GreptimeDB MCP Server v0.3：安全查询、Pipeline 管理与 Prompt 模板升级

GreptimeDB 2025-12-11

Model Context Protocol (MCP)^[1] 是 Anthropic 推出的开放协议，让 LLM 能够安全地访问外部工具和数据源。GreptimeDB MCP Server^[2] v0.3（最新 v0.3.1）在安全性、可观测性工作流和日志 Pipeline 创建方面带来重要更新。

❝
最新消息：随着 Linux 基金会成立 Agentic AI 基金会^[3]，Anthropic 已将 MCP 协议捐献给该基金会。一同捐献的还有 Block 的 Goose 和 OpenAI 的 AGENTS.md 等项目。

如果你是第一次了解 GreptimeDB MCP Server，可以先阅读我们的介绍文章^[4]，了解 MCP 如何连接 LLM 和可观测性数据库。

v0.3 新特性

数据脱敏

LLM 查询数据库时，敏感数据可能意外出现在响应中。比如你让 Claude 查询用户表，结果可能包含密码或 API 密钥字段。v0.3 引入自动数据脱敏，在数据到达 LLM 之前保护这些敏感信息。

内置脱敏模式覆盖三类字段：

认证凭证：password
、passwd
、pwd
、secret
、token
、api_key
、apikey
、access_key
、private_key
、credential
、auth
、authorization
财务信息：credit_card
、creditcard
、card_number
、cardnumber
、cvv
、cvc
、pin
、bank_account
、account_number
、iban
、swift
个人隐私：ssn
、social_security
、id_card
、idcard
、passport

匹配字段在所有输出格式中显示为 ******
。通过环境变量配置：

# 禁用脱敏（默认启用）
GREPTIMEDB_MASK_ENABLED=false

# 添加自定义模式（逗号分隔，扩展默认模式）
GREPTIMEDB_MASK_PATTERNS=phone,address,email

（数据脱敏示例）

TQL 和 RANGE 查询工具

新增三个时序分析工具：

工具	描述
`execute_tql`	执行 PromQL 兼容查询，支持 `start` 、`end` 、`step` 和可选 `lookback` 参数
`query_range`	执行 RANGE/ALIGN 聚合查询^[5]，支持时间窗口语义
`explain_query`	分析 SQL 或 TQL 执行计划，可选 `EXPLAIN ANALYZE` 获取实际指标

TQL 查询示例：

{
  "query": "rate(http_requests_total[5m])",
  "start": "2024-01-01T00:00:00Z",
  "end": "2024-01-01T01:00:00Z",
  "step": "1m"
}

更多 TQL 语法请参考 TQL 文档^[6]。

Pipeline 管理：AI 驱动的日志解析

GreptimeDB 的日志 Pipeline^[7] 将原始日志转换为结构化数据。v0.3 新增 MCP 工具直接管理 Pipeline：

工具	描述
`create_pipeline`	使用 YAML 配置创建 Pipeline
`dryrun_pipeline`	测试 Pipeline（不写入数据库）
`delete_pipeline`	删除指定版本
`list_pipelines`	查看现有 Pipeline

pipeline_creator
Prompt 模板帮助 LLM 从日志样本生成 Pipeline 配置，包含：

Pipeline 处理器：dissect
、regex
、date
、epoch
、gsub
、select
Transform 配置和数据类型
索引选择最佳实践：inverted
、fulltext
、skipping
日志表设计建议

示例对话^[8]：Claude 从 nginx 访问日志创建 Pipeline，用 dryrun_pipeline
测试，再用 create_pipeline
部署。

（AI 驱动的日志解析，自动生成 Pipeline 并测试）

Pipeline 配置详情请参考 Pipeline 配置参考^[9]。

升级 Prompt 模板

全部七个 Prompt 模板现在包含 References 章节，链接到官方文档：

模板	用途	关键文档
`pipeline_creator`	从日志样本生成 Pipeline	Pipeline 配置^[10] 、数据索引^[11]
`log_pipeline`	全文搜索日志分析	全文搜索^[12] 、SQL 函数^[13]
`metrics_analysis`	指标监控分析	RANGE 查询^[14] 、数据模型^[15]
`promql_analysis`	PromQL/TQL 查询指导	TQL 参考^[16]
`iot_monitoring`	IoT 设备数据分析	表设计^[17]
`trace_analysis`	分布式链路追踪	Traces 概述^[18]
`table_operation`	Schema 诊断优化	INFORMATION_SCHEMA^[19]

此外，我们修复了 trace_analysis
和 table_operation
模板中的列名和查询语法问题。

其他改进

HTTPS 支持：通过 GREPTIMEDB_HTTP_PROTOCOL=https
或 --http-protocol https
使用 TLS 连接
安全网关修复：SHOW CREATE TABLE
现在被正确允许
性能优化：HTTP 连接复用 aiohttp.ClientSession
输出格式：所有查询工具支持 csv
、json
和 markdown
输出

快速开始

通过 pip 安装：

pip install greptimedb-mcp-server

或使用 uv 运行：

uv run -m greptimedb_mcp_server.server

配置 MCP 客户端（Claude Desktop^[20]、Cursor^[21] 等）：

{
  "mcpServers": {
    "greptimedb": {
      "command": "greptimedb-mcp-server",
      "args": [
        "--host", "localhost",
        "--port", "4002",
        "--database", "public"
      ]
    }
  }
}

Pipeline 管理需要 HTTP 端口（默认 4000）可访问。

下一步

本次更新我们将 MCP 服务端升级为 FastMCP API，目前仍采用 stdio 传输模式。下一步计划支持 HTTP SSE 传输，使服务可以长期运行并以独立服务形式部署，详见 Issue #23^[22]。

了解更多

GitHub 仓库^[23] - 源码、问题反馈和贡献指南
PyPI 包^[24] - 安装和版本历史
GreptimeDB 文档^[25] - 完整数据库文档
Slack 社区^[26] - 问题讨论

关于 Greptime

Greptime 格睿科技专注于打造新一代可观测性数据库，服务开发者与企业用户，覆盖从边缘设备到云端企业级部署的多样化需求。

GreptimeDB 开源版：开源、云原生，统一处理指标、日志和追踪数据，适合中小规模 IoT 与可观测性场景；
GreptimeDB 企业版：面向关键业务，提供更高性能、高安全性、高可用性和智能化运维服务；

欢迎加入开源社区参与贡献与交流！推荐从带有 good first issue
标签的任务入手，一起共建可观测未来。添加微信小助手: greptime 参与技术交流！

⭐ Star us on GitHub：https://github.com/GreptimeTeam/greptimedb
📚 官网：https://greptime.cn/
📖 文档：https://docs.greptime.cn/
🌍 Twitter：https://twitter.com/Greptime
💬 Slack：https://greptime.com/slack
💼 LinkedIn：https://www.linkedin.com/company/greptime/

往期精彩文章：

批量写入性能提升 2.5 倍：GreptimeDB v1.0.0-beta.2 发布！
深入解析 GreptimeDB MCP：连接数据库与 LLM 的桥梁
让历史数据查询更快：GreptimeDB 索引文件独立缓存指南

Reference

[1]

Model Context Protocol (MCP): https://modelcontextprotocol.io/

[2]

GreptimeDB MCP Server: https://github.com/GreptimeTeam/greptimedb-mcp-server

[3]

Agentic AI 基金会: https://www.anthropic.com/news/donating-the-model-context-protocol-and-establishing-of-the-agentic-ai-foundation

[4]

介绍文章: https://greptime.cn/blogs/2025-03-17-greptimedb-mcp-server

[5]

RANGE/ALIGN 聚合查询: https://docs.greptime.cn/reference/sql/range/

[6]

TQL 文档: https://docs.greptime.cn/reference/sql/tql/

[7]

日志 Pipeline: https://docs.greptime.cn/user-guide/logs/manage-pipelines

[8]

示例对话: https://claude.ai/share/4d2146b1-a308-4115-a5e2-c945b2d23b87

[9]

Pipeline 配置参考: https://docs.greptime.cn/reference/pipeline/pipeline-config/

[10]

Pipeline 配置: https://docs.greptime.cn/reference/pipeline/pipeline-config/

[11]

数据索引: https://docs.greptime.cn/user-guide/manage-data/data-index

[12]

全文搜索: https://docs.greptime.cn/user-guide/logs/fulltext-search/

[13]

SQL 函数: https://docs.greptime.cn/reference/sql/functions/overview

[14]

RANGE 查询: https://docs.greptime.cn/reference/sql/range/

[15]

数据模型: https://docs.greptime.cn/user-guide/concepts/data-model

[16]

TQL 参考: https://docs.greptime.cn/reference/sql/tql/

[17]

表设计: https://docs.greptime.cn/user-guide/deployments-administration/performance-tuning/design-table/

[18]

Traces 概述: https://docs.greptime.cn/user-guide/traces/overview

[19]

INFORMATION_SCHEMA: https://docs.greptime.cn/reference/sql/information-schema/overview

[20]

Claude Desktop: https://claude.ai/download

[21]

Cursor: https://www.cursor.com/

[22]

Issue #23: https://github.com/GreptimeTeam/greptimedb-mcp-server/issues/23

[23]

GitHub 仓库: https://github.com/GreptimeTeam/greptimedb-mcp-server

[24]

PyPI 包: https://pypi.org/project/greptimedb-mcp-server/

[25]

GreptimeDB 文档: https://docs.greptime.cn/

[26]

Slack 社区: https://www.greptime.com/slack

文章转载自GreptimeDB，如果涉嫌侵权，请发送邮件至：contact@modb.pro进行举报，并提供相关证据，一经查实，墨天轮将立刻删除相关内容。