MySQL 与 MCP 集成：从环境构建到 AI 驱动的数据交互

技术细节解析：

1. 引擎选择：所有表均指定 ENGINE=InnoDB，这是为了支持事务处理（ACID）和行级锁定，对于订单系统至关重要。
2. 字符集：使用 utf8mb4 字符集，能够兼容包括 Emoji 在内的所有 Unicode 字符。
3. 约束设计：
   • users 表中，username、email、phone 均设置了 UNIQUE 唯一约束，防止重复注册。
   • orders 表通过 FOREIGN KEY 严格定义了引用完整性，确保订单必须归属于存在的用户和存在的商品。
4. 数据类型：
   • 价格字段使用 DECIMAL(10,2) 而非 FLOAT，以避免浮点数计算时的精度丢失问题。
   • 状态字段使用 TINYINT，节省存储空间。

执行上述 DDL 语句后，数据库表结构初始化完成。

2.3 初始化测试数据

为了让 MCP 能够检索到有意义的内容，需要向表中预置一定量的模拟数据。

2.3.1 插入用户数据

插入 10 条典型的用户记录，涵盖不同的年龄段和联系方式。

INSERT INTO `users` (`username`,`email`,`phone`,`age`) VALUES
('zhangsan','[email protected]','13800138000',25),
('lisi','[email protected]','13800138001',30),
('wangwu','[email protected]','13800138002',22),
('zhaoliu','[email protected]','13800138003',28),
('sunqi','[email protected]','13800138004',35),
('zhouba','[email protected]','13800138005',26),
('wujian','[email protected]','13800138006',29),
('chenshi','[email protected]','13800138007',32),
('yangjiu','[email protected]','13800138008',24),
('huangshi','[email protected]','13800138009',31);

执行结果如下图所示，显示 10 行数据受影响，且无重复键错误。

2.3.2 插入商品数据

插入 8 条商品数据，涵盖手机、电脑、家电等不同分类，并设置不同的价格梯队。

INSERT INTO `products` (`name`,`price`,`stock`,`category`) VALUES
('小米 14 Pro',4999.00,200,'手机'),
('华为 Mate 60 Pro',5999.00,150,'手机'),
('苹果 MacBook Pro',12999.00,80,'笔记本电脑'),
('联想拯救者 Y9000P',8999.00,100,'笔记本电脑'),
('大疆 Mini 4 Pro',3799.00,60,'无人机'),
('索尼 WH-1000XM5',2499.00,120,'耳机'),
('小米空气净化器 4 Pro',899.00,180,'智能家居'),
('美的电饭煲 5L',399.00,250,'家电');

执行状态如下，商品信息已成功存入数据库。

2.3.3 插入订单数据

这是最关键的一步，因为它建立了用户与商品之间的联系。插入 15 条订单记录，覆盖各种订单状态（待付款、已完成、已取消等）。

INSERT INTO `orders` (`user_id`,`product_id`,`quantity`,`total_price`,`status`) VALUES
(1,1,1,4999.00,4),-- 张三购买小米 14 Pro，已完成
(1,6,1,2499.00,2),-- 张三购买索尼耳机，已付款
(2,2,1,5999.00,3),-- 李四购买华为 Mate 60 Pro，已发货
(3,3,1,12999.00,1),-- 王五购买苹果 MacBook Pro，待付款
(4,4,1,8999.00,4),-- 赵六购买联想拯救者，已完成
(5,5,1,3799.00,2),-- 孙七购买大疆无人机，已付款
(6,7,2,1798.00,3),-- 周八购买 2 台小米净化器，已发货
(7,8,1,399.00,1),-- 吴九购买美的电饭煲，待付款
(8,1,2,9998.00,4),-- 陈十购买 2 台小米 14 Pro，已完成
(9,2,1,5999.00,5),-- 杨九购买华为 Mate 60 Pro，已取消
(10,3,1,12999.00,2),-- 黄十购买苹果 MacBook Pro，已付款
(2,6,1,2499.00,4),-- 李四购买索尼耳机，已完成
(3,7,1,899.00,3),-- 王五购买小米净化器，已发货
(4,8,3,1197.00,1),-- 赵六购买 3 个美的电饭煲，待付款
(5,5,2,7598.00,2);-- 孙七购买 2 台大疆无人机，已付款

该操作不仅填充了数据，还隐式验证了外键约束的正确性（即 user_id 和 product_id 必须存在于前两张表中）。

2.4 数据验证

在接入 MCP 之前，手动执行一条查询语句以确保数据落盘无误。

SELECT * FROM `users` LIMIT 10;

查询结果如下，可以清晰地看到之前插入的 10 位用户信息，包含 ID、用户名、邮箱等字段。

至此，数据库层面的准备工作全部完成，数据状态健康且结构完整。

第三部分：MCP 连接配置与环境启动

接下来的核心步骤是在 VSCode 中配置 MCP 客户端，使其能够通过标准协议与 MySQL 数据库通信。

3.1 JSON 配置详解

在 VSCode 的配置文件中，输入以下 JSON 代码。这段代码定义了一个名为 mysql 的 MCP 服务器实例。

{
  "mcpServers": {
    "mysql": {
      "command": "npx",
      "args": ["-y", "@kevinwatt/mysql-mcp"],
      "env": {
        "MYSQL_HOST": "host",
        "MYSQL_PORT": "3306",
        "MYSQL_USER": "root",
        "MYSQL_PASS": "passwd",
        "MYSQL_DB": "lanyun"
      }
    }
  }
}

参数深入解析：

• command: 'npx'：表示使用 Node.js 的包执行器来运行 MCP 服务器。
• args: 指定了要执行的具体包名 @kevinwatt/mysql-mcp，-y 参数用于自动确认安装提示。这个包本身就是一个实现了 MCP 协议的中间件，负责将 AI 的自然语言指令或函数调用转化为 MySQL 协议包。
• env (环境变量)：这是最关键的部分，定义了连接数据库所需的凭证。
  • MYSQL_HOST: 数据库主机地址（此处需替换为实际 IP 或 hostname）。
  • MYSQL_PORT: 端口，与前文配置的 3306 一致。
  • MYSQL_USER / MYSQL_PASS: 认证信息。
  • MYSQL_DB: 指定连接 lanyun 数据库。

配置保存后，插件会自动尝试启动 MCP 服务器。当连接成功建立时，界面会给予明确的反馈。

MCP 架构的优势在于其透明性。系统清晰地展示了 MCP 服务器的运行状态和可用工具列表，表明 AI 现在已经具备了'看到'并'操作'该数据库的能力。

第四部分：AI 驱动的复杂数据查询

环境搭建完毕后，现在进入实际应用阶段。我们将演示如何通过自然语言让 AI 执行复杂的多表关联查询，并进行数据导出。

4.1 自然语言指令

向 MCP 客户端发送以下包含复杂逻辑的自然语言请求：

1. 查询目标：用户姓名、手机号、购买的商品名称、订单状态、订单创建时间
2. 筛选条件：
   - 用户年龄大于 28 岁
   - 商品价格大于 3000 元
   - 订单创建时间在 2025 年 1 月 1 日之后
   - 订单状态不是'已取消'（status≠5）
3. 排序需求：先按用户年龄降序，再按订单创建时间升序

这个请求涉及到了 users、products、orders 三张表的连接（JOIN），以及多重 WHERE 子句和复合 ORDER BY 排序。

4.2 执行过程与工具调用

AI 接收到指令后，首先通过 MCP 协议获取数据库 Schema，然后构建查询逻辑。AI 正在调用 MCP 工具获取数据，并生成 Python 代码以处理数据导出。

4.3 结果产出

AI 不仅执行了查询，还利用 Python 环境将结果生成为 Excel 文件。数据结构清晰，完全符合查询要求。

4.4 SQL 逻辑反查

为了验证 AI 操作的准确性，我们可以查看其生成的底层 SQL 代码。AI 构建的 SQL 如下：

SELECT u.username AS 用户姓名，u.phone AS 手机号，p.name AS 商品名称，o.status AS 订单状态，o.create_time AS 订单创建时间，u.age AS 用户年龄
FROM orders o
JOIN users u ON o.user_id = u.id
JOIN products p ON o.product_id = p.id
WHERE u.age > 28
AND p.price > 3000
AND o.create_time >= '2025-01-01 00:00:00'
AND o.status != 5
ORDER BY u.age DESC, o.create_time ASC;

这段 SQL 逻辑严密：

1. 使用了 JOIN 正确关联了三张表。
2. WHERE 子句精准对应了所有自然语言中的筛选条件。
3. ORDER BY 正确实现了复合排序逻辑。

将此 SQL 语句直接在 MySQL 客户端中执行，结果与 MCP 导出的数据完全一致，证明了 MCP 在处理复杂业务逻辑时的可靠性。

第五部分：AI 驱动的数据写入操作

除了查询（Read），MCP 同样支持数据写入（Write）操作。以下演示如何通过自然语言批量插入新用户。

5.1 插入指令

发送如下指令：

请基于 MySQL 数据库执行以下数据插入操作：
1. 目标表：`users`（用户表）
2. 插入字段：`username`（用户名）、`email`（邮箱）、`phone`（手机号）、`age`（年龄）
3. 插入数据：
   - ('qianer', '[email protected]', '13800138010', 33)
   - ('songsan', '[email protected]', '13800138011', 38)
   - ('lixsi', '[email protected]', '13800138012', 29)
   - ('wangwu_new', '[email protected]', '13800138013', 40)
   - ('chenliu', '[email protected]', '13800138014', 35)
4. 执行要求：
   - 确保 SQL 语法符合 MySQL 规范，字段和值匹配无误
   - 执行插入操作后，返回插入结果（如受影响行数、是否成功）
   - 若存在重复数据（如用户名/手机号/邮箱重复），给出错误处理建议

5.2 执行反馈

MCP 服务器接收指令并将其转换为 INSERT 语句执行。界面反馈显示操作成功完成。

5.3 写入验证

最后，回到 MySQL 数据库进行验证。由于之前的测试数据 ID 到 10，新插入的数据 ID 应从 11 开始。

执行验证 SQL：

SELECT * FROM `users` WHERE id >= 11;

结果如下图所示，5 条新用户数据已精确无误地存入数据库中，且字段对应关系完全正确。

总结

通过上述流程，本文详细展示了如何利用 MCP 提供的 MySQL MCP 服务器，实现从数据库搭建、配置编写到 AI 自然语言交互的完整闭环。MCP 协议极大地降低了 AI 接入传统数据设施的门槛，使得复杂的 SQL 编写和数据处理工作可以通过自然语言指令高效完成。

对于希望探索更多 MCP 应用场景的开发者，可以访问相关控制台体验更多服务。