使用 FastMCP 编写一个 MySQL MCP Server
在日常工作中,当我们针对某个业务场景不知 SQL 如何编写时,或在应用程序中找到一些慢 SQL 需要优化而不知所措时,通常会询问 AI 助手。但我们若不提供任何上下文,仅仅是用一句话将业务场景描述给 AI 助手让其实现,或贴一段很长的 SQL 让 AI 助手来优化,其给出的指导意见的质量通常会大打折扣。
所以,要让 AI 助手给出高效的指导意见,需要提供充分的上下文。在数据库场景下,最重要的上下文就是表结构。
而诸如表结构的上下文如何提供给 AI 助手呢?手动把数据库中的表结构抓取出来放到文件里?然后提问时,附上这些文件?这个方法不是不行,但效率实在是太低。
由前文「MCP 是什么?它是如何工作的?」可以知道,MCP 是大语言模型连接外部工具或服务的桥梁,MCP Server 就是用来给大语言模型提供上下文的。
所以,假设我们使用的数据库为 MySQL,那就可以编写一个 MySQL MCP Server 来给使用大语言模型的 AI 助手提供上下文。这样,拥有了足够上下文的 AI 助手在回答编写 SQL 或优化 SQL 相关的问题时就会更加准确可靠。
本文即是针对这个设想的实现:首先会使用 Python 语言编写一个 MySQL MCP Server,然后在 AI 助手 Windsurf 中进行使用。
1 编写 MySQL MCP Server
本部分将使用 Python 的 FastMCP 框架来编写一个 MySQL MCP Server。
FastMCP 是 Python 中比较流行的 MCP 应用构建框架,其简单易用、可用于生产环境、内置鉴权部署等工具。
下面即是编写好的 MySQL MCP Server 文件 mysql_mcp_server.py 的代码:
#! /usr/bin/env python3import osimport tracebackfrom typing import Any, Dict, Listimport pymysqlfrom fastmcp import FastMCPfrom pymysql import Connectionmcp = FastMCP("mysql-mcp-server")def get_db_config() -> Dict[str, Any]:"""Read database config from environment variables and return a dictionary."""return {"host": os.getenv("MYSQL_HOST", "localhost"),"port": int(os.getenv("MYSQL_PORT", "3306")),"user": os.getenv("MYSQL_USER", "root"),"password": os.getenv("MYSQL_PASSWORD", ""),"database": os.getenv("MYSQL_DATABASE", ""),"cursorclass": pymysql.cursors.DictCursor}def get_connection() -> Connection[Any]:"""Get a database connection"""return pymysql.connect(**get_db_config())@mcp.tool("list_tables", description="List all the tables in the database")def list_tables() -> List[str]:conn = get_connection()try:with conn.cursor() as cur:cur.execute("SHOW TABLES")tables = [row[next(iter(row))] for row in cur.fetchall()]return tablesexcept Exception as e:print("Error in list tables:", e)traceback.print_exc()raise RuntimeError(f"list tables failed: {e}")finally:conn.close()@mcp.tool("describe_table", description="Query the table structure for a specified table")def describe_table(table_name: str) -> List[Dict[str, Any]]:conn = get_connection()try:with conn.cursor() as cur:cur.execute(f"DESCRIBE {table_name}")columns = cur.fetchall()return list(columns) if columns else []except Exception as e:print("Error in describe table:", e)traceback.print_exc()raise RuntimeError(f"describe table failed: {e}")finally:conn.close()@mcp.tool("explain_sql", description="Explain a SQL query")def explain_sql(query: str) -> List[Dict[str, Any]]:conn = get_connection()try:with conn.cursor() as cur:cur.execute(f"EXPLAIN {query}")result = cur.fetchall()return resultexcept Exception as e:print("Error in explain sql:", e)traceback.print_exc()raise RuntimeError(f"explain sql failed: {e}")finally:conn.close()@mcp.tool("run_sql", description="Run SELECT SQL query")def run_sql(query: str, limit: int = 1000) -> List[Dict[str, Any]]:if not query.strip().lower().startswith("select"):raise RuntimeError("Only SELECT queries are supported")conn = get_connection()try:with conn.cursor() as cur:cur.execute(f"{query} LIMIT {limit}")result = cur.fetchall()return resultexcept Exception as e:print("Error in run sql:", e)traceback.print_exc()raise RuntimeError(f"run sql failed: {e}")finally:conn.close()if __name__ == "__main__":mcp.run()# mcp.run(transport="http", host="0.0.0.0", port=8000)
可以看到,使用 FastMCP 编写 MCP Server 非常的简单。
在上述代码中:
首先使用 mcp = FastMCP("mysql-mcp-server") 的方式创建了一个 mcp 实例;然后创建了两个普通函数 get_db_config() 和 get_connection(),分别用于从环境变量中获取数据库连接信息和获取数据库连接;接着创建了四个函数,并在函数上方加上了装饰器 @mcp.tool(),表示它们是四个 MCP 工具:list_tables、describe_table、explain_sql 和 run_sql,分别用于列出所有的表、查询给定表的表结构、查询 SQL 的执行计划和执行查询语句;最后使用 if __name__ == "__main__" 判断程序作为主程序运行时调用 mcp.run(),这样执行 mysql_mcp_server.py 时一个 Stdio(标准输入输出)方式的 MCP Server 就启动了。
2 在 AI 助手 Windsurf 中进行使用
下面,我们尝试在 AI 助手 Windsurf 中使用一下上面编写好的 MCP Server。
2.1 使用本地启动的 MCP Server
在 Windsurf 中使用 MCP Server 与在 VS Code、Cursor 中类似,首先需要编写一个 mcp json 配置文件,Windsurf 的 mcp_config.json 配置文件需要放在 ~/.codeium/windsurf/ 目录下。
下面就是我们在 mcp_config.json 配置文件填入的内容:
{
“mcpServers”: {
“mysql-mcp-server”: {
“command”: “python3”,
“args”: [
“/Users/larry/python-exercises/mysql-mcp-server-demo/mysql_mcp_server.py”
],
“env”: {
“MYSQL_HOST”: “localhost”,
“MYSQL_PORT”: “3306”,
“MYSQL_USER”: “root”,
“MYSQL_PASSWORD”: “root”,
“MYSQL_DATABASE”: “test”
}
}
}
}
我们指定了 MCP Server 的名字为 mysql-mcp-server;启动命令为 python3;启动参数为上述源码文件 mysql_mcp_server.py 的位置;环境变量值为 MYSQL 的具体连接信息。
MCP Server 配置好后,即可以在 Windsurf 编辑器的对话框中使用了。
我们尝试发送如下列出所有数据库表的指令:
2.2 使用远程启动的 MCP Server
上面的 MCP Server 需要在本地启动,传输模式为 Stdio;如果我们想将 MCP Server 部署在服务器,该如何适配呢?
MCP 还有一种传输模式,叫 Streamable HTTP(流式 HTTP),使用该模式就可以将 MCP Server 部署在服务器,然后在 AI 助手配置一个 URL 就可以使用了。
我们尝试在本地将 mysql_mcp_server.py 的入口代码改写为如下方式并启动:
if name == “main“:
mcp.run(transport=”http”, host=”0.0.0.0”, port=8000)
然后将 Windsurf 的 mcp_config.json 配置改用如下方式,就能以流式 HTTP 的方式和 MCP Server 交互了,功能与上述 Stdio 无异。
{
“mcpServers”: {
“mysql-mcp-server”: {
“url”: “http://localhost:8000/mcp“
}
}
}
3 小结
综上,本文首先针对 SQL 编写和 SQL 优化的场景,提出不提供上下文的情况下 AI 助手给出的参考结果准确性和质量受限;然后提出编写一个 MCP Server 给大语言模型补充上下文的想法;接着使用 Python 语言编写一个 MySQL MCP Server 并在 AI 助手 Windsurf 中进行了配置和使用。
源文出处:https://leileiluoluo.com/posts/writing-a-mysql-mcp-server.html