MySQL_MCP_Server_pro接入cherry_studio实现大模型操作数据库

### MCP 本地部署与数据库连接配置 #### 安装依赖项 为了在 Cherry Studio 中实现 MCP 的本地部署，首先需要安装 Python 和 Node.js 环境。这是由于 MCP 使用 STDIO 协议时会调用这些工具来处理数据流和上下文交互[^2]。 以下是所需软件及其版本建议： - **Python**: 推荐使用最新稳定版（如 Python 3.9 或更高版本）。 - **Node.js**: 推荐 LTS 版本（如 v16.x），以确保兼容性和稳定性。 可以通过以下命令验证已安装的版本： ```bash python --version node --version ``` 如果尚未安装上述组件，则可以分别通过官方渠道下载并完成安装。 --- #### 配置基础环境 对于基于 STDIO 类型的基础配置，在启动之前需要设置一些必要的参数。具体操作如下： 1. 创建一个新的项目目录用于存储 MCP 文件及相关配置； 2. 初始化 `mcp.json` 文件作为核心配置入口； 示例结构可能类似于下面的内容： ```json { "protocol": "stdio", "contextPath": "./contexts" } ``` 此 JSON 对象定义了使用的协议以及模型上下文路径的位置[^2]。 --- #### 数据库集成方案 当涉及到数据库的操作时，通常有两种方式可选——直接嵌入 SQL 查询逻辑或者借助 ORM 工具简化开发流程。这里提供一种常见的做法即利用 SQLAlchemy 库管理关系型数据库中的表单映射关系[^1]。 假设目标是要链接 MySQL 数据源，那么第一步便是引入相应的驱动程序包： ```bash pip install mysql-connector-python sqlalchemy ``` 接着编写一段简单的脚本来展示如何初始化引擎并与指定实例建立通信链路： ```python from sqlalchemy import create_engine, MetaData, Table, Column, Integer, String engine = create_engine('mysql+mysqlconnector://username:password@localhost/dbname') metadata = MetaData() users_table = Table( 'users', metadata, Column('id', Integer, primary_key=True), Column('name', String(50)), Column('age', Integer) ) metadata.create_all(engine) print("Database and table created successfully.") ``` 以上代码片段展示了创建名为 users 表的过程，并设置了三个字段：ID、姓名(name) 及年龄(age)[^1]。 --- #### 启动服务端口监听 最后一步就是激活整个框架使其能够响应外部请求。这一般涉及设定特定端口号以及其他网络选项以便客户端顺利接入。例如： ```javascript const express = require('express'); const app = express(); app.get('/data', function(req, res){ // 处理获取数据业务... }); // 设置监听地址为 localhost 并绑定到自定端口上 let serverPort = process.env.PORT || 8080; app.listen(serverPort, () => { console.log(`Server running at http://localhost:${serverPort}/`); }); ``` 这样就可以让应用处于待命状态等待进一步指令执行啦！ --- 问题