如何通过 MCP 快速将本地 SQLite 数据库接入 Claude Desktop 实现自然语言查询？

Claude Desktop 最近支持的 MCP (Model Context Protocol) 简直是把 LLM 变成了数据库管理员，再也不用手动导出 CSV 喂给 AI 了。我实测了一下用 sqlite-mcp 插件直接挂载本地 .db 文件，这种“自然语言 → SQL → 结果”的闭环体验比写 Prompt 引导模型写代码要稳得多。

之前的方案通常是把 Schema 贴给 GPT-4o，让它写 SQL，我再复制到 Navicat 里执行，不仅繁琐且容易在字段名上翻车。现在通过 MCP，Claude 拥有了直接调用本地 SQLite 读写接口的权限。

实测部署流程：

修改 Claude Desktop 的配置文件 claude_desktop_config.json（macOS 路径在 ~/Library/Application Support/Claude/），加入以下配置：

{
  "mcpServers": {
    "sqlite": {
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-sqlite",
        "--db",
        "/Users/yourname/data/test.db"
      ]
    }
  }
}

重启 Claude 之后，你会发现右下角出现了一个小锤子图标，这意味着它已经能感知到数据库的表结构了。

能力对比与实测表现：

1. Claude 3.5 Sonnet (via MCP) vs GPT-4o (Manual Copy)
Claude： 直接问“分析上个月订单额最高的三个产品”，它会先调用 list_tables 查看表名 → 调用 describe_table 查看字段 → 执行 SELECT → 给出分析结果。整个过程全自动，且因为有实时反馈，如果 SQL 写错了，它能根据报错自动修正。
GPT-4o： 依赖我对 Schema 的描述，如果表结构复杂，经常会出现幻觉，编造一个不存在的字段名，得来回对话好几次才能跑通。

2. 响应速度与准确率
查询简单聚合函数（SUM/COUNT）几乎秒回，准确率 100%。但在处理复杂的多表 Join 时，Claude 有时会把字段搞混，不过它在发现结果为空时，会尝试重新审视 Schema，这种自省能力是单纯写代码插件不具备的。

优缺点分析：

优点：

• 零摩擦： 彻底消除了“导出数据 → 上传文件 → 等待解析”的链路。
• 上下文感知： 它能实时看到数据库的最新状态，而不是一个静态的快照。

缺点：

• 安全性焦虑： 给 AI 读写权限确实有点心慌，建议只挂载只读副本。
• 依赖环境： 必须安装 Node.js 环境，对纯 Python 用户来说多了一层配置成本。

如果你有大量本地结构化数据需要分析，这种模式比任何 RAG 方案都要精准，因为它是基于确定性的 SQL 查询而非概率性的向量检索。