技能介绍

问题从哪来

在 IDE 或对话式 AI 里查 MySQL，常见做法是复制表结构、手写 SQL、再把结果贴回去。Schema 一多就容易漏外键关系；EXPLAIN 和慢查询要靠你自己解读；批量改数若没事务边界，误删也难回滚。你需要的是：AI 能直接连库，但执行路径要可控、可审计。

技能怎么工作

mysql-mcp-pro 以 MCP Server 形式跑在本机，通过环境变量配置 MYSQL_HOST、MYSQL_USER 等，并带连接池与事务工具（begin_transaction / commit_transaction / rollback_transaction）。

核心能力大致分几层：

浏览元数据：list_databases、list_tables、describe_table，以及 er_graph 拉取跨表外键（nodes + edges，便于画 ER 图）
查询与取数：execute_select 只读、execute_query 支持读写/DDL（带分级拦截）、get_table_data 分页取数、export_query 导出 CSV/JSON
分析与运维：explain_query 给出执行计划并附中文解读；get_server_status、show_processlist、kill_query 看负载与长查询
Prompt 模板：如 generate_query、optimize_sql、compare_schema、database_summary，把自然语言或概览类任务串成固定工作流

安全侧不是事后补救，而是默认收紧：READ_ONLY 可锁死写操作；ALLOW_DDL 默认关；GRANT、SHUTDOWN 等危险语句拦截；%s 参数化、结果行数上限、查询超时与审计日志一起约束 AI 触库行为。

适用边界

需要本机 Python 3.10+ 与可达的 MySQL 实例；连接信息由你在 MCP 配置里提供，生产环境建议专用低权限账号，写库场景优先只读或显式开事务再确认提交。
MCP 工具再全，也不能替代变更评审：大表 DDL、无索引的宽表扫描、生产 UPDATE/DELETE 仍应先在只读模式下用 SELECT 核对命中行，再决定是否放开写权限。

截图预览

使用场景

刚接手遗留业务库，在 AI 对话里列出库表、查看 `describe_table` 字段索引，并用 `er_graph` 理清外键关系再改代码。
线上接口变慢，把可疑 SQL 交给 AI 调用 `explain_query`，对照执行计划判断是否缺索引或出现 filesort。
批量更新或删除前，先用只读 `execute_select` 核对 WHERE 命中行，再用 `begin_transaction` 执行写入，异常则 `rollback_transaction`。
业务方要表格核对数据，用 `get_table_data` 按条件分页取数，再通过 `export_query` 导出带 UTF-8 BOM 的 CSV 给 Excel。

适合人员

维护 MySQL 业务库的后端工程师，希望在 Cursor/Claude 里直接浏览元数据与建表 SQL，减少在客户端与聊天窗口之间来回复制。
值班 DBA 或 SRE，告警时需要快速查看 `get_server_status`、`show_processlist`，并对确认无害的长查询使用 `kill_query`。
经常从生产或准生产库拉数核对的数据分析师，需要分页查询、行数统计和 CSV 导出，且希望 AI 帮忙写可 review 的 SELECT。
已在日常开发中接入 MCP 的全栈工程师，希望用自然语言触发 `generate_query` 或 `database_summary` 做库概览与语句草稿。