使用 MCP 将 AI 工具连接到 TiDB Cloud Lake
TiDB Cloud Lake MCP server 通过 Model Context Protocol (MCP) 将 AI 助手连接到 TiDB Cloud Lake。借助兼容 MCP 的工具，你可以使用自然语言指令探索数据库对象、检查表结构，并运行 SQL。
前提条件
开始之前，请确保你具备以下条件：
- Python 3.12 或更高版本
- 已安装
uv - 一个兼容 MCP 的 AI 工具
- 一个 TiDB Cloud Lake 账户、数据库和计算集群 (Warehouse)
获取连接字符串
从你的 TiDB Cloud Lake 计算集群中获取主机、用户名、密码、数据库和计算集群名称。更多信息，请参见连接到计算集群。
使用以下格式构建 DSN：
lake://<username>:<password>@<host>:443/<database>?warehouse=<warehouse>
配置 MCP 客户端
以下配置使用 uv 运行最新的 tidbcloudlake-mcp 包。每个示例中都显式启用了安全模式。
codex mcp add lake-mcp \
--env LAKE_DSN='lake://<username>:<password>@<host>:443/<database>?warehouse=<warehouse>' \
--env LAKE_MCP_SAFE_MODE=true \
-- uv tool run --from tidbcloudlake-mcp@latest lake-mcp
claude mcp add lake-mcp \
--env LAKE_DSN='lake://<username>:<password>@<host>:443/<database>?warehouse=<warehouse>' \
--env LAKE_MCP_SAFE_MODE=true \
-- uv tool run --from tidbcloudlake-mcp@latest lake-mcp
将以下服务器添加到你的 Cursor MCP 配置中：
{
"mcpServers": {
"lake-mcp": {
"command": "uv",
"args": ["tool", "run", "--from", "tidbcloudlake-mcp@latest", "lake-mcp"],
"env": {
"LAKE_DSN": "lake://<username>:<password>@<host>:443/<database>?warehouse=<warehouse>",
"LAKE_MCP_SAFE_MODE": "true"
}
}
}
}
将以下服务器添加到你的 Gemini CLI settings.json 文件中的 mcpServers 对象：
{
"mcpServers": {
"lake-mcp": {
"command": "uv",
"args": ["tool", "run", "--from", "tidbcloudlake-mcp@latest", "lake-mcp"],
"env": {
"LAKE_DSN": "lake://<username>:<password>@<host>:443/<database>?warehouse=<warehouse>",
"LAKE_MCP_SAFE_MODE": "true"
}
}
}
}
对于接受标准 JSON 配置的 MCP 客户端，添加以下服务器：
{
"mcpServers": {
"lake-mcp": {
"command": "uv",
"args": ["tool", "run", "--from", "tidbcloudlake-mcp@latest", "lake-mcp"],
"env": {
"LAKE_DSN": "lake://<username>:<password>@<host>:443/<database>?warehouse=<warehouse>",
"LAKE_MCP_SAFE_MODE": "true"
}
}
}
}
保存 MCP 配置后，重启 AI 工具。然后，你就可以让该工具列出数据库、检查表，或运行查询。
会话沙箱保护
LAKE_MCP_SAFE_MODE 用于控制服务器是否根据会话专属的沙箱来校验写操作。
MCP 工具 get_session_sandbox_prefix 会返回当前会话的前缀。
有关服务器传输方式、配置变量以及可用的 MCP 工具，请参见 TiDB Cloud Lake MCP Server。