让 AI 安全访问达梦数据库:dm-mcp-server,把国产数据库接入 MCP 生态
让 AI 安全访问达梦数据库:dm-mcp-server,把国产数据库接入 MCP 生态
摘要:
dm-mcp-server是一个轻量、开箱即用的达梦数据库 MCP 服务器,旨在让支持 MCP 的 AI 客户端(如 Cursor、Trae、Claude Desktop等)能够安全、可控地访问达梦数据库。它通过环境变量配置连接,内置 Schema 白名单、SQL 注入检测、只读模式等多层安全防护,并封装了测试连接、执行 SQL、查看表结构等常用工具能力。该项目特别适合企业内部试点,为达梦数据库用户提供了一个将国产数据库无缝接入 AI 工作流的实用入口。

AI 编程助手越来越强,但很多团队真正想落地时,会卡在一个很现实的问题上:
我的业务数据在达梦数据库里,AI 工具怎么安全、方便、可控地用起来?
直接把数据库账号交给大模型,显然不现实。
自己临时写一套连接服务,又容易踩权限、安全、编码、客户端适配这些坑。
如果还要接入 Cursor、Claude Desktop、Antigravity、Trae 这类支持 MCP 的工具,工作量会进一步变大。
这就是 dm-mcp-server 想解决的问题。
它不是一个复杂庞大的平台,而是一个轻量、专注、开箱即用的 达梦数据库 MCP 服务器:让支持 MCP 的 AI 客户端,可以通过一个安全受控的入口访问达梦数据库。
它适合谁?
如果你正在使用达梦数据库,并且希望把 AI 助手真正引入开发、查询、排障、数据探索流程,dm-mcp-server 会很适合你。
典型场景包括:
- 想在 Cursor、Claude Desktop、Trae 等 AI 工具里直接查询达梦数据库
- 希望 AI 帮忙查看表结构、理解字段、辅助写 SQL
- 企业内部想尝试 AI Agent + 国产数据库的组合
- DBA 或开发团队希望开放“可控的数据查询能力”,而不是把数据库裸露给 AI
- 只想让 AI 查数据,不希望它误执行写入、删除、DDL 等高风险操作
简单说,它让达梦数据库从“只能由人手动连工具操作”,变成“可以被 AI 安全调用的能力”。
dm-mcp-server 是什么?
dm-mcp-server 是一个基于 FastMCP 实现的达梦数据库 MCP 服务。
它站在 AI 客户端和达梦数据库之间,负责三件事:
- 接收 AI 客户端发起的 MCP 工具调用
- 根据配置连接指定的达梦数据库和 Schema
- 在执行前完成安全审计、权限限制和结果封装

有了它,AI 客户端不需要直接理解达梦数据库驱动,也不需要自己处理连接、安全边界和返回结构。用户只要在 MCP 配置里接入 dm-mcp-server,就可以让 AI 工具拥有一组面向达梦数据库的标准能力。
为什么值得用?
1. 达梦数据库终于可以自然接入 AI 工作流
很多 AI 工具已经支持 MCP,但数据库生态里常见的示例往往更偏 MySQL、PostgreSQL、SQLite。
如果你的业务使用的是达梦数据库,就需要一个真正面向达梦场景的连接层。
dm-mcp-server 直接基于 dmPython 连接达梦数据库,并通过 FastMCP 暴露工具能力。你可以把它接入 Cursor、Claude Desktop、Antigravity、Trae 等支持 MCP 的客户端,让 AI 助手直接参与达梦数据库相关工作。
这意味着你可以用更自然的方式完成这些事:
- “帮我看看当前 Schema 下有哪些表”
- “统计一下这个 Schema 里有多少张表”
- “执行这条查询,并只返回前 20 行”
- “切换到允许范围内的另一个 Schema”
- “先测试一下数据库连接是否正常”
AI 不再只是帮你写 SQL,而是可以在受控范围内完成查询、探索和分析。
2. 开箱即用,配置方式足够轻
dm-mcp-server 采用环境变量驱动,不需要在代码里硬编码数据库信息。
你只需要配置数据库地址、账号、密码、默认 Schema 等必要信息,就可以通过 uvx 或本地环境启动。
例如在 MCP 客户端中,可以使用类似下面的配置:
{
"mcpServers": {
"dm_mcp_server": {
"command": "uvx",
"args": ["dm-mcp-server"],
"env": {
"DAMENG_HOST": "192.168.x.x",
"DAMENG_PORT": "5236",
"DAMENG_USER": "SYSDBA",
"DAMENG_PASSWORD": "your_password",
"DAMENG_SCHEMA": "your_schema"
}
}
}
}
对使用者来说,这种方式很直接:不需要额外写插件,不需要改客户端源码,也不需要搭一套重型平台。把 MCP Server 配好,AI 工具就能开始调用。
3. 不是“能连上”就完事,而是强调安全可控
数据库接入 AI 最大的顾虑,往往不是连接本身,而是安全边界。
dm-mcp-server 在设计上把安全作为核心能力,而不是附加功能。

它内置了多层防护:
- Schema 锁定:默认操作被限制在配置的
DAMENG_SCHEMA内 - 多 Schema 白名单:只有配置在
DAMENG_ALLOWED_SCHEMAS中的 Schema 才允许访问 - 跨 Schema 拦截:检测并阻止访问非授权 Schema 的 SQL
- SQL 注入风险检测:拦截多语句、注释注入、存储过程调用等高风险模式
- 元数据保护:避免通过系统视图绕过边界查询其他 Schema 信息
- 只读模式:开启后只允许查询类语句,禁止写入和 DDL
这让它非常适合企业内部试点:既能让 AI 帮忙查数据、看结构、做分析,又能把高风险操作挡在外面。
4. 只读模式非常适合 AI 数据探索
让 AI 接触数据库,很多团队的第一反应是担心误操作。
dm-mcp-server 提供了 DAMENG_READ_ONLY 配置。开启后,只允许 SELECT、WITH、EXPLAIN、SHOW、DESCRIBE 等查询类语句。
也就是说,你可以放心把它用于:
- 数据库结构探索
- SQL 查询辅助
- 报表数据分析
- 问题排查
- AI 数据问答原型验证
而不用担心 AI 执行 INSERT、UPDATE、DELETE、DROP 这类高风险操作。
对于刚开始尝试 AI + 数据库的团队,只读模式就是一个很好的起点。
5. 常用能力已经封装好,AI 调用更顺手
dm-mcp-server 不是只提供一个简单的 SQL 通道,而是把常见数据库操作封装成了 AI 容易调用的工具能力。
当前项目覆盖了这些实用能力:
test_connection:测试数据库连接是否正常execute_sql:执行 SQL,并支持查询结果返回list_tables:列出指定 Schema 下的表count_tables:统计指定 Schema 下的表数量get_current_schema:查看当前 Schema、允许 Schema 和只读状态switch_schema:在白名单范围内切换 Schema
这些能力对 AI 客户端非常友好。
因为 AI 不必每次都猜该怎么连接、怎么查表、怎么判断当前 Schema,而是可以调用明确的工具完成任务。对用户来说,交互体验也更自然。
6. 支持分页,避免一次性拉取过多数据
AI 工具连接数据库时,还有一个常见问题:查询结果太大。
dm-mcp-server 的 execute_sql 支持 limit / offset 参数,可以让查询按页返回,避免一次性把大量数据塞给 AI 客户端。
这对实际使用非常重要。
你可以先让 AI 查看少量样本数据,理解字段含义和数据分布,再逐步扩大查询范围。这样既节省上下文,也能减少大查询带来的风险。
可以怎么用?
一个典型的使用方式是:
- 在 MCP 客户端里配置
dm-mcp-server - 设置达梦数据库连接信息和默认 Schema
- 根据需要开启只读模式或多 Schema 白名单
- 在 AI 工具里直接询问数据库相关问题
例如你可以这样和 AI 交互:
帮我测试一下达梦数据库连接是否正常,并告诉我当前 Schema。
列出当前 Schema 下所有表,帮我判断哪些可能是订单相关表。
查询订单表前 20 条数据,帮我概括字段含义。
只在允许的 Schema 范围内切换到
REPORT_SCHEMA,然后统计表数量。
这类体验的关键价值在于:
你不再是在“复制 SQL、切换工具、手动解释结果”,而是在让 AI 直接进入你的数据库工作流。
它尤其适合企业内部试用
很多企业并不是不想用 AI,而是缺一个足够轻、足够可控的切入点。
dm-mcp-server 的优势就在这里:
- 部署轻,不需要引入大型平台
- 配置清晰,环境变量即可管理连接和权限
- 安全边界明确,适合从只读场景开始
- 面向达梦数据库,贴合国产数据库生态
- 支持主流 MCP 客户端,能快速接入现有 AI 工具
如果你的团队已经在使用达梦数据库,又在尝试 Cursor、Claude Desktop、Trae、Antigravity 等 AI 工具,那么这个项目非常值得放进试点清单。
总结
dm-mcp-server 做的事情很清晰:
让 AI 工具可以安全、方便、可控地访问达梦数据库。
它把达梦数据库连接、MCP 工具暴露、Schema 权限控制、只读模式、安全审计、分页查询这些能力组合在一起,给开发者和企业团队提供了一个轻量但实用的 AI 数据库入口。
如果你正在寻找“达梦数据库 + MCP + AI Agent”的落地方案,不妨试试 dm-mcp-server。
它可能正是你把国产数据库接入 AI 工作流所缺的那一块拼图。
项目地址:https://github.com/CleanCodeStar/dm_mcp_server
项目关键词:达梦数据库、MCP、FastMCP、AI Agent、Cursor、Claude Desktop、Trae、Antigravity、dmPython
AtomGit 是由开放原子开源基金会联合 CSDN 等生态伙伴共同推出的新一代开源与人工智能协作平台。平台坚持“开放、中立、公益”的理念,把代码托管、模型共享、数据集托管、智能体开发体验和算力服务整合在一起,为开发者提供从开发、训练到部署的一站式体验。
更多推荐



所有评论(0)