MCP Toolbox for Databases 是谷歌开源的数据库 MCP 服务器，目前已有 1.6 万 Star。它原本叫 Gen AI Toolbox for Databases，比 MCP 协议还早几个月出现，后来为对齐 MCP，仓库名改成了 mcp-toolbox。最近正好用到它，分享给大家。

它解决的是什么问题

AI + 数据库这个模式，无论是个人开发者还是公司团队，很多都不太放心。不管是 Claude Code 还是 Codex，把连接串直接扔给模型，让它现场写 SQL，查错表、拼错条件是常有的事，权限一放开，心里就更没底了。

另一条路是自己写函数封装好给模型调，连接池、鉴权、调用日志全都得自己管，每接一个库就得重来一遍。

AI 访问数据库：自由 SQL vs 受控工具

这个工具箱干的就是中间这层的活。我们在配置文件里提前把允许的操作定义成一个个工具，写清楚 SQL 模板和参数，AI 只能调用这些工具，不能自由发挥。 连接池、认证、调用记录这些事，它替我们管。

功能详情

先看支持范围。 主流的 Postgres、MySQL、MariaDB、SQL Server、Oracle、MongoDB、Redis、Elasticsearch、ClickHouse、CockroachDB、Neo4j、Snowflake、SQLite 都在名单里，谷歌云上的 AlloyDB、BigQuery、Spanner、Cloud SQL 也支持，加起来三十多种。有了它，基本不用再给每个数据库单独找一个 MCP 了。

实际用下来，我觉得它的用法可以分两档。

第一档是预置工具，不写任何配置，启动时加个参数就行。 比如 --prebuilt=postgres，AI 助手马上就能列出库里有哪些表、看表结构、执行查询。平时让 AI 帮忙看看数据、查查表结构、生成点跟数据库相关的代码，这一档就够用了。

第二档是自定义工具，也是我平时主要用的方式。 在 tools.yaml 里把每个操作写成一条模板：数据源是哪个、SQL 怎么写、要哪几个参数、参数什么类型，都写清楚。AI 调用的时候只能往里填参数，模板本身它改不了。参数是分开传进去的，SQL 不是拿字符串拼出来的，注入这种老问题基本不用担心。哪些表能访问、能干什么操作，都是我们自己定。

除了工具本身，开发中的杂事也省了不少。连接池默认就有，认证可以接现有的账号体系，调用链路和指标用的是 OpenTelemetry，出了问题能查到是哪次调用慢、哪次调用挂了。改 tools.yaml 不用重启服务，动态重载默认开着，改完保存就生效。

还有个挺实用的小东西：启动时加 --ui 参数，会出来一个网页界面，每个工具都能手动填参数跑一遍，配好先自己点一点，确认没问题再交给 AI 用。

Toolbox UI

如果要嵌进自己写的应用里，官方给了 Python、JS、Go 的 SDK，Java 也有，LangChain、LlamaIndex、谷歌的 ADK 这些框架，文档里都有现成的接入示例，加载一组工具大概十行代码。

它还有个 skills-generate 命令，能把一组工具导出成 Agent Skill 包，有需要的可以研究下。但 Skill 不是强控制，不排除没生效的情况，用到数据库这块要谨慎一些，我是没用这个。

快速开始

我装的时候用的 Homebrew，brew install mcp-toolbox 一条命令完事。没装 Homebrew 的话，npx @toolbox-sdk/server 也能直接跑，Docker 镜像和各平台的二进制包官方都提供了，挑自己顺手的就行。

装完写一个 tools.yaml，我手上有个 Postgres 库，配置大概长这样：

kind: source
name: my-pg
type: postgres
host: 127.0.0.1
port: 5432
database: demo
user: demo
password: demo
---
kind: tool
name: search-user-by-name
type: postgres-sql
source: my-pg
description: 按名字模糊查用户
parameters:
  - name: name
    type: string
    description: 用户名
statement: SELECT * FROM users WHERE name ILIKE '%' || $1 || '%';

然后 toolbox --config tools.yaml 把服务拉起来，默认监听 5000 端口。AI 客户端那边加一段 MCP 配置：

{
  "mcpServers": {
    "toolbox": {
      "type": "http",
      "url": "http://127.0.0.1:5000/mcp"
    }
  }
}

装好以后我们说一句话，它就会去查库里的数据。想调整工具，直接改 tools.yaml 保存就行，服务自己会重新加载，不用重启。

收尾

说下我的看法，AI 要碰数据库，必须只能走提前定义好的工具，连接串不能直接给，这个项目做的就是这件事，模型那边的事它不管。

缺点也得说，每个要开放的操作都得自己写一条 SQL 模板，前期得花点时间。工具多了以后，tools.yaml 本身就变成一个要专门维护的东西了，会需要多花一份精力。

要不要搭这个服务，主要看你的 AI 助手是不是经常要碰数据库。偶尔查一次数据，手动导出来发给 AI 看就行，犯不上专门架个服务。要是助手天天跟库打交道，搭一层这个工具箱还是划算的。

开源地址

https://github.com/googleapis/mcp-toolbox