ClickHouse MCP 服务器集成

“ClickHouse” MCP 服务器有什么用？

ClickHouse MCP（模型上下文协议）服务器作为强大的桥梁，将 AI 助手和语言模型与 ClickHouse 数据库连接起来。通过 MCP 提供标准化工具，使开发者和 AI 代理能够直接在 ClickHouse 集群上执行 SQL 查询、列出数据库、枚举数据表等操作。该集成通过只读操作和可配置环境变量，保障安全的同时，实现数据库探索、查询执行和数据获取的 AI 自动化，大大简化了工作流。此服务器尤其适合用于提升开发环境、数据分析自动化，以及为应用程序提供无缝、可编程的 ClickHouse 强大功能访问。

提示词列表

文档或仓库中未提及任何提示词模板。

资源列表

文档中未明确描述相关资源。

工具列表

• run_select_query
  以安全只读模式在您的 ClickHouse 集群上执行 SQL 查询。接受一个 sql（字符串）类型输入，表示要执行的 SQL 查询。

• list_databases
  列出您的 ClickHouse 集群中所有可用数据库。

• list_tables
  列出指定数据库下的所有数据表。需要 database（字符串）输入用于指定要查看的数据库。

典型用例

• 数据库管理与探索
  轻松列出所有数据库和表，快速了解 ClickHouse 部署的结构和模式。

• 自动化查询执行
  以编程方式运行只读 SQL 查询，使 AI 代理能够获取、分析和汇总数据，用于分析或报告。

• 数据驱动开发
  将实时数据访问集成至开发工作流，便于动态原型设计、仪表盘搭建或数据校验任务。

• 安全分析自动化
  以强制只读访问执行分析任务，确保数据完整性并符合安全合规。

• 与 AI 驱动代理集成
  让 AI 助手可直接与 ClickHouse 交互，实现数据检索，增强聊天机器人、助手或自动化工具的能力。

如何配置

Windsurf

文档中未提供 Windsurf 的配置说明。

Claude

1. 打开 Claude Desktop 配置文件：

   • macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
   • Windows: %APPDATA%/Claude/claude_desktop_config.json

2. 在 mcpServers 部分添加如下配置：

   {
     "mcpServers": {
       "mcp-clickhouse": {
         "command": "uv",
         "args": [
           "run",
           "--with",
           "mcp-clickhouse",
           "--python",
           "3.13",
           "mcp-clickhouse"
         ],
         "env": {
           "CLICKHOUSE_HOST": "<clickhouse-host>",
           "CLICKHOUSE_PORT": "<clickhouse-port>",
           "CLICKHOUSE_USER": "<clickhouse-user>",
           "CLICKHOUSE_PASSWORD": "<clickhouse-password>",
           "CLICKHOUSE_SECURE": "true",
           "CLICKHOUSE_VERIFY": "true",
           "CLICKHOUSE_CONNECT_TIMEOUT": "30",
           "CLICKHOUSE_SEND_RECEIVE_TIMEOUT": "30"
         }
       }
     }
   }
   

3. 用您的 ClickHouse 凭证替换上述占位符。

4. 将 uv 可执行文件的命令路径更新为绝对路径。

5. 重启 Claude Desktop 以应用更改。

ClickHouse SQL Playground 示例：

{
  "mcpServers": {
    "mcp-clickhouse": {
      "command": "uv",
      "args": [
        "run",
        "--with",
        "mcp-clickhouse",
        "--python",
        "3.13",
        "mcp-clickhouse"
      ],
      "env": {
        "CLICKHOUSE_HOST": "sql-clickhouse.clickhouse.com",
        "CLICKHOUSE_PORT": "8443",
        "CLICKHOUSE_USER": "demo",
        "CLICKHOUSE_PASSWORD": "",
        "CLICKHOUSE_SECURE": "true",
        "CLICKHOUSE_VERIFY": "true",
        "CLICKHOUSE_CONNECT_TIMEOUT": "30",
        "CLICKHOUSE_SEND_RECEIVE_TIMEOUT": "30"
      }
    }
  }
}

Cursor

文档中未提供 Cursor 的配置说明。

Cline

文档中未提供 Cline 的配置说明。

注意：
所有 ClickHouse 凭证应通过配置 JSON 的 env 部分以环境变量方式提供，确保诸如 API 密钥和密码等敏感信息不会被硬编码。

示例（环境变量配置凭证）：

"env": {
  "CLICKHOUSE_HOST": "<clickhouse-host>",
  "CLICKHOUSE_PORT": "<clickhouse-port>",
  "CLICKHOUSE_USER": "<clickhouse-user>",
  "CLICKHOUSE_PASSWORD": "<clickhouse-password>"
}

如何在流程中使用 MCP

在 FlowHunt 中使用 MCP

要将 MCP 服务器集成到 FlowHunt 工作流，首先添加 MCP 组件并连接到您的 AI 代理：

点击 MCP 组件，打开配置面板。在系统 MCP 配置区域，按以下 JSON 格式填写您的 MCP 服务器信息：

{
  "mcp-clickhouse": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

配置完成后，AI 代理即可作为工具使用该 MCP，拥有其全部功能。请务必将 "mcp-clickhouse" 替换为您的 MCP 服务器实际名称，并将 URL 替换为自己的服务器地址。

概览

我们的看法

ClickHouse MCP 服务器对于需要 LLM 或 AI 驱动 ClickHouse 数据库访问的数据开发者来说极具价值。但仓库缺少提示词模板和资源原语的文档，仅提供了 Claude 的配置说明。其工具集在数据库查询方面表现出色，但缺乏 Roots 和采样支持的相关信息，导致其在通用 MCP 评测中的得分有限。

MCP 评分

最终评分：
基于文档完整性、工具清晰度、开源许可和社区热度，但鉴于提示词、资源及多平台配置部分的缺失：6/10