当前位置：首页 > news >正文

快速上手，OceanBase + MCP + LLM，搭建 AI 应用

news 来源：原创 2025/8/17 17:29:37

在 AI 技术发展的进程中，大语言模型（LLM）凭借卓越的信息处理与推理能力广受重视。然而，数据孤岛问题仍是 LLM 面临的核心挑战。目前，LLM 的推理主要依赖于预先训练的数据和有限的上下文窗口，既无法动态访问外部数据源，也难以实现实时更新与协同计算。这种局限性使得 LLM 在实际应用中往往受困于信息滞后、数据断层和上下文割裂等问题。

一、为什么LLM需要MCP？

随着 AI 从静态推理向动态交互演进，智能体（Agent）逐渐成为焦点。智能体不仅能够调用 LLM 进行推理，还能访问数据库、调用 API、执行任务，甚至与其他智能体协作完成更复杂的工作。然而，当前 LLM 和智能体之间缺乏标准化的交互协议，导致数据共享困难、任务执行效率低下。

为了解决这一问题，MCP（Model Context Protocol，模型上下文协议）应运而生。MCP 是由 Anthropic 提出的一种专为大语言模型（LLM）和多智能体（Agent）系统设计的标准化交互框架，旨在解决 LLM 在复杂应用场景中上下文共享与协作的问题。MCP 提供了一种标准化的方式，使 LLM 可以与外部数据库、API 和工具进行高效交互，从而打破“数据孤岛”，提升 AI 的实时性、可操作性与协作性，核心能力包括：

💡 使 LLM 能够实时访问和更新外部数据，突破静态推理的局限；

💡 为智能体提供共享上下文，支持更复杂的推理与协作；

💡 使 LLM 具备“可执行性”，能够直接与数据库、工具和业务系统对接，提升应用落地能力。

OceanBase 在 4.3.x 版本中针对分析处理（AP）场景进行大量集中优化，并成功实现了事务处理（TP）与分析处理（AP）的深度结合。依托 OceanBase 的 LSM-Tree 架构，系统实现了行存列存一体化，同时推出了基于列存的全新向量化引擎及代价评估模型。这些技术增强了对宽表的处理能力，显著提升了 AP 场景下的查询性能，并支持实时导入、二级索引、高并发主键查询等 AP 典型需求。

目前，OceanBase 已实现 MCP 协议的对接，OceanBase MCP Server 已收录在官方仓库，能够与各类 MCP 客户端（如 Claude Desktop、Cline 等）共同使用。用户可以基于 OceanBase 的私有化部署环境使用，还可以支持 OB Cloud 云数据库云上使用，结合 LLM 帮助企业数据分析变得更加简单与高效，简化 AI 应用技术栈。

图1：MCP 官方代码仓库

(github.com/modelcontextprotocol/servers)

mcp (1).png

图2：OceanBase MCP Server 工作流

二、OceanBase + MCP + LLM 快速搭建AI Agent应用

假设我们有一个包含企业注册信息的表格，用户希望查询过去三年内企业注册的趋势数据。借助 MCP 协议，LLM 能够生成针对该数据集的 SQL 查询，并直接在 OceanBase 中执行，返回实时的结果。这些数据可以进一步用于生成图表和报告，最终为用户提供准确的业务洞察。

以新加坡会计与企业管制局（ACRA）提供的注册实体数据集为例，该数据集包含约 160 万条企业注册信息，涵盖了每个企业的唯一实体编号（UEN）、注册日期、实体类型、街道名称和邮政编码等字段。通过 Claude Desktop 配合 MCP 协议，用户可以轻松执行以下操作：

📕 生成查询：LLM 根据用户需求（例如，查询过去三年内的企业注册趋势）自动生成对应的 SQL 查询。

📕 执行查询：通过 MCP 协议，LLM 将查询发送至 OceanBase，直接从数据库中获取实时数据。

📕 数据分析与呈现：返回的结果可以进一步用于生成趋势图、报表和其他业务分析，帮助用户做出更精准的决策。

在这一过程中，MCP 协议不仅让 LLM 能够与 OceanBase 数据库实现无缝对接，还使得数据访问更加灵活和实时，为用户提供了一个集成化的分析平台。这种技术的进步使得复杂的查询、数据分析和智能决策变得更加高效与直观。

数据表结构示例：

CREATE TABLE acra_entities (    uen VARCHAR(20) COMMENT '唯一实体编号 (Unique Entity Number)，用于唯一标识每个注册实体',    issuance_agency_desc VARCHAR(50) COMMENT '签发机构描述，表示负责签发UEN的机构（如ACRA）',    uen_status_desc VARCHAR(20) COMMENT 'UEN状态描述，表示实体的当前状态（如注册、注销）',    entity_name VARCHAR(255) COMMENT '实体名称，表示注册实体的全称',    entity_type_desc VARCHAR(100) COMMENT '实体类型描述，表示实体的法律结构（如本地公司、独资企业/合伙企业）',    uen_issue_date DATE COMMENT 'UEN签发日期，表示实体注册的日期',    reg_street_name VARCHAR(255) COMMENT '注册街道名称，表示实体注册地址的街道名称',    reg_postal_code VARCHAR(10) COMMENT '注册邮政编码，表示实体注册地址的邮政编码') COMMENT '新加坡会计与企业管制局（ACRA）注册实体数据集，包含实体的注册信息';

快速导入数据：

SET SESSION ob_query_timeout=1000000000;LOAD DATA local infile 'EntitiesRegisteredwithACRA.csv' INTO TABLE acra_entities fields terminated by ',' IGNORE 1 LINES;

使用 Claude Desktop 输入需要分析的问题：

从 OceanBase 中查询 acra_entities 表，给出实体注册趋势分析。分析结果应当包含 HTML 格式的图表，回答请保持简洁。

三、快速上手，体验MCP 与OceanBase的集成

体验 MCP 与 OceanBase 的集成，用户需要准备：

🔑 准备 MCP 客户端：任意支持 MCP 协议的客户端，例如 Claude Desktop、Cline 等。

🔑 准备 OceanBase 实例：OceanBase 实例可通过 Docker 快速部署，或者通过 OB Cloud 云数据库免费试用。确保 MCP 客户端与 OceanBase 数据库的网络连接正常。

配置步骤如下：

1️⃣ 克隆 OceanBase MCP Server 仓库：git clone

https://github.com/oceanbase/mcp-oceanbase

2️⃣ 安装 Python 环境并安装依赖，这里推荐使用 uv 工具简化操作；

3️⃣ 打开 Claude Desktop 设置，编辑配置文件；

4️⃣ 通过 Edit Config 增加配置。

{  "mcpServers": {    "oceanbase": {      "command": "uv",      "args": [        "--directory",         "path/to/mcp-oceanbase",        "run",        "oceanbase_mcp_server"      ],      "env": {        "OB_HOST": "localhost",        "OB_PORT": "2881",        "OB_USER": "your_username",        "OB_PASSWORD": "your_password",        "OB_DATABASE": "your_database"      }    }  }}

5️⃣ 重新启动 Claude Desktop，预期应当能看到有新的 MCP Tool 可用。

四、写在最后

MCP 作为标准化协议，使 LLM 具备了与外部数据交互的能力。随着智能体生态的演进，MCP 有望成为连接 LLM、智能体与企业数据的关键桥梁。借助 OceanBase 与 MCP 的结合，LLM 不再是静态的知识库，而是能够实时查询和处理数据、执行 SQL、跨任务协作的智能体，在企业级 AI 应用中发挥更大价值，助力企业加速 AI 与数据的深度融合，简化 AI 技术栈。

一、为什么LLM需要MCP？

二、OceanBase + MCP + LLM 快速搭建AI Agent应用

三、快速上手，体验MCP 与OceanBase的集成

四、写在最后

相关文章：