大语言模型的能力，确实有目共睹——它们能够撰写文章、进行总结、执行推理，尤其在处理海量文本信息时表现卓越。然而，一个长期存在的老问题仍未解决：数据孤岛。大多数 LLM 仅能依赖训练时注入的数据以及用户每次对话中提供的上下文，无法主动访问数据库、查询表格或更新记录。简而言之，它就像一位知识渊博但无法联网的专家——大脑中存储了大量静态信息，却离实时数据相去甚远。
随着 AI 的应用场景从“一问一答”逐步演进为“执行任务”，智能体（Agent）开始走上前台。这类智能体不仅能调用 LLM 进行推理，还能访问数据库、调用 API，并与其他智能体协同完成复杂的多步骤任务。但这套协作体系缺少一个关键环节：标准化协议。缺少该协议，数据共享困难、任务执行效率低下等问题便接踵而至。
为了解决这一痛点，Anthropic 提出了 MCP（Model Context Protocol，模型上下文协议），这是一套专门为 LLM 和 Agent 系统设计的标准化交互框架。其目标十分明确——让 LLM 能够实时访问外部数据、对接 API、调用工具，从而彻底打破“数据孤岛”。简而言之，MCP 核心实现了三项功能：第一，让 LLM 能够实时获取数据库中的数据，而无需依赖训练时的缓存；第二，让不同 Agent 之间可以共享上下文，支持复杂推理协作；第三，让 LLM 从“我想一下”转变为“我帮你查一下”，直接对接数据库、工具和业务系统。
OceanBase 4.3.x 与 MCP 的融合
OceanBase 在 4.3.x 版本中，针对分析处理场景进行了大量集中优化，实现了事务处理与分析处理的深度结合。底层的 LSM-Tree 架构实现了行存与列存的一体化，同时引入了全新的向量化引擎和代价评估模型。其成果是：宽表处理能力显著增强，AP 查询性能明显提升，同时还支持实时导入、二级索引、高并发主键查询等 AP 场景的常见需求。
目前，OceanBase 已成功实现 MCP 协议的对接。OceanBase MCP Server 已被收录在官方仓库中，能够与多种 MCP 客户端（如 Claude Desktop、Cline 等）配合使用。用户既可以在私有化部署环境中使用，也可以借助 OB Cloud 云数据库在云上运行。这样一来，结合 LLM 进行企业数据分析变得异常简便，AI 技术栈也得到了显著简化。
图1：MCP 官方代码仓库
(github.com/modelcontextprotocol/servers)
图2：OceanBase MCP Server 工作流
举一个具体实例。假设有一张企业注册信息表，您希望查询过去三年内企业注册的趋势数据。传统做法是：编写 SQL、查询数据库、再将结果导入工具进行可视化。但现在——只需用自然语言提问即可。通过 MCP 协议，LLM 能够自动生成 SQL 查询，直接在 OceanBase 中执行，并获取实时结果。这些数据随后可被用于生成图表和报告，最终为您提供精准的业务洞察。
以新加坡会计与企业管制局提供的注册实体数据集为例（约 160 万条企业注册信息），每条数据包含唯一实体编号、注册日期、实体类型、街道名称和邮政编码等字段。通过 Claude Desktop + MCP 协议，操作流程如下：
- 生成查询：LLM 根据用户需求自动生成对应的 SQL 语句。
- 执行查询：通过 MCP 协议，LLM 将查询发送给 OceanBase，直接从数据库中获取实时数据。
- 分析与呈现：返回的结果用于生成趋势图、报表以及其他分析内容，辅助决策。
在这一流程中，MCP 协议让 LLM 与 OceanBase 无缝对接，数据访问更加灵活且实时，提供了一个集成化的分析平台。复杂的查询、数据分析及智能决策变得高效且直观。
数据表结构示例：
CREATE TABLE acra_entities (
uen VARCHAR(20) COMMENT '唯一实体编号 (Unique Entity Number)，用于唯一标识每个注册实体',
issuance_agency_desc VARCHAR(50) COMMENT '签发机构描述，表示负责签发UEN的机构（如ACRA）',
uen_status_desc VARCHAR(20) COMMENT 'UEN状态描述，表示实体的当前状态（如注册、注销）',
entity_name VARCHAR(255) COMMENT '实体名称，表示注册实体的全称',
entity_type_desc VARCHAR(100) COMMENT '实体类型描述，表示实体的法律结构（如本地公司、独资企业/合伙企业）',
uen_issue_date DATE COMMENT 'UEN签发日期，表示实体注册的日期',
reg_street_name VARCHAR(255) COMMENT '注册街道名称，表示实体注册地址的街道名称',
reg_postal_code VARCHAR(10) COMMENT '注册邮政编码，表示实体注册地址的邮政编码'
) COMMENT '新加坡会计与企业管制局（ACRA）注册实体数据集，包含实体的注册信息';
快速导入数据：
SET SESSION ob_query_timeout=1000000000; LOAD DATA local infile 'EntitiesRegisteredwithACRA.csv' INTO TABLE acra_entities fields terminated by ',' IGNORE 1 LINES;
在 Claude Desktop 中输入问题：“从 OceanBase 中查询 acra_entities 表，给出实体注册趋势分析。分析结果应当包含 HTML 格式的图表，回答请保持简洁。”
实际演示效果：
如何快速体验
如果您想尝试这套集成方案，需要准备两部分：一个支持 MCP 协议的客户端（Claude Desktop、Cline 等），以及一个可用的 OceanBase 实例。实例可以通过 Docker 快速部署，或直接使用 OB Cloud 云数据库的免费试用版。确保客户端与数据库之间网络连通即可。
配置步骤如下：
- 克隆 OceanBase MCP Server 仓库：
git clone https://github.com/oceanbase/mcp-oceanbase - 安装 Python 环境并安装依赖，推荐使用 uv 工具简化操作。
- 打开 Claude Desktop 设置，编辑配置文件。
- 通过 Edit Config 增加配置。
{
"mcpServers": {
"oceanbase": {
"command": "uv",
"args": [
"--directory",
"path/to/mcp-oceanbase",
"run",
"oceanbase_mcp_server"
],
"env": {
"OB_HOST": "localhost",
"OB_PORT": "2881",
"OB_USER": "your_username",
"OB_PASSWORD": "your_password",
"OB_DATABASE": "your_database"
}
}
}
}
- 重启 Claude Desktop，您应该能看到新的 MCP Tool 可用。
MCP 作为标准化协议，让 LLM 真正具备了与外部数据交互的能力。随着智能体生态的不断演进，它极有可能成为连接 LLM、Agent 和企业数据的关键桥梁。借助 OceanBase 与 MCP 的结合，LLM 不再是一个静态的知识库，而是一个能够实时查询数据、处理数据、执行 SQL、跨任务协作的智能体。在企业级 AI 应用中，这种能力正在让数据与智能的融合变得更加简单，也让技术栈变得更加轻量。