Allows querying and exploring MySQL databases, including executing SELECT queries, listing tables, describing table schemas, and testing connections.
Allows querying and exploring PostgreSQL databases, including executing SELECT queries, listing tables, describing table schemas, and testing connections.
Allows querying and exploring SQLite databases, including executing SELECT queries, listing tables, describing table schemas, and testing connections.
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., "@多数据库 MCP Server 查询 employees 表的字段结构"
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.
一个支持 Oracle / SQL Server / MySQL / PostgreSQL / SQLite 的 MCP（Model Context Protocol）服务器。底层用 SQLAlchemy 2.x 作为统一抽象层，把常用数据库操作封装为 MCP 工具，供 Claude Desktop、WorkBuddy 等 MCP 客户端调用。接口与原 Oracle 版完全兼容（execute_query / list_tables / describe_table / test_connection），原有仅配置 ORACLE_* 的旧环境无需改动即可继续工作。
工具 | 说明 |
| 执行 SELECT 查询（仅 SELECT/WITH），返回 JSON，最多 1000 行；支持 |
| 列出指定 schema/数据库下的表名（不传则列出当前默认命名空间下的表） |
| 查看表结构（列名、类型、是否可空）；支持 |
| 测试数据库连接是否正常 |
安全机制：
只读模式（DB_MODE=readonly，默认）下禁止 INSERT/UPDATE/DELETE；
SQL 语法白名单校验（限定语句类型、禁止注释与多语句）+ 绑定变量传参，双重防注入；
连接池复用（SQLAlchemy pool_pre_ping 探活）。
Related MCP server: mysql-mcp-zag
Python 3.10+
目标数据库可达，并安装对应驱动（见安装说明）
# 1) 创建并激活虚拟环境（可选但推荐）
python -m venv .venv
.\.venv\Scripts\activate # Windows
source .venv/bin/activate # Linux / macOS
# 2) 以可编辑模式安装（会自动装好 mcp、sqlalchemy、各数据库驱动、python-dotenv）
pip install -e .
# 只装某个数据库驱动（可选）：
pip install -e ".[mysql]" # 仅 MySQL
pip install -e ".[mssql,postgres]" # SQL Server + PostgreSQL或手动安装依赖：
pip install "mcp<2" sqlalchemy oracledb pyodbc pymysql psycopg2-binary python-dotenv注意：
mcp需锁定<2（2.x 已将 FastMCP 重命名为 MCPServer，与本服务器代码不兼容）。
连接信息从环境变量读取，支持两种方式（方式一优先级最高）：
方式 A：完整 SQLAlchemy URL
DATABASE_URL=mysql+pymysql://user:pw@localhost:3306/mydb方式 B：拆分字段
DB_TYPE=oracle # oracle / sqlserver / mysql / postgres / sqlite
DB_USER=your_user
DB_PASSWORD=your_password
DB_HOST=localhost
DB_PORT=1521
DB_NAME=orcl_service_or_dbname
DB_MODE=readonly # readonly（默认，禁 DML）/ readwrite各 DB_TYPE 对应的 URL 模板（供参考）：
DB_TYPE | URL 模板 |
oracle |
|
sqlserver |
|
mysql |
|
postgres |
|
sqlite |
|
Oracle 兼容（thick 模式，仅 11g 等老库需要）：
thin 模式（默认）无需本地 Oracle 客户端，但仅支持 Oracle 12.1+。若目标库为 11g，必须启用 thick 模式：安装 Oracle Instant Client（如 11.2 / 19c，需 64 位），并设置 ORACLE_CLIENT_LIB_DIR。
ORACLE_CLIENT_LIB_DIR=E:\A_DevTool\instantclient_11_2实测：Instant Client 11.2（64 位）+ python-oracledb 4.x 可正常连接 11g 库。旧环境只配 ORACLE_* 变量时，DB_TYPE 缺省会按 Oracle 处理，完全向后兼容。
三种启动方式任选其一：
# 方式 1：pip install -e . 之后使用全局命令
oracle-mcp-server
# 方式 2：带预校验与启动横幅的启动脚本（推荐）
python run_server.py
# 方式 3：直接启动服务器主程序
python server.py启动脚本 run_server.py 会在进入主循环前预校验必需环境变量（缺失时给出中文提示退出）并打印脱敏配置摘要；server.py 则直接进入 stdio 主循环。两者均可作为 MCP 客户端的启动命令。
编辑 ~/.workbuddy/mcp.json（注意不是 .mcp.json），或参考本仓库的 mcp.json 示例：
{
"mcpServers": {
"oracle": {
"command": "python",
"args": ["F:/A_Study/oracle-mcp-server/run_server.py"],
"env": {
"DB_TYPE": "oracle",
"ORACLE_HOST": "localhost",
"ORACLE_PORT": "1521",
"ORACLE_SERVICE_NAME": "XEPDB1",
"ORACLE_USER": "your_user",
"ORACLE_PASSWORD": "your_password",
"ORACLE_MODE": "readonly"
}
}
}
}其它数据库示例（替换 env 即可）：
{
"mcpServers": {
"mysql": {
"command": "python",
"args": ["F:/A_Study/oracle-mcp-server/run_server.py"],
"env": {
"DB_TYPE": "mysql",
"DB_HOST": "localhost",
"DB_PORT": "3306",
"DB_NAME": "mydb",
"DB_USER": "your_user",
"DB_PASSWORD": "your_password",
"DB_MODE": "readonly"
}
}
}
}要点：
command 建议写 Python 解释器的绝对路径（如虚拟环境 F:/A_Study/oracle-mcp-server/.venv/Scripts/python.exe），避免用到没有依赖的解释器；
env 中注入数据库连接信息后，可不依赖 .env 文件；
配置完成后在 WorkBuddy 连接器管理页对该服务器点击"信任"以启用。
编辑 claude_desktop_config.json，写入同上结构即可。
只读场景保持 DB_MODE=readonly；确需写操作时再切 readwrite，并配合数据库侧最小权限账号。
.env 与 mcp.json 含数据库凭据，均已被 .gitignore 忽略，切勿提交到版本库。
所有 SQL 均使用绑定变量传参 + 语法白名单校验，禁止在 SQL 中拼接用户输入。
oracle-mcp-server/
├── .env.example # 环境变量模板（多数据库）
├── .gitignore
├── mcp.json # WorkBuddy MCP 配置示例（勿填真实密码提交）
├── pyproject.toml # 项目配置、依赖与启动命令入口
├── run_server.py # 启动脚本（预校验 + 横幅 + 进入主循环）
├── server.py # MCP 服务器主程序（工具定义）
├── database.py # 多数据库操作封装（SQLAlchemy + 查询/防护）
└── README.md # 使用说明查看表结构：列名、数据类型、是否可为空。
Args: table_name: 表名。 schemaName: 限定所属 schema（Oracle 为 owner，PostgreSQL 为 schema， MySQL/SQL Server 为数据库名）；不传则匹配默认命名空间中的表。
Inputs: table_name (required), schemaName. Returns: result
执行只读 SQL 查询（仅允许 SELECT/WITH），结果以 JSON 数组返回。
Args: sql: SELECT 语句，绑定变量使用 :name 占位（不要字符串拼接值）。 schemaName: 指定默认 schema，未限定表名将解析到该 schema（如 "SCOTT"）。
Inputs: sql (required), schemaName. Returns: result
列出数据库中的表；指定 schema 时仅列出该命名空间下的表。
Args: schema: 目标 schema/数据库名（不区分大小写）；不传则列出当前默认命名空间下的表。
Inputs: schema. Returns: result
测试数据库连接是否正常，返回连接状态。
Inputs: no named parameters. Returns: result
Recent tool additions, removals, and schema changes observed during successful MCP inspections.
Loading tool schema changelog…
Scored across 4 tools
Each tool has a clearly distinct purpose: listing tables, running read-only queries, describing table schemas, and testing connectivity. There is no meaningful overlap or ambiguity between them.
All tool names follow the same verb_noun snake_case pattern: list_tables, execute_query, describe_table, test_connection. The naming is uniform and predictable.
With 4 tools, the set is concise and well-scoped for a read-only database MCP server. Every tool serves a necessary core function without unnecessary bloat.
The tool set covers the essential read-only database workflow: discovery (list_tables), schema inspection (describe_table), querying (execute_query), and connection validation (test_connection). No obvious gaps exist for the stated purpose.
Paid remote MCP for governed database query review, SQL simulation, approvals, and audits.
Query your org's data in natural language — read-only MCP access to SQL, NoSQL, files & warehouses.
Read authorized Loam tables and supported external databases through a bounded MCP connection.
Draxlr's remote MCP server connects AI assistants to your SQL databases and dashboards. Explore schemas, run read-only queries, manage saved queries and dashboards, and export results, all with row-level security so each user sees only their own data.
