Click on "Deploy Server".
Wait a few minutes for the server to deploy. Once ready, it will show a "Started" state.
In the chat, type @ followed by the MCP server name and your instructions, e.g., "@SQL Review review this SQL: SELECT * FROM orders WHERE DATE(created_at) = '2024-01-01'"
That's it! The server will respond to your query, and you can continue using it as needed.
Here is a step-by-step guide with screenshots.
SQL 体检与修法 · MCP Server
不开库、不跑 SQL —— 静态 AST + 规则分册，给出问题、改法、以及改写后能不能用的验证。
pip install mcp-sql-review # 从 PyPI
pip install "./mcp-sql-review[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（协议/方言/AST/计划）、sqltk-store（发现写账本）。不会带其他 MCP。
Related MCP server: SQLike
{
"mcpServers": {
"sql-review": {
"command": "python",
"args": ["-m", "sql_review"],
"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-sql-review tools
mcp-sql-review call <tool> --args '{"sql": "SELECT 1"}'工具 | 作用 |
| 索引建议。已有重复索引或前缀已覆盖会直接劝退。 |
| 对比改写前后的执行计划。扫描行数反而上升会明确判为不可采用 |
| 解释一条规则：禁它的原因、什么情况下会误报、怎么改。 |
| 取执行计划并归一化，标注可疑点。 |
| 把 SQL 抽成结构化对象，供其它 MCP 直接消费（内部的分 Claim 提取实现在 dbcore.extract）。 |
| 生成 SQL 指纹与归一化形式（跨 MCP 关联键之一）。 |
| 枚举可用的规则 profile（规则启停配置），用于在 review / review_batch 里套用。 |
| 规则清单：按分类/严重度/方言过滤，并标出每条是否对当前方言生效。 |
| 批量体检，输出 PASS/FAIL 门禁结论。fail_on 可选 critical|high|medium|low |
| 只体检 git diff 中新增/修改的 SQL —— CI 门禁的真实用法。 |
| 扫描文件/目录中的 SQL。支持 .sql / MyBatis XML / Java 注解与字符串常量。 |
| 静态体检。不需要连库，最适合挂 CI。返回 verdict + findings。 |
| 对每条问题给出可执行改法，并把改写后的 SQL 重新体检一遍证明改对了。 |
| 验证改写是否等价。给 url 用真实行数比对；不给则先做静态结构比对。 |
review_sql 体检 → suggest_fixes 出改法 → verify_fix 验证改写是否等价 → compare_plans 量化收益 → advise_indexes 索引建议
全部 tier0：零历史、零数据库可用。带 instance_id 调用时，发现会自动写入 sqltk-store 的技术债账本（open → fixed → verified）。
只做 SQL 本身的好坏判断。方言转换归 mcp-migration-diff，变更执行归 mcp-change-risk，根因归 mcp-dbwatch。
需要下一步时只在结果里写 next_actions，不 import 其他 MCP 的代码。
python tests/test_sql_review.py # 不需要 pytest，也不需要数据库MIT © 2026 罗文星 —— 见 LICENSE。
This server cannot be deployed
SQL validation, formatting, parsing, metadata extraction, linting, and security analysis.
Executes SQL in a real ephemeral database: rows, typed errors with suggestions, plans, diffs.
Deterministic safety, correctness & cost gate that vets Postgres SQL before your AI agent runs it.
DBRE-grade SQL analysis inside any MCP client. No connection. No install. Paste a query.
