核心功能
通过 MCP 协议暴露 ClickHouse 查询能力。
功能亮点
slug
clickhouse-mcp-server
2.0 / ClickHouse 许可
。
仓库
github.com/ClickHouse/mcp-clickhouse(GitHub 搜索确认:官方仓、"Connec
注
早期推测的 `ClickHouse/mcp-server` 路径不存在,以 `mcp-clickhouse` 为准。
适用场景
• 让 AI 助手安全访问数据/工具
安装配置
官方 Python 包为 mcp-clickhouse:在 MCP 客户端里配 command 为 uv、args 为 [run, --with, mcp-clickhouse, --python, 3.10, mcp-clickhouse],或先 python3 -m pip install mcp-clickhouse 再配 command 为 python3、args 为 [-m, mcp_clickhouse.main];env 中填 CLICKHOUSE_HOST、CLICKHOUSE_PORT(HTTP 端口,secure 时 8443、否则 8123,不能填 9000 原生端口)、CLICKHOUSE_USER、CLICKHOUSE_PASSWORD、CLICKHOUSE_SECURE 等连接参数;默认只读,需要写入才显式设 CLICKHOUSE_ALLOW_WRITE_ACCESS=true;想跑本地 chDB 就装 mcp-clickhouse[chdb] 并设 CHDB_ENABLED=true;传输方式可通过 CLICKHOUSE_MCP_SERVER_TRANSPORT 在 stdio / http / sse 之间切换。
使用方法
连上后让 AI 自己探查库表再查数:先调 list_databases 列出所有数据库,再用 list_tables 拿指定库的表清单与列结构(支持 like / not_like 过滤和分页),最后用 run_query 执行 SQL 取结果;实际用法是直接问业务问题,模型根据表结构自动写出 ClickHouse SQL、跑完把结果解释成结论或让它继续画图,默认只读模式保证不会误改线上数据;上手可以先连官方 SQL Playground(host 填 sql-clickhouse.clickhouse.com、port 8443、user demo、空密码)试跑,验证通过再换成自己的集群连接串。
关键指标
尚未核验对标产品,此处只列本工具自身指标,不做对比结论。
相关工具
优点
- 生态丰富
- 可复用
- 工程化友好
缺点
- 权限与安全需要设计
- 部署与运维成本