Skip to main content
Glama

mcp-dbwatch

DBA 值守与根因报告 · MCP Server

客户还没给你任何数据时,就能出一份带检查清单的事故报告 —— 这是 Tier0 的立身之本。

安装(按需,不必装其他 MCP)

pip install mcp-dbwatch                        # 从 PyPI
pip install "./mcp-dbwatch[mysql]"             # 从源码(在工具链根目录执行);要连库就补驱动,或 [postgres]

会自动带上它需要的共享库:sqltk-core(只读连库)、sqltk-store(观测/基线/事故)、sqltk-know(阈值/指标字典/18 种故障指纹)。不会带其他 MCP。

Related MCP server: AI-DBA

挂到 MCP 客户端

{
  "mcpServers": {
    "dbwatch": {
      "command": "python",
      "args": ["-m", "dbwatch"],
      "env": { "DBT_STORE": "~/.dbtoolchain" }
    }
  }
}

按你的客户端(Claude Desktop / Cursor / Cline 等)说明,把这段合并到对应的 mcpServers 配置里。

命令行调试(不挂客户端也能用):

mcp-dbwatch tools
mcp-dbwatch call <tool> --args '{"sql": "SELECT 1"}'

工具(15)

工具

作用

analyze_lock

锁等待链:谁阻塞谁。kill 前必须评估回滚耗时

analyze_slow_log

★ Tier0:贴一段慢日志文本就能聚合 TOP SQL,不需要连库。

anomaly_report

与自身历史基线比对发现异常。没有历史时退化为静态阈值告警,并明确说明

capacity_forecast

基于历史趋势做容量预测。样本不足时明确拒绝,不编造趋势

capture_snapshot

一次性采集现场信息。这是把 Tier0 升到 Tier1/2 的唯一动作。

check_replication

复制状态检查:延迟 / 线程状态 / 错误码 → 修复顺序

classify_load

判断当前是 CPU / IO / 锁 / 连接 / 复制 哪类压力。处置方向完全不同,第一步必须分清。

detect_blocking_chain

递归阻塞检测:找出真正的源头(被 kill 的应该是源头,不是中间受害者)。

diagnose

★ 根因推理。给 instance_id 用档案,给 snapshot 用快照,什么都没有就用症状文本(Tier0)。

explain_symptom

★ Tier0:只给一句症状描述,就能输出检查清单 + 成因 + 处置。零历史依赖。

health_score

实例健康评分(维度树)+ 违规明细。

incident_report

渲染成可交付的事故报告(markdown)。

list_metrics

列出该引擎支持的逻辑指标(便于客户理解采集了什么)。

oncall_checklist

★ Tier0:故障时的标准排查顺序(静态知识,随时可用)。

record_observation

把一次观测写入共享档案。这是让 Tier0 → Tier2 升级的唯一写入点。

闭环

capture_snapshot(或直接粘贴采集文本)→ classify_load 定级 → diagnose 根因 → incident_report 出报告 → 归档为 incident

Tier(冷启动保证)

三层渐进,任何一层都不伪造结论:

  • tier0:只有症状文本 → 指纹库给出检查清单 + 成因假设 + 处置建议 + 升级标准

  • tier1:一次只读快照 → 假设收敛,置信度提升

  • tier2:≥2 次观测跨 ≥7 天 → 才有趋势与容量预测;样本不足显式报 E_NOT_TIER2 并给升级指引

边界:这个仓不做什么

只做「现在怎么了、为什么、怎么处理」。改 SQL 归 mcp-sql-review,改结构归 mcp-change-risk。

开发

python tests/test_dbwatch.py      # 不需要 pytest,也不需要数据库

许可

MIT © 2026 罗文星 —— 见 LICENSE。

Related MCP Connectors

Related MCP Servers

  • F
    license
    Not graded
    quality
    D
    maintenance
    Enables comprehensive monitoring and analysis of Oracle Cloud Infrastructure database fleets through natural language interfaces. It supports performance troubleshooting, capacity planning, and automated DBA workflows across multi-tenant environments using specialized tools and playbooks.
    1
    -
  • F
    license
    Not graded
    quality
    C
    maintenance
    Universal database copilot for diagnostics, operations, and performance analysis via MCP and CLI.
    -
  • A
    license
    A
    quality
    D
    maintenance
    Provides read-only SQL Server health and diagnostic tools using DMVs, enabling users to query server health, active queries with blocking, and missing indexes through natural language.
    3
    1
    MIT
  • A
    license
    A
    quality
    B
    maintenance
    Enables LLM agents to run read-only SQL Server performance diagnostics through Query Store and DMVs, covering regressions, execution plans, parameter sniffing, missing-index impact, and wait statistics across databases.
    6
    39 PyPI
    MIT