引言
你肯定也干过。点开 DBeaver 的连接，起身倒水，回来时 loading 还在转。有开发者记录过，三张表的测试库，一开连接，内存先吃 1.2G。
Navicat 快但四位数价格；TablePlus 主打 macOS、其他平台较新；DataGrip 是全家桶的重量。
2026 年有了新解法。开源项目 dbx，4 月底才建仓库，现在大约 1.5 万 Star，官方口径约 20MB 装下 80 多种数据库。桌面版、Web 版、Docker 自托管、CLI、MCP Server，五种形态一个项目。
这篇按「十分钟上手路径」走，装上、连库、让 Claude Code 替你查库，每步有成功信号和坑。
体积决定你会装它，MCP 决定你离不开它。
第 0 层：15MB 的工具凭什么谈「离谱」
先说诚实的数字。发布时约 15MB，官方现在说约 20MB，最新 Release 各平台 18-30MB；DBeaver 安装包 100-120MB 量级，Navicat 上百 MB 起步。
差距是架构选出来的。驱动层 Rust，界面走 Tauri 2 调系统 WebView，不塞 Chromium、不要 JDK；DBeaver 慢在 JVM 上的 Eclipse 先加载一整套插件框架；Navicat 是 C++，二十年功能往上摞。
有开发者和 DBeaver 同机对过一轮，三个数字值得记：
- 冷启动到主界面出现，不到 2 秒
- 空闲内存占用，80MB 左右
- 打开 10 万行查询结果，滚动不卡
对照组是 DBeaver，同样的查询约 3 秒出结果，滚动有约半秒延迟。「先查这个、再关联那个」的思路链会被等待打断，这是老工具最被低估的隐性成本。
第 1 层：装它比装个输入法还省事
第一层的目标是五分钟内装上、能打开。优先走包管理器，macOS 一条命令：
brew install --cask dbx
Windows 走 scoop 两步（也可 winget）；Linux 选 AppImage、deb、rpm、Portable 或 Flatpak，官方没有 Snap；或去 Releases 下包，解压即用。
scoop bucket add dbx https://github.com/t8y2/scoop-bucket
scoop install dbx
macOS 第一个坑 🕳
首次打开弹「无法验证开发者」，终端跑一句 xattr 放行：
xattr -cr /Applications/dbx.app
✦ 成功信号：看到应用能打开、主界面很快出现、能新建连接，就装好了。全程不装 JDK、不装 Python、不装 Node，这是它跟老工具最大的区别。
第 2 层：80 多种数据库和旧配置一起搬家
装好第一件事是连库，支持面 80 多种。
| 类别 |
支持的数据库 |
| 关系型 |
MySQL、PostgreSQL、SQLite、SQL Server、Oracle、DB2 |
| NoSQL 与搜索 |
MongoDB、Redis、Elasticsearch、Neo4j、Cassandra |
| 分析与云数仓 |
ClickHouse、Doris、StarRocks、DuckDB、Trino、Hive、Databend、Snowflake、BigQuery、Databricks、Redshift |
| 国产数据库 |
达梦（Dameng）、高斯（GaussDB）、openGauss、金仓（KingBase）、瀚高（HighGo）、TiDB、OceanBase、SelectDB、TDengine、KWDB、Vastbase、GoldenDB、YashanDB、GBase、XuguDB、SunDB |
| 向量库 |
Qdrant、Milvus |
| 消息队列 |
Kafka、RocketMQ、Pulsar |
| 时序与 IoT |
InfluxDB、QuestDB、IoTDB |
| 其他 |
etcd、ZooKeeper、IRIS、JDBC 通用连接…… |
从 DBeaver 或 Navicat 迁过来有惊喜，连接配置可直接导入，不用一台台重填；以前要开 DBeaver、RedisInsight、Compass 三个软件，现在一个窗口全管。成功信号是左栏能列库、点开出数据。
第 3 层：连上先体检，轻但不简陋
工具轻了最怕功能缩水，从「轻量」变「简陋」。先花两分钟摸一遍基本功再决定。
| 模块 |
值得记住的细节 |
| 查询编辑器 |
CodeMirror 6；补全感知元数据，表名字段名打几个字母就弹；Cmd+Enter 执行、选中即跑 |
| 数据表格 |
虚拟滚动 50 万行不卡；行内编辑颜色标记（绿=新增、橙=修改、红=删除），保存前预览、比直接提交安全 |
| 导出 |
CSV、JSON、Markdown、XLSX、INSERT；Rust 流式，大表导出不卡界面 |
| Schema 工具 |
ER 图、Schema Diff 生成 ALTER、执行计划可视化、字段血缘，这套 Navicat 要 Premium 才有 |
CSV、JSON、Parquet 拖进窗口，内置 DuckDB 当场预览，不用先入库，临时看数据文件很省事。
有人会说 AI 和 MCP 才拉开身位，话只对一半。每天查数据的人，基本功是主菜、决定主力；AI 决定上限。
第 4 层：让 AI 写 SQL，真假集成就看两件事
很多客户端也号称「集成 AI」，做法是嵌个聊天窗口，让你把 SQL 复制过去问。这不叫集成，这叫贴了个聊天框。
dbx 的 AI 助手嵌在编辑器里，但丑话说在前面，SQL 准确率取决于你接的模型，这不是 dbx 的功劳。它做对两件事：Schema 上下文直接塞进 prompt，表名字段名是对的；生成后自动跑安全检查，DROP、TRUNCATE 要二次确认。这正是通用 AI 网页写 SQL 最痛的两点——抄表结构、怕编错表名。
上下文管「准」，安全检查管「命」，一个都不能少。
用法上，选中 SQL 右键「AI 解释」，讲查询在干什么、有没有性能问题、索引建议；或用自然语言描述要的数据，生成再执行。模型可接 OpenAI、Claude、DeepSeek、Ollama 本地。自带 Key，数据不出指定 endpoint。
第 5 层：MCP 把你的数据库变成 AI 的手
前三层解决「你用得顺」，这层解决「你的 AI 用得上」，是压轴。dbx 内置 MCP Server。MCP 是 Anthropic 的开放协议，Claude Code、Codex、Cursor、Windsurf 都支持，配好后连接能被 Agent 直接调用。
动配置前先做安全功课。Settings → MCP 里管两样：哪些连接允许暴露给 AI（allowlist），以及权限档位 Read only、Data read-write、Full access。生产库从 Read only 开始。
跑通后的体验是这样，在 Cursor 里说「查 users 表最近 7 天注册的用户数量」，它直接连库、执行、带回结果，不用手动导出再贴给它。
两个提前避坑 🕳
Windows 便携版要设 DBX_DATA_DIR 指向 data 目录，MCP 才找得到连接；不便装 Node 的服务器，用 releases 页的免 Node 预编译二进制。
动手前想自检，可以先跑一次 npx @dbx-app/mcp-server，服务能启动再往下配。
第 6 层：把 dbx 接进 Claude Code 和 Codex
Claude Code 有两个入口。项目级写根目录 .mcp.json，全局一行命令：
{
"mcpServers": {
"dbx": { "command": "npx", "args": ["-y", "@dbx-app/mcp-server"] }
}
}
claude mcp add dbx -- npx -y @dbx-app/mcp-server
Codex 同样一行；或写 ~/.codex/config.toml 的 [mcp_servers.dbx] 表，参数同上。
codex mcp add dbx -- npx -y @dbx-app/mcp-server
✦ 成功信号：Agent 能列出连接、count 返回数字即全通。
到这里十分钟到头。你装的是 dbx，干活的却是 Claude Code。
第 7 层：把数据库检查写进 CI
第五层是脚本党彩蛋。dbx 有独立 CLI，npm 全局一条，macOS 也能 brew：
npm install -g @dbx-app/cli
dbx connections list --json
dbx query local "select 1" --json
brew tap t8y2/tap && brew install dbx-cli
connections list 列连接，query 执行 SQL，都带 --json，脚本直接解析。常见用法是 CI/CD 部署完自动验证数据库连接，连不上就让流水线挂掉。成功信号是返回合法 JSON、select 1 查得到。
第 8 层：Docker 部署一个 Web 版给团队
个人用桌面版，团队共享连接就上 Docker 自托管，官方镜像一条命令：
docker run -d --name dbx -p 4224:4224 -v dbx-data:/app/data --pull=always t8y2/dbx:latest
✦ 成功信号：浏览器打开 localhost:4224，出现与桌面端一致的 Web 版；amd64、arm64 都支持，树莓派也能跑，--pull=always 是官方拉取策略。
三个提醒：
- compose 用 deploy/docker-compose.release.yml——另一个是源码构建配置
- 国内拉镜像慢就换 CNB 源：
docker.cnb.cool/dbxio.com/dbx:latest
- Docker 版跑 MCP：用
DBX_WEB_URL / DBX_WEB_PASSWORD 指向 Web 后端
第 9 层：四类人现在先别换
按惯例该泼冷水了。四个短板对应四类人，对号入座再决定。
天天写存储过程的人：触发器、存储过程编辑弱，大部分库能浏览但编辑体验跟 DataGrip 有差距，「能看不能打」。
需要精细 ER 图的人：只有基础 Chen 模型视图，做不了复杂关系布局，导出只有 SVG、没有 PNG。
重度插件用户：DBeaver 的护城河是插件市场，dbx 有插件系统但生态还在早期。
DBA：没有慢查询分析、连接池监控、QPS 看板，做运维监控不够。
反过来讲，约 20MB 跟百 MB 级平台比深度本来就不公平；dbx 是「日常开发的数据操作终端」，不是「专业 DBA 运维平台」，这句定位是全部优缺点的总开关。
两个边界。其一，「约 20MB」指核心安装器，AppImage 自带运行时反而要 100MB 上下；其二，一千多个开放 issue、主力作者一人三千多次提交，迭代快是它，巴士系数低也是它。
写在最后
最后说身份。dbx 协议是 Apache-2.0，别处看到 AGPL 是错的。它对企业内用和二开友好、无传染顾虑；所有功能免费，没有企业版、付费墙和功能阉割。
项目还在高速爬坡。Star 从 5 月底的三千多，两个月翻了五倍，Trendshift、HelloGitHub 都给了推荐位；作者 skyler 签名「造物而已，尽心而已」，几乎每天有提交。
我的最终判断是，每天在 MySQL、PostgreSQL、Redis 间切来切去、受够启动速度和资源占用的人，值得花十分钟试试。它不完美，但在「又快又小还能干活」维度，是开源里最能打的一个。
不用 Claude Code 这类助手的人，dbx 就只是个轻快客户端。工具离不离谱，取决于你工作流里有没有替你干活的 AI。
GitHub 地址是 github.com/t8y2/dbx，别让它在收藏夹吃灰，今晚从第一层走起。
如果你对这类轻量级数据库工具和 MCP 生态感兴趣，也可以到云栈社区看看，那边有不少开发者在聊数据库/中间件选型与实操经验。
发表于 7 天前
|
查看: 2|
回复: 0
