新生成执行计划，并对比增加索引前后的变化。整个过程不会真正创建物理索引，也不会带来额外的存储和维护成本。

如果模拟结果显示查询计划明显改善，再由开发人员或 DBA 结合查询频率、写入压力和存储成本，决定是否执行实际变更。

从查看表结构，到分析执行计划，再到验证索引效果，原本分散在多个工具中的操作，现在可以在同一个开发环境中完成。

---

六、总结

随着 MCP（Model Context Protocol）逐渐成为 AI 与外部系统交互的标准接口，大模型正在从“只会聊天”走向“能够真正操作工具”。对于数据库场景而言，问题从来不是 AI 能不能写 SQL，而是能否在安全、可控、基于真实环境的前提下完成分析与决策。

KES MCP Server 的意义正在于此。它将数据库结构查看、SQL 查询、执行计划分析、健康检查、慢查询定位以及索引优化等能力统一封装为标准 MCP 工具，让开发人员无需频繁切换开发工具和数据库客户端，即可在同一工作环境中完成问题定位与性能优化。

更重要的是，KES MCP Server 提供了 Restricted/Unrestricted 双模式、数据库权限隔离以及假设索引分析等机制，在提升 AI 调库效率的同时，也兼顾了生产环境对安全性和可控性的要求。尤其是 sys_hypo 提供的“先验证、后实施”能力，使索引优化从经验驱动逐渐转向数据驱动。

从查看表结构，到分析执行计划，再到模拟索引变更，KES MCP Server 展示了 MCP 与数据库结合的一个典型实践：让 AI 不再停留在“给建议”，而是真正参与到开发、运维和性能优化流程中。

未来，随着更多数据库能力被接入 MCP，AI 有望成为开发人员和 DBA 的“智能协作伙伴”。而 KES MCP Server 的发布，也为国产数据库在 AI 工程化落地方面提供了一个值得参考的实践样本。