Provides tools for querying and modifying MySQL databases across multiple configured data sources, routing requests by project and environment. Supports executing SELECT statements with parameterized queries, INSERT/UPDATE/DELETE with server-side read-only enforcement, listing tables, describing table structures, retrieving full schema, and fuzzy-searching text fields, with results annotated by source database and environment.
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., "@db-mcp-server show me the users table schema in the order service test database"
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.
给 AI 用的多数据源 MySQL 查询服务，带一个网页配置中心。
解决的问题很具体：同一个服务在不同环境（开发 / 测试 / 预发 / 生产）连着不同的库。AI 只有一张 execute_sql(sql) 的手牌时，很容易查了测试库却让用户以为在看生产数据。这个项目让 AI 说"查订单服务的测试库"，而不是让它猜一个连接串。
用户：查一下订单服务的测试库有多少张表
↓
AI 调用 query(sql="...", project="订单服务", env="test")
↓
服务端解析 → order-test · 测试 · myapp_order
↓
返回结果，并附一行来源标注按项目路由 | 项目名或别名（ |
显式指定必须命中 | 说了 |
只读保护 | 标记为只读的数据源（通常是生产）， |
配置热加载 | 配置中心改完数据源，MCP 下次调用就生效，不用重启客户端 |
执行记录 | 每次查询落 |
无库模式 |
|
单文件前端 | 零构建、零框架，改样式只需编辑 |
Related MCP server: MySQL MCP Server
启动后打开 http://127.0.0.1:8765：
上半部分：数据源（按环境分 tab）与项目映射左右并列，各有常驻的新增入口
下半部分：执行记录，左侧查询流水，右侧成功/失败/平均耗时统计
只有 127.0.0.1 监听，没有登录鉴权，靠回环地址隔离。
python -m pip install -r requirements.txt需要 Python 3.10+（用到了 str | None 类型标注）。依赖：mcp、mysql-connector-python、python-dotenv、fastapi、uvicorn。
python webui_server.py或双击 start_webui.bat（Windows）。端口从 8765 起，被占用就自动顺延，启动时会打印实际地址。
首次运行若 config.json 不存在，会从 .env 尝试迁移一份；没有 .env 就用默认配置（dev / test / staging / prod 四个环境）。
新增数据源 —— 填主机、端口、账号。库名那栏点「加载库列表」可以真实连库列出所有可访问的库，不用手打。库名留空表示不限定库。
新增项目 —— 项目名 + 别名，然后给每个环境挑一个数据源。绑定规则：
只绑 1 个环境 → 这个环境自动成为默认，不需要配 defaultEnv
绑多个环境 → 必须指定默认环境，下拉只列出已绑定的环境
一个都不绑 → 保存被拦截
设默认数据源 —— 数据源行首的星标。AI 完全不指定目标时用它。
{
"mcpServers": {
"db-mcp": {
"command": "/absolute/path/to/python",
"args": ["/absolute/path/to/db_mcp_server.py"],
"env": { "PYTHONIOENCODING": "utf-8" }
}
}
}三个必须注意的点：
command 写绝对路径。如果 python 是另一个未装依赖的解释器（比如被其他工具托管的版本），MCP 进程会启动失败，客户端通常只显示"未连接"，不告诉你原因。
args 也写绝对路径。客户端拉起子进程时的 cwd 不一定是项目目录。
PYTHONIOENCODING=utf-8。Windows 下 Python 的 stdout 默认 GBK，而 MCP 走 UTF-8；错误信息里有中文时会出现乱码或 JSON-RPC 解析失败。
不同客户端放配置的位置：
客户端 | 位置 |
Qoder |
|
Claude Desktop |
|
WorkBuddy |
|
新增或删除工具后必须重启客户端（工具列表会被缓存）；只改数据源不用。
工具 | 用途 | 关键参数 |
| 执行 SELECT，返回 JSON 结果集 |
|
| 执行 INSERT / UPDATE / DELETE | 同上，只读数据源上会被拒绝 |
| 列出目标库的表名 |
|
| 查看表结构（列名、类型、主键） | 另加 |
| 完整结构（所有表及其字段） | 表多时结果很大，优先用 |
| 在所有文本字段中模糊搜索 | 另加 |
| 列出项目、别名、各环境绑定 | — |
| 列出数据源，不含密码 | — |
query / execute 的返回里会附一行来源标注：
[
{ "db": "myapp_order", "host": "db-test.internal" }
]
-- 来源：order-test · 测试 · myapp_order这行不是装饰。没有它，AI 查了哪个库只能靠猜。
1. datasource 显式指定 → 直接取该数据源
2. project + env → project.bindings[env]
├─ env 不在环境列表里 → 报错，列出可用 key
└─ 项目未绑定该环境 → 报错，列出已绑定的环境
3. project 无 env → 绑 1 个就用它 / 绑多个用 defaultEnv
4. 都没传 → 默认数据源 → 默认项目
5. 仍解析不出 → 报错，列出可用项目与数据源第 2 条是刻意设计成"报错"的。原方案里写的是"项目没绑该环境就降级到默认环境"，改成报错的原因：
用户：查一下订单服务的生产数据
AI：query(project="订单服务", env="prod")
降级：订单服务没绑 prod → 用测试库 → 返回测试数据
用户看着屏幕上的数字，以为那是生产环境的静默给错东西比直接报错危险得多。
同一个脚本带子命令就是命令行工具，适合调试：
python db_mcp_server.py list-projects
python db_mcp_server.py list-datasources
python db_mcp_server.py query --project 订单服务 --env test --sql "SELECT 1"
python db_mcp_server.py query --sql "SHOW DATABASES" # 走默认数据源
python db_mcp_server.py describe-table --datasource order-test --table db.tbl结果 JSON 走 stdout，-- 来源：xxx 走 stderr，方便脚本管道处理。CLI 调用同样会写执行记录。
config.json（不提交，见 .gitignore）：
{
"version": 7,
"environments": [
{ "key": "test", "label": "测试", "order": 2, "readonlyHint": false },
{ "key": "prod", "label": "生产", "order": 4, "readonlyHint": true }
],
"global": {
"defaultDatasource": "ds_order_test",
"defaultProject": null,
"defaultEnv": null
},
"datasources": [
{
"id": "ds_order_test",
"alias": "order-test",
"env": "test",
"driver": "mysql",
"host": "10.0.0.1",
"port": 3306,
"user": "readonly_user",
"password": "${ORDER_TEST_PASSWORD}",
"database": "",
"readonly": false
}
],
"projects": [
{
"id": "p_order",
"name": "订单服务",
"aliases": ["order", "订单"],
"defaultEnv": "test",
"bindings": { "test": "ds_order_test" }
}
]
}从零开始可以照抄 config.example.json。
密码两种写法：
明文 "password": "secret" —— 简单，适合内网自用
变量引用 "password": "${ORDER_TEST_PASSWORD}" —— 从环境变量取，配置文件可以安全备份和分享
界面上密码始终显示为 ******，编辑时留空即保持原值。
环境变量：
变量 | 作用 |
| 指向另一个配置文件，测试时用，避免污染真实配置 |
| 指向另一个执行记录文件 |
config_store.py 配置层：原子写、mtime 热加载、密码解析、解析器、乐观锁
db_mcp_server.py MCP 服务（stdio）+ CLI，8 个工具
webui_server.py FastAPI 后端，17 个路由
query_log.py 执行记录：JSONL 追加、5MB 轮转、分页、统计
migrate_env.py .env → config.json，幂等
webui/index.html 配置界面，单文件零构建一条硬约束：config_store.py 的 resolve() 是 MCP 服务和 Web 界面共用的唯一解析入口。两边各写一套的话，会出现"界面显示默认是测试库、AI 实际查了生产库"这种无法排查的问题。
只监听 127.0.0.1，没有登录鉴权。不要改成 0.0.0.0——界面上存着数据库凭据
config.json、.env、query_log.jsonl 已加入 .gitignore。执行记录里有完整 SQL，泄露的业务信息比密码更多
只读拦截在服务端。AI 看不到密码，也绕不过 readonly 检查
生产库建议：readonly: true + 只读账号 + 密码用变量引用，三重
限制 | 说明 |
只支持 MySQL |
|
无登录鉴权 | 靠回环地址隔离 |
|
|
| 表多的库较慢，优先用 |
一个项目每环境只能绑一个数据源 | 需要"一个环境查两个库"时用无库数据源 + 全限定名 |
MIT
This server cannot be deployed
Safe, read-only Postgres and MySQL access for AI agents. Audit log + column-level controls.
Hosted MySQL MCP server for Claude, ChatGPT and Cursor, with each action switched per account.
Query Postgres, MySQL, SQL Server, Oracle, BigQuery, ClickHouse and Redshift from your AI client.
Guard AI agents' PostgreSQL/MySQL access via MCP: SQL audit, auth, masking, write approval
