MCP 协议踩坑记：让 AI Agent 自己查数据库调接口MCP 协议实战踩坑记录，让 AI Agent 自己查数据库

上周接了个需求，要让 AI Agent 自己去查数据库、调第三方接口，不再是只能聊天的花瓶。

折腾了两天 MCP 协议，终于跑通了，把踩坑经历记一下。

什么是 MCP

MCP（Model Context Protocol）是 Anthropic 搞的一个开放协议，让 LLM 能通过标准化的方式调用外部工具。简单说就是给 AI 装上手和脚。

之前用 function calling 也能做，但每个模型的实现不一样，切模型就得改代码。MCP 统一了这层，理论上写一次 tool server，所有支持 MCP 的模型都能用。

实操：搭一个查数据库的 MCP Server

from mcp import MCPServer, tool
import sqlite3

server = MCPServer()

@server.tool(description="查询数据库，输入 SQL 语句")
def query_db(sql: str) -> str:
    conn = sqlite3.connect("app.db")
    cursor = conn.execute(sql)
    rows = cursor.fetchall()
    conn.close()
    return str(rows[:20])

server.run(port=8080)

客户端接入也很简单：

from openai import OpenAI

client = OpenAI(
    api_key="your-key",
    base_url="https://api.ofox.ai/v1"
)

resp = client.chat.completions.create(
    model="claude-opus-4-6",
    messages=[{"role": "user", "content": "帮我查一下最近7天的订单总额"}],
    tools=[{"type": "mcp", "server_url": "http://localhost:8080"}]
)
print(resp.choices[0].message.content)

踩坑记录

坑1：端口冲突

MCP Server 默认 8080，跟我本地的其他服务撞了。改端口就行但文档没写清楚。

坑2：SQL 注入

直接把 LLM 生成的 SQL 扔进数据库执行，想想就刺激。加了个白名单限制只允许 SELECT。

坑3：超时

复杂查询超过 30 秒 MCP 就断了，得自己加 timeout 处理。

小结

MCP 的思路是对的——标准化工具调用协议，让 AI Agent 真正能干活。目前生态还早期，但值得关注。

我现在用 ofox.ai 的聚合 API 测不同模型对 MCP 的支持情况，Claude 系列支持最好，GPT 系列也在跟进。