我把公司内部的 12 个 CRUD 接口交给了 AI Agent,然后省出了两周
不是标题党。这是一个真实落地的过程记录:从「AI 只会写 demo」到「AI 直接操作生产数据库」,中间差了哪些东西。
先说结论
三个数字:
| 指标 | 改造前 | 改造后 |
|---|---|---|
| 新增一个标准 CRUD 模块的耗时 | 1.5 天 | 20 分钟 |
| 接口层重复代码量 | 约 8000 行 | 约 1200 行(只剩配置) |
| 联调返工次数(近 3 个月) | 平均每周 2.3 次 | 平均每周 0.4 次 |
核心不是让 AI 写代码更快,而是让它能直接读你的表结构、按你的规范生成、并且自己跑一遍验证。这中间的关键技术,是 MCP。
一、为什么"直接把需求丢给 ChatGPT"不好用
我们试过最朴素的做法:把建表语句粘进对话框,让它生成 Service 层。
结果很稳定地翻车在三件事上:
- 看不到真实数据。它不知道
status字段里到底存的是0/1还是ENABLED/DISABLED,猜错了就是线上 bug。 - 不知道项目约定。我们的返回体必须包一层
{code, message, data},它默认给你裸返回。 - 生成完无法自证。代码看起来对,跑起来报
Column 'create_time' cannot be null,又得人肉来回三轮。
问题不在模型能力,在于上下文是死的,而工程环境是活的。
MCP(Model Context Protocol)解决的正是这件事:它给模型一套标准化的"手和眼",让它能在受控范围内主动去查表结构、读示例代码、跑 SQL 验证。
二、十分钟搭一个最小可用的 MCP Server
不用框架,官方 Python SDK 足够。整个文件不到 80 行。
# server.py
import asyncio
import json
from contextlib import asynccontextmanager
import aiomysql
from mcp.server.fastmcp import FastMCP
mcp = FastMCP("db-inspector")
# 只读连接,这是第一条安全红线
READONLY_DSN = dict(
host="127.0.0.1", port=3306, user="ai_reader",
password="***", db="your_db", autocommit=True,
)
@asynccontextmanager
async def conn():
c = await aiomysql.connect(**READONLY_DSN)
try:
yield c
finally:
c.close()
@mcp.tool()
async def list_tables(keyword: str = "") -> str:
"""列出数据库中的表,可按关键词模糊筛选。"""
async with conn() as c:
async with c.cursor() as cur:
await cur.execute(
"SELECT table_name, table_comment FROM information_schema.tables "
"WHERE table_schema = DATABASE() AND table_name LIKE %s "
"ORDER BY table_name LIMIT 200",
(f"%{keyword}%",),
)
rows = await cur.fetchall()
return "\n".join(f"{name}\t{comment or ''}" for name, comment in rows)
@mcp.tool()
async def describe_table(table: str) -> str:
"""查看某张表的完整字段定义,包含类型、是否可空、默认值、注释。"""
async with conn() as c:
async with c.cursor() as cur:
await cur.execute(f"SHOW FULL COLUMNS FROM `{table}`")
cols = await cur.fetchall()
await cur.execute(f"SHOW INDEX FROM `{table}`")
idx = await cur.fetchall()
out = ["字段\t类型\t可空\t默认值\t注释"]
for f, t, _, null, _, default, _, _, comment, *_ in cols:
out.append(f"{f}\t{t}\t{null}\t{default}\t{comment or ''}")
out.append("\n索引:")
for row in idx:
out.append(f"{row[2]}\t列序号{row[3]}\t唯一={not row[1]}")
return "\n".join(out)
@mcp.tool()
async def sample_rows(table: str, limit: int = 3) -> str:
"""抽样若干行真实数据,用于判断字段取值习惯(已脱敏字段请在 SQL 层处理)。"""
limit = max(1, min(limit, 10))
async with conn() as c:
async with c.cursor(aiomysql.DictCursor) as cur:
await cur.execute(f"SELECT * FROM `{table}` LIMIT {limit}")
return json.dumps(await cur.fetchall(), ensure_ascii=False, default=str)
if __name__ == "__main__":
mcp.run()
接入客户端只要一行配置:
{
"mcpServers": {
"db-inspector": {
"command": "python",
"args": ["/path/to/server.py"]
}
}
}
到这里,模型就能自己回答"这个表有什么字段""status 实际存的是什么"这类问题了。注意 sample_rows 是它最常调用的工具,因为字段语义几乎都藏在真实数据里。
三、真正的提效点:把项目规范也变成工具
第二步很多人会漏掉。光让模型看见数据库,它生成的代码仍然「不像我们项目的」。
于是我又加了两个只读工具:
list_java_files(module)—— 返回某个模块下的文件树,让它知道分层结构read_file(path)—— 读任意源码文件(限定在项目根目录内)
然后把一段 CLAUDE.md 式的规范文件放到仓库根目录:
## 代码规范(必须遵守)
1. Controller 统一返回 Result<T>,禁止裸返回实体。
2. 分页查询一律使用 PageQuery 入参 + PageResult 出参。
3. 新增/修改操作必须显式设置 createTime / updateTime。
4. 枚举字段禁止硬编码数字,使用 XxxEnum。
5. 生成的代码必须能通过 `mvn -q compile`。
这一步之后,输出质量有了质变。因为模型不再是「凭感觉生成」,而是先读 2 个同类模块,再照着写。
四、安全边界:别让"提效"变成"事故"
这块必须写清楚,也是我踩过坑的地方。
第一条:AI 的数据库账号必须只读。
CREATE USER 'ai_reader'@'%' IDENTIFIED BY '...';
GRANT SELECT ON your_db.* TO 'ai_reader'@'%';
不要图省事给它 ALL。让它查、让它看,但绝不给它写权限。写操作永远由人 review 后执行。
第二条:文件工具要做路径校验。
ALLOWED_ROOT = Path("/Users/me/work/project").resolve()
def safe_path(p: str) -> Path:
target = (ALLOWED_ROOT / p).resolve()
if not str(target).startswith(str(ALLOWED_ROOT)):
raise ValueError("越界路径")
return target
第三条:生成的代码必须过 CI。
我们加了一条硬规定:AI 产出的 PR 必须通过 compile + checkstyle + 单测,否则不进入人工 review。这比任何"提示词技巧"都管用——用工程手段兜底,而不是靠信任模型。
五、20 分钟的完整流程长什么样
现在新增一个「合同附件」模块,实际是这样的对话:
我:新增合同附件模块,表 t_contract_attachment,需要
上传记录、按合同 ID 列表查询、逻辑删除三个接口。
AI:(自动调用 list_tables 确认表是否存在)
(调用 describe_table 拿到字段)
(调用 sample_rows 看 file_type 的实际取值)
(调用 list_java_files 读 2 个同类模块)
生成了 9 个文件...
(执行 mvn compile 通过)
我:字段 file_size 用 Long,单位是字节,别用 int。
AI:已调整,重新编译通过。
20 分钟,验收通过。剩下的时间本来要花在写 DTO、Mapper、Service 样板和联调字段类型上。
六、几个诚实的提醒
- 它不会替你做业务决策。 状态机怎么流转、权限怎么校验,仍然要人想清楚。
- 复杂查询它会写错。 多表 join + 窗口函数这类,还是要人写。
- 前期投入不小。 搭 MCP Server、写规范文件、配只读账号,大概 1-2 天。我们是在第 5 个模块之后才开始回本的。
- 不要一次放开全部权限。 先只读数据库,再加文件读取,最后才考虑读日志/读监控。每加一层都问自己:最坏情况是什么?
最后
这套东西真正的价值不在「省了几天工时」,而在于把重复劳动的边际成本压到接近零。当你发现加一个标准模块只要 20 分钟,你会开始愿意去补那些一直懒得做的功能——这才是复利。
上面所有代码都是可运行的。如果你也在做类似的事,欢迎在评论区交流你的安全边界是怎么画的。
如果这篇对你有用,点个赞让我知道。后续我会写:怎么让 MCP Server 支持写操作审批流(人审后才落库),以及如何在团队里推广这套规范而不引发抵触。