Google AI工具箱：生產級數據庫MCP來了？

在《》中，微軟 CEO 納德拉曾經表示，在 Agent 時代，SaaS is Dead，而未來的軟件形式將是 Agent + Database 。也就是直接由 Agent 在數據庫上做 CRUD。當然這篇文章也有不小爭議 —— 很多老司機表示，Agent 直通數據庫，是嫌安全問題不夠多，死的不夠快嗎？

老實說，那種直接把整個數據庫開放給世界的所謂 “MCP” 確實是這樣，當個玩具可以，沒人敢上生產用。不過，最近 Google 推出了一個針對數據庫的 MCP 工具箱（名字就叫樸實無華 GenAI Toolbox ），為這個問題提供了一個答案。

https://googleapis.github.io/genai-toolbox/

不同于以前那種直接把整個數據庫對 Agent 開放的粗暴做法，這個工具箱通過封裝參數模板 SQL 的方式，顯著提高了數據庫 MCP 的實用性與安全性，可以考慮搞起生產試點了 —— 老馮也打好了 RPM/DEB 包供大家嘗鮮。

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

快速上手

舉個例子，老馮維護了一個包含 423 個擴展的 PG 倉庫，里面有一些數據表。現在我想要對外暴露一個擴展/軟件包查詢的能力，只需要編寫一個聲明式的tools.yaml配置文件就好了，這里我們讓 Claude Desktop 用 STDIO 方式接入 MCP，然后直接向他提問題就可以了。

老馮維護擴展的時候，通常需要去 GitHub 上搜刮各種元數據，然后填入到數據庫表中。有了這個工具箱，我還可以定義一條插入擴展表的模板 SQL ，描述清楚各種參數字段，然后直接讓 Claude 去 “深度研究”，生成元數據填入到數據表中，省下老馮的很多手工活兒。

老司機一眼就能看出這個思路是什么，就是通過模版化的 SQL 語句，限制數據庫對外提供服務的范圍。當然，你也是可以繼續使用那種 execute_sql 的萬金油接口來干活的。比如這里我們讓 Claude Desktop 查閱 PostgreSQL 數據庫中的參數，并進行配置優化：

官網給出了一個更詳細的例子，就是訂酒店，通過直接讀寫 PostgreSQL 數據庫的方式，對外提供 “定酒店” 的能力。

特性說明

當然，Google MCP Toolbox for Database 支持的數據庫種類其實挺多的，不僅僅是 PostgreSQL（雖然文檔里的例子滿篇都是 PG），還有 MySQL，SQL Server，SQLite，Redis，Neo4j，AlloyDB，BigQuery，BigTable，CouchBase，Google 云上的數據庫，還可以使用通用的 HTTP 數據源，堪稱萬金油數據庫 MCP。

一個工具箱就搞定主流數據庫的接入，光這一點就省了很多事兒 —— 你再也不用搓一堆各種數據庫各自的 MCP 了。

當然，這個工具箱不僅僅是給 MCP 客戶端用的，它還可以直接對 Agent 提供訪問。Google ADK 就提供了開箱即用的接入，寫一個 Agent ，讓它去訪問數據庫就非常簡單了。

老馮評價

Google 數據庫 MCP 工具箱解決了 MCP 上生產的一個核心問題 ——權限管理。當然這也有代價，開發者需要一個一個的去定義數據庫對外提供的能力 —— 寫 SQL 模板跟以前寫 CRUD 差不多，但要簡單很多 —— 你可以用自然語言編寫業務邏輯了。我認為這是軟件行業向 Agent + Database 的未來圖景邁出的重要一步。

老馮認為，Agent + Database 的組合，將會不可避免的導致數據庫存儲過程的“文藝復興”。因為如果你只是把簡單的 SQL 語句放進 MCP 里，會給 Agent 帶來巨大的上下文認知負擔 —— Agent 需要理解業務邏輯并將復雜的業務邏輯組織為 SQL 調用，一旦服務調用對應著多條復雜SQL語句，可靠性就會快速下降。

但如果開發者將業務邏輯整個下沉到數據庫里，將原本 Service 層面的 API 接口放在 Oracle / PostgreSQL 這樣的數據庫中用存儲過程實現，那么對 Agent 的智力/上下文要求就會減小許多 —— 從 DAO 成抽象，到 Service 層抽象。

另外，存儲過程的兩大缺點 ——對開發/DBA水平要求高，占用數據庫服務器性能，在當下基本上已經不再是問題了。與維護的問題，而當下讓 TP 數據庫的性能余量又開始充裕豐饒起來。那么節省多次交互 RT，收攏訪問權限，抽象封裝復雜度這些優勢就會凸顯出來。

因此我認為 AI 時代是極大利好 的，PG 支持用 20 多種編程語言開發存儲過程，即使是 Oracle 也難望其項背（六種）。當然，Oracle 的可編程性也非常好，只不過因為不開源，吃到的紅利就會少很多了。老馮目測這兩者會分別吃下開源/商業數據庫生態的最大 AI 紅利。

下載安裝教程

目前 MCP Toolbox for Database 提供了 macOS 下的包，以及 Linux/ Windows x86 的包。老馮把 Linux x86/ARM 平臺打好了 RPM / DEB 包，在主流 Linux 系統上都可以使用 （倉庫教程：https://pgsty.com/ext/repo/infra）

curl https://repo.pigsty.cc/pig | bash # pig 包管理器
pig repo add infra -u # 添加 infra 倉庫
yum install genai-toolbox # 安裝 genai 工具箱

你可以編輯/etc/toolbox/tools.yaml配置文件，加入你的數據源與工具，并使用systemctl start toolbox啟動服務。如果你使用的是 PostgreSQL，編輯/etc/defalt/toolbox里的環境變量，填入 PG 連接信息，即可開箱即用的使用這個 MCP 服務器了。你可以使用 SSE 訪問5000端口，連接數據庫 MCP 工具箱獲取服務。

Pigsty 的 Infra 倉庫已經提供了上面的軟件包，并會在下個版本提供數據庫 MCP 工具箱的部署劇本。

好的，今天就是這些，祝大家 MCP 愉快！

數據庫老司機

點一個關注 ??，精彩不迷路

對 PostgreSQL， Pigsty，下云 感興趣的朋友

歡迎加入 PGSQL x Pigsty 交流群（備注加PG群）

（這個小助手很懶，請使勁拍打他）