數據倉庫MCP大戰：6大平臺評分4.5

數據倉庫成了MCP協議落地最整齊的賽道。Snowflake、BigQuery、Databricks、ClickHouse、DuckDB、Redshift——六家主流平臺全部押注，官方支持率100%。

這在企業軟件領域相當罕見。通常新技術落地，頭部廠商總要觀望幾個季度，等社區踩完坑再跟進。但MCP（模型上下文協議）不一樣，每家都怕掉隊。

ClickHouse的社區版MCP服務器拿了720個GitHub星標，開源陣營里獨一檔。它玩了個雙引擎設計：既能連遠程集群，也能本地跑chDB嵌入式引擎。安全策略很克制——默認只讀，寫操作要加--allow-write，刪表這種危險動作得再加--allow-destructive。

但工具數量確實單薄，只有4個。想查看表結構？不好意思，自己寫SQL去。

DuckDB的路線完全不同。它不跟你拼星標，拼的是"通吃"——本地文件、內存計算、S3對象存儲、MotherDuck云服務，一個服務器全打通。

最實用的是switch_database_connection這個工具。Agent執行到一半，發現數據在另一個源，能當場切換，不用重啟會話。Parquet、CSV、JSON、Iceberg這些格式直接讀，跨源分析場景下，DuckDB是目前最順手的選項。

Snowflake的牌面最大。它不止做了SQL執行，把整套Cortex AI都塞了進去——Cortex Analyst做語義查詢，Cortex Search做非結構化數據的RAG檢索，Cortex Agent做智能體編排，再加上對象管理和語義視圖。

企業級RBAC權限體系直接復用，MCP操作走同樣的審計鏈路。社區里isaacwasserman/mcp-snowflake-server這個項目有個有趣設計：Insights Memo，能累積分析模式，相當于給AI配了個"工作筆記"。

BigQuery的野心：零安裝，全托管

Google的打法最激進。Endpoint直接掛在bigquery.googleapis.com/mcp，用戶端零安裝，OAuth 2.0+IAM鑒權，2026年3月17日之后自動啟用。

成本管控做了硬性約束：單次查詢處理上限1GB。ML預測、完整治理功能都打包進去，但目前還是Preview狀態。社區有兩個替代方案，ergut/mcp-bigquery-server（133星）和LucasHild/mcp-server-bigquery（123星），適合想自己托管的用戶。

Databricks強調"治理優先"。Genie自然語言查詢、Vector Search向量檢索、UC Functions自定義治理工具，三件套配齊。On-behalf-of-user鑒權機制很關鍵——審計日志能精確追溯到"誰讓AI執行的這條查詢"，合規部門會喜歡。

社區版JustTryAI/databricks-mcp-server有11個工具，RafaelCartenet/mcp-databricks-server做了血緣分析功能。

Redshift的身份有點特殊。它沒單獨開倉庫，而是藏在awslabs/mcp這個8500+星標的大項目里。能自動發現預置集群和無服務器工作組，但目前只開放只讀權限。好處是和S3、Lambda等其他AWS MCP服務器能協同工作。

評分4.5/5：差在哪？

這份評測給了4.5分，扣掉的0.5有兩處：跨倉庫聯邦查詢還沒打通，成本監控工具缺失。前者意味著你不能讓AI同時查Snowflake和BigQuery然后做關聯分析，后者意味著跑個大查詢可能賬單爆炸卻渾然不覺。

但基礎層面確實扎實：廠商全覆蓋、安全默認保守、托管服務器降低運維負擔、Snowflake的AI深度整合。生產環境直接可用，不需要等。

有個細節值得玩味。ClickHouse社區版720星，Snowflake社區版180星，BigQuery社區版133星——星標數和廠商體量完全倒掛。小團隊反而更愿意開源共建，大廠傾向于把用戶鎖進官方通道。

評測方ChatForest注明了研究方法：文檔review加社區分析，沒有實際動手測試。信息截止2026年3月。

如果讓你選一個平臺接入MCP，你會押注星標最高的開源方案，還是功能最全的廠商官方版？