
如果你使用 DeepSeek、元宝 AI、Copilot、ChatGPT 等 AI 工具,协助配置轩辕镜像、编写 docker pull 命令、修改 Docker Compose 镜像地址、配置镜像加速、排查镜像拉取失败、分析报错日志等问题,请先让 AI 阅读并遵守轩辕镜像的规则文档。
只需在 AI 对话中先发送下面这句话即可:
请先完整阅读并严格遵守以下文档中的全部规则与要求:
https://xuanyuan.cloud/agents.md
在未充分阅读并理解该文档前,不要生成任何命令、配置、修改建议、故障排查方案或技术回答。后续所有输出都必须严格以该文档中的规范为最高优先级执行。查看 agents.md 用法指南与完整示范。国内用户首推 元宝 AI、DeepSeek 的深度思考模式,不推荐豆包 AI;Cursor 等编辑器可在对话 @ 该链接,或加入 User Rules。 若 AI 无法访问外链,可 打开说明文档 复制全文粘贴。文档会随站点更新,复制内容可能过期,建议定期检查。
SQLite MCP服务器将SQLite转换为功能强大的AI就绪数据库引擎。它融合了标准关系型操作与高级分析、文本和向量搜索、地理空间能力以及智能工作流自动化。通过在SQLite基础上叠加商业智能工具、语义资源和引导式提示,使开发者和AI助手能够更自然、更有效地与数据交互。
这使其不仅是一个数据库接口,更是开发者和AI系统的工作流感知助手。
什么是MCP服务器?
| 属性 | 详情 |
|---|---|
| Docker镜像 | https://hub.docker.com/repository/docker/mcp/sqlite-mcp-server |
| 作者 | https://github.com/neverinfamous |
| 代码仓库 | https://github.com/neverinfamous/sqlite-mcp-server |
| 属性 | 详情 |
|---|---|
| Dockerfile | https://github.com/neverinfamous/sqlite-mcp-server/blob/bd3d25248d36685fc049e090d28458cabf6ad617/Dockerfile |
| Docker镜像构建方 | Docker Inc. |
| Docker Scout健康评分 | !Docker Scout Health Score |
| 验证签名 | COSIGN_REPOSITORY=mcp/signatures cosign verify mcp/sqlite-mcp-server --key https://raw.githubusercontent.com/docker/keyring/refs/heads/main/public/mcp/latest.pub |
| 许可证 | MIT License |
| 服务器提供的工具 | 简短描述 |
|---|---|
read_query | 在SQLite数据库上执行SELECT查询 |
write_query | 在SQLite数据库上执行INSERT、UPDATE或DELETE查询 |
create_table | 在SQLite数据库中创建新表 |
list_tables | 列出SQLite数据库中的所有表 |
describe_table | 获取特定表的模式信息 |
append_insight | 向备忘录添加业务洞察 |
create_fts_table | 创建用于全文搜索的FTS5虚拟表 |
fts_search | 执行带排名和片段的增强全文搜索 |
create_embeddings_table | 创建优化用于存储嵌入向量及元数据的表 |
semantic_search | 使用余弦相似度执行语义相似性搜索 |
hybrid_search | 结合FTS5关键词搜索与语义相似性 |
descriptive_statistics | 计算数值列的综合描述性统计 |
correlation_analysis | 计算两个数值列之间的相关系数 |
regression_analysis | 对两个变量执行线性回归分析 |
outlier_detection | 使用IQR方法和Z分数分析检测异常值 |
create_csv_table | 创建访问CSV文件的虚拟表 |
create_json_collection_table | 为JSON文件集合(JSONL、JSON数组)创建虚拟表 |
analyze_csv_schema | 分析CSV文件并推断数据类型(无需创建表) |
fuzzy_match | 使用Levenshtein距离和序列匹配查找模糊匹配 |
text_similarity | 计算列之间或与参考文本的文本相似度 |
backup_database | 创建数据库备份到文件 |
restore_database | 从备份文件恢复数据库 |
vacuum_database | 通过回收未使用空间和碎片整理优化数据库 |
integrity_check | 检查数据库完整性并报告任何损坏 |
database_stats | 获取数据库性能和使用统计信息 |
read_query在SQLite数据库上执行SELECT查询
| 参数 | 类型 | 描述 |
|---|---|---|
query | string | 要执行的SELECT SQL查询 |
write_query在SQLite数据库上执行INSERT、UPDATE或DELETE查询
| 参数 | 类型 | 描述 |
|---|---|---|
query | string | 要执行的SQL查询 |
create_table在SQLite数据库中创建新表
| 参数 | 类型 | 描述 |
|---|---|---|
query | string | CREATE TABLE SQL语句 |
list_tables列出SQLite数据库中的所有表
describe_table获取特定表的模式信息
| 参数 | 类型 | 描述 |
|---|---|---|
table_name | string | 要描述的表名 |
append_insight向备忘录添加业务洞察
| 参数 | 类型 | 描述 |
|---|---|---|
insight | string | 数据分析过程中发现的业务洞察 |
create_fts_table创建用于全文搜索的FTS5虚拟表
| 参数 | 类型 | 描述 |
|---|---|---|
table_name | string | FTS5表的名称 |
columns | array | 要包含在FTS5索引中的列列表 |
fts_search执行带排名和片段的增强全文搜索
| 参数 | 类型 | 描述 |
|---|---|---|
table_name | string | 要搜索的FTS5表名 |
query | string | FTS5搜索查询 |
create_embeddings_table创建优化用于存储嵌入向量及元数据的表
| 参数 | 类型 | 描述 |
|---|---|---|
table_name | string | 嵌入表的名称 |
embedding_dim | number | 嵌入向量的维度 |
semantic_search使用余弦相似度执行语义相似性搜索
| 参数 | 类型 | 描述 |
|---|---|---|
table_name | string | 要搜索的嵌入表名 |
query_embedding | array | 用于相似性搜索的查询嵌入向量 |
hybrid_search结合FTS5关键词搜索与语义相似性
| 参数 | 类型 | 描述 |
|---|---|---|
embeddings_table | string | 嵌入表的名称 |
fts_table | string | FTS5表的名称 |
query_text | string | 用于FTS5关键词搜索的文本查询 |
query_embedding | array | 用于语义搜索的查询嵌入 |
descriptive_statistics计算数值列的综合描述性统计
| 参数 | 类型 | 描述 |
|---|---|---|
table_name | string | 表名 |
column_name | string | 要分析的数值列名 |
correlation_analysis计算两个数值列之间的相关系数
| 参数 | 类型 | 描述 |
|---|---|---|
table_name | string | 表名 |
column_x | string | 第一个数值列 |
column_y | string | 第二个数值列 |
regression_analysis对两个变量执行线性回归分析
| 参数 | 类型 | 描述 |
|---|---|---|
table_name | string | 表名 |
x_column | string | 自变量列 |
y_column | string | 因变量列 |
outlier_detection使用IQR方法和Z分数分析检测异常值
| 参数 | 类型 | 描述 |
|---|---|---|
table_name | string | 表名 |
column_name | string | 要分析的数值列名 |
create_csv_table创建访问CSV文件的虚拟表
| 参数 | 类型 | 描述 |
|---|---|---|
table_name | string | CSV虚拟表的名称 |
csv_file_path | string | CSV文件的路径 |
create_json_collection_table为JSON文件集合(JSONL、JSON数组)创建虚拟表
| 参数 | 类型 | 描述 |
|---|---|---|
table_name | string | JSON集合虚拟表的名称 |
json_file_path | string | JSON文件路径(JSONL或JSON数组) |
analyze_csv_schema分析CSV文件并推断数据类型(无需创建表)
| 参数 | 类型 | 描述 |
|---|---|---|
csv_file_path | string | 要分析的CSV文件路径 |
fuzzy_match使用Levenshtein距离和序列匹配查找模糊匹配
| 参数 | 类型 | 描述 |
|---|---|---|
table_name | string | 表名 |
column_name | string | 要搜索的列名 |
search_term | string | 要查找模糊匹配的术语 |
text_similarity计算列之间或与参考文本的文本相似度
| 参数 | 类型 | 描述 |
|---|---|---|
table_name | string | 表名 |
column_name | string | 要分析的列名 |
backup_database创建数据库备份到文件
| 参数 | 类型 | 描述 |
|---|---|---|
backup_path | string | 备份文件将被创建的路径 |
restore_database从备份文件恢复数据库
| 参数 | 类型 | 描述 |
|---|---|---|
backup_path | string | 要恢复的备份文件路径 |
confirm | boolean | 确认标志(防止意外恢复,必填) |
vacuum_database通过回收未使用空间和碎片整理优化数据库
integrity_check检查数据库完整性并报告任何损坏
database_stats获取数据库性能和使用统计信息
json{ "mcpServers": { "sqlite-mcp-server": { "command": "docker", "args": [ "run", "-i", "--rm", "mcp/sqlite-mcp-server" ] } } }
为什么使用Docker运行MCP服务器更安全?
您可以使用以下命令拉取该镜像。请将 <标签> 替换为具体的标签版本。如需查看所有可用标签版本,请访问 标签列表页面。
来自真实用户的反馈,见证轩辕镜像的优质服务