dory

当 AI 替你写 SQL 之后呢？

想象一个这样的场景：你让 AI agent 帮你写了一条复杂的联表查询，agent 返回了结果和 SQL——但你真的敢直接拿去做决策吗？你没法看到完整的数据分布，不知道这条 SQL 在生产环境跑出来的实际行数，更没法把结果导出成图表分享给同事。Dory 正是为了解决这个问题而诞生的。

Dory 的核心思路是：AI agent 的数据库工作不应该消失在聊天记录里。它应该变成一个真实的、可编辑的 SQL 工作空间，开发者可以检查、修改、继续执行。

图1：Dory 工作空间界面，左侧为 Schema 浏览器，右侧为 SQL 编辑器与结果集

项目背景与起源

dorylab/dory 是一个 Apache-2.0 开源的 AI 原生 SQL 客户端项目，由 dorylab 团队开发和维护。项目定位非常清晰——既是一个功能完整的数据库 GUI（可替代 Navicat、DBeaver），又是一套面向 AI Agent 的数据库执行层（通过 MCP 协议暴露数据库操作能力）。

这种双模式设计解决了一个真实痛点：AI 写 SQL 很快，但生产级的数据工作需要人来把关、验证和继续推进。Dory 让这个交接过程变得无缝——agent 的工作直接变成工作空间里的标签页，人类可以随时接管。

核心功能：从数据库 GUI 到 Agent 工作层

SQL Workspace（SQL 工作空间）

Dory 提供完整的 SQL 编辑环境，支持多标签页、结果集持久化、查询历史保存和 Schema 浏览器。开发者可以在一个标签页里写 SQL，另一个标签页里查看结果，第三个标签页里画图表——所有工作状态都保存在工作空间中，不会在聊天结束后消失。这解决了传统 AI Coding 工具「说完就忘」的问题，让数据库工作变成可追溯、可审查的真实工件。

Schema-aware AI Assistance（Schema 感知的 AI 辅助）

Dory 内置的 AI 助手能够感知当前数据库的真实 Schema 和查询上下文，不仅能根据自然语言生成 SQL，还能对当前标签页中的 SQL 进行重写、修复和解释。与通用 LLM 对话不同，这个 AI 能力扎根于实际的数据库结构和当前工作状态，生成的 SQL 有据可查，减少了幻觉（hallucination）风险。

MCP 集成：Agent 的数据库执行层

MCP（Model Context Protocol）是 Anthropic 提出的 Agent 工具调用协议，Dory 对其提供了完整支持。通过 @getdory/cli，Claude Code、Codex CLI 等 MCP 兼容的 AI 编程工具可以直接调用 Dory 的数据库能力：列出连接、探索 Schema、执行只读 SQL、创建标签页和管理保存的查询。

MCP 集成支持四种模式：桌面端 MCP（本地）、独立 stdio（适合本地开发和 CI）、HTTP headless 运行时（适合共享端点）、托管 Dory 桥接（连接已有的 Dory Web 部署）。开发者可以根据场景灵活选择。

多数据库支持

Dory 支持 PostgreSQL、MySQL、Oracle 等主流数据库，通过统一的驱动层抽象差异。用户可以在同一个工作空间里连接多个数据库，进行跨库查询和联合分析。桌面客户端支持离线使用，SaaS 版本提供开箱即用的演示模式（Sign in as demo）。

图表与数据可视化

查询结果可以直接在 Dory 内转换为图表，支持多种可视化形式，满足日常数据分析需求，而无需切换到独立的 BI 工具。结果和生成它的 SQL 永久关联，方便后续回溯。

技术架构：Monorepo 分层设计

Dory 采用 TypeScript/Node.js 技术栈，整体以 monorepo 形式组织，结构清晰分为三层：

应用层（3个 apps）：

• apps/web：基于 Next.js 的 Web 应用，提供 SaaS 托管版本（app.getdory.dev）。支持独立部署和 Docker 容器化。
• apps/electron：基于 Electron 的桌面客户端，支持 macOS 和 Windows 原生安装包，提供离线使用能力。
• apps/admin：管理后台，用于 Dory Cloud 的组织、计费等管理操作。

包层（15个 packages）：

• @getdory/mcp：MCP 协议服务端实现，依赖 @modelcontextprotocol/sdk 和 zod，提供标准化的 Agent 数据库工具接口。
• @getdory/cli：命令行工具，支持 stdio 和 HTTP 两种 MCP 传输方式，内置 DuckDB 支持本地数据探索，依赖 pg（PostgreSQL）、mysql2、oracledb 等多数据库驱动。
• @getdory/actions：Dory Actions，封装连接管理、Schema 探索等高频操作的标准化 API。
• @getdory/database：数据库抽象层，统一管理连接池、事务和查询执行。
• @getdory/drivers：数据库驱动适配层，支持 PostgreSQL、MySQL、Oracle 等多种数据库。
• @getdory/ui、@getdory/auth-core、@getdory/analysis、@getdory/resultset、@getdory/files、@getdory/i18n 等基础设施包。

构建与基础设施：

构建工具使用 Yarn + Workspaces，测试框架为 Playwright，代码格式化为 Prettier + ESLint，类型检查使用 TypeScript 严格模式。Dockerfile 采用多阶段构建（基于 node:24-bookworm），docker-compose.yml 内置 PostgreSQL 17 依赖服务，健康检查完备。

部署体验

Dory 提供三种部署路径：

Docker 一键部署（推荐）： 通过 docker-compose.yml 可一键启动，包含 Dory Web 应用和 PostgreSQL 17 数据库服务。需要配置 BETTER_AUTH_URL、BETTER_AUTH_SECRET、DS_SECRET_KEY、TRUSTED_ORIGINS 等环境变量，首次配置复杂度中等。

本地开发： 使用 yarn dev 启动开发服务器，yarn run build 构建生产版本。依赖 Node.js 24 和 Yarn。

桌面客户端： 提供 macOS 和 Windows 原生安装包，支持 Homebrew 安装，开箱即用，无需配置。

硬件需求方面，Dory 是纯 CPU 应用，无需 GPU，4GB 内存和 2GB 磁盘空间即可运行。

局限与边界

Dory 的定位是「AI 原生 SQL 客户端」，而非通用数据库管理工具。AI 辅助能力专注于 SQL 生成和修复，不涉及数据清洗、ETL 或机器学习建模等更宽泛的数据处理场景。对于需要无头部署（无浏览器界面）的自动化数据管道，可能需要借助 @getdory/cli 的 MCP stdio 模式配合外部调度器。完整自托管还需要配置认证服务（Better Auth），比纯 Docker 部署复杂度略高。

行业意义

Dory 代表了一个新兴类别：面向 AI Agent 的桌面化工具。2024-2025 年，AI Coding 工具（Claude Code、Codex CLI）迅速普及，但这些工具在处理结构化数据分析时往往只能输出文本结果。Dory 通过 MCP 协议将 AI 的数据库操作能力产品化，让 agent 的工作从「黑盒输出」变成「可检查的工件」，这正是 AI 辅助开发走向工程化、可审计化的关键一步。项目在 SourceForge 上已获得 OSS Rising Star 奖项，社区活跃度持续增长。

图2：Dory 项目维护团队头像

---

一句话总结：Dory 是一个 AI 原生 SQL 工作空间，通过 MCP 协议让 AI Agent 的数据库操作变成可编辑、可检查、可继续的真实工作空间，同时提供功能完整的桌面/Web 客户端，是 AI 编程时代数据库工具的新形态。