过去，我们让 AI 帮忙设计数据库，往往会得到一大段 SQL。

它看起来很完整，却很难回答几个关键问题：这些表真的已经进入设计工具了吗？外键是否有效？有没有覆盖已有结构？多人同时修改时会不会冲突？如果结果不满意，能不能安全撤销？

这正是 EZDML MCP 想解决的问题。

EZDML MCP 将数据库建模能力通过 Model Context Protocol 提供给 AI。AI 不再只是“建议你怎么建表”，而是可以在 EZDML 中读取现有模型、理解对象关系、提出修改方案、展示差异、执行变更、自动布局并完成校验。整个过程保留 revision、preview、checkpoint 和历史记录，让 AI 从聊天窗口里的 SQL 生成器，变成真正参与建模工作的工程助手。

从“生成 SQL”到“完成设计闭环”

传统的 AI 建库流程通常是：描述需求，生成 DDL，人工复制执行。模型与 SQL 很快就会分离，后续修改也难以追踪。

EZDML MCP 提供的是另一条路径：

读取当前模型
  -> 理解表、字段和关系
  -> 生成设计方案
  -> Preview 查看差异与风险
  -> Apply 原子应用
  -> 自动布局与校验
  -> 保存、生成 SQL 或代码

这条链路的重点不只是“自动”，而是“可控”。AI 的每次写入都基于当前 revision；模型发生变化时，旧操作会因冲突而停止。批量变更先在内存副本中执行，只有 preview 通过后才会正式应用。提交前自动生成完整历史 checkpoint，任何一步失败都不会留下半套表结构。

AI 可以通过 EZDML MCP 做什么

1. 读懂现有数据模型

AI 可以读取当前文件、模型图、逻辑表、字段、索引、外键和布局，也可以使用 EZDML 特有的 Describe 描述字快速理解大型模型。

Describe 是一种接近 Markdown 的表结构表达方式。它比数据库方言相关的 DDL 更紧凑，也更适合人与 AI 一起审阅：

mes_work_order(生产工单)
-------------------------------------
work_order_id(工单ID)       PKInteger
product_id(产品ID)          FKInteger  //<<Relation:mes_material.material_id>>
plan_qty(计划数量)          Float(18,6)
status(工单状态)            String(20)

模型不再是一堆难以完整放进上下文的 JSON，而是一份人和机器都容易理解的设计语言。

2. 安全地创建和修改模型

EZDML MCP 支持模型、表、字段和图形实例的完整操作，包括：

• 创建、修改和删除模型图；
• 创建逻辑表，或把已有逻辑表 attach 到另一个模型图；
• 新增、重命名、修改、删除和重排字段；
• 设置主键、外键、唯一索引、普通索引和复合索引；
• 批量 changeset preview/apply；
• Describe 文本 preview/apply。

跨模型出现的同名表仍是同一个逻辑对象。业务字段会保持同步，而每张模型图可以拥有独立布局。这让“基础权限模型”“业务模型”“报表模型”等视图可以共享真实表定义，不必复制出多套逐渐失控的结构。

3. 自动梳理关系和模型图

创建几十张表并不难，难的是让它们最终成为一张可读的关系图。

EZDML MCP 可以查询表的出入关系、多对多关系和弱关联，并调用 EZDML 的网状、流式或网格布局算法。网状布局会根据外键关联权重展开对象并生成连线路由，相关表还可以自动着色。

AI 完成建表后，无需把一堆重叠的方框留给用户收拾。

4. 校验、历史与撤销

模型变更完成后，EZDML MCP 可以检查：

• 模型、表和字段名称是否重复；
• 字段类型、长度和精度是否合法；
• 外键目标表和目标字段是否存在；
• 复合索引字段是否完整；
• 删除或重命名是否产生悬空引用。

每次正式写入都会生成历史 checkpoint。用户可以查看历史版本、预览差异、恢复旧版本，也可以撤销最近一次 MCP changeset。AI 做得再快，也不应该拿数据模型去赌运气——能预览、能回滚，才是工程工具与演示脚本的分界线。

5. 连接真实数据库

在建立数据库连接后，EZDML MCP 还可以：

• 查询数据库、用户或 Schema；
• 列出并检查数据库对象；
• 批量逆向工程现有表；
• 比较模型与数据库，生成增量同步 SQL；
• 生成单表 DDL、DROP、查询和测试数据 SQL；
• 执行受确认保护的 SQL；
• 运行受行数限制的只读查询。

模型设计、数据库现状和升级脚本由此进入同一个工作流。需要特别强调的是：生成 SQL 与执行 SQL 是两件事。EZDML MCP 默认保留这条边界，真正修改外部数据库必须得到明确确认。

6. 从模型继续生成代码

EZDML 原有的 JavaScript、PascalScript 和代码模板能力也可以通过 MCP 使用。AI 能够查询可用模板，选择指定表批量生成代码，并获取生成日志。

这意味着工作并不止于 ER 图：经过校验的数据模型可以继续驱动 Java、C#、Pascal、前端页面、接口模型或企业自定义模板。团队仍然掌握模板和工程规范，AI 负责把重复操作串成流程。

一个真实案例：在若依模型上设计 MES

我们刚刚使用 EZDML MCP / OpenCode / DeepSeek 完成了一次完整操作：

1. 开启EZDML MCP服务：
   

2. 创建测试项目ezmcptest，并配置EZDML MCP服务地址；
   

3. 从 EZDML 官方在线示例中查找并加载若依数据模型进行扩展设计；

   • 一句话需求：请在EZDML中打开在线示例Ruoyi模型文档，以若依的组织用户角色权限为基础，新建MES模型，设计一个生产制造管理的数据表结构
     

4. 保留若依原有的部门、用户、岗位、角色和菜单权限结构；
   

5. 新建MES模型，attach 4 张若依基础权限表；
   

6. 一次性加入 16 张 MES 核心表，覆盖工位、物料、BOM、工艺路线、工序、工单、派工、报工、设备和维护；
   

7. 建立制造对象与 sys_dept、sys_user、sys_post、sys_role的关系；
   

8. 自动执行关系权重布局；

9. 完成全文件校验，结果为 0 错误、0 警告；
   

10. 保存为新的 EZDML 模型文件，并保留每个阶段的历史 checkpoint。

这项工作不仅生成了表，还落实了生产级设计中经常被忽略的内容：BOM 和工艺版本冻结、工单用料与工序快照、报工幂等，以及功能权限和数据权限的分离。

换句话说，AI 没有停在“给你一个 MES Demo”，而是沿着真实业务约束把设计推进到了可以继续评审和实施的状态。

为什么是本地的 EZDML MCP

数据模型经常包含企业最核心的业务结构。EZDML MCP 默认只接受本机请求，模型写入发生在正在运行的 EZDML 中。文件是否保存、SQL 是否执行、脚本是否运行、代码是否生成，都有清晰的权限边界。

这种本地优先的方式带来几个直接好处：

• 不需要为了使用 AI 改变原有模型文件格式；
• AI 与设计人员看到的是同一份模型和同一 revision；
• 所有修改会立即反映在 EZDML 图形界面中；
• 可以沿用已有数据库连接、脚本和代码模板；
• 历史、校验和回滚仍由建模工具负责。

AI 获得了足够的行动能力，却不需要绕开成熟工具重新发明一套建模系统。

哪些团队适合使用

EZDML MCP 特别适合以下场景：

• 需要快速梳理旧系统数据库的研发团队；
• 正在建设 ERP、MES、WMS、CRM 等复杂业务系统的架构师；
• 需要维护多模型图和共享逻辑表的数据设计人员；
• 希望从数据库模型批量生成项目代码的团队；
• 需要让 AI 参与设计，同时重视审计、校验和可恢复性的企业用户；
• 希望用自然语言完成重复建模操作，又不愿放弃专业工具控制力的个人开发者。

让 AI 从回答问题，走进工程现场

AI 的价值不应该止于“写一段看起来正确的 SQL”。真正有用的工程助手，需要理解现状、遵守边界、展示影响、完成操作，并为结果负责。

EZDML MCP 把数据库模型、图形设计、历史版本、数据库工程、脚本模板和代码生成连接到 AI 工作流中。人负责业务判断和最终决策，AI 负责分析、执行和验证，EZDML 则提供可靠的领域模型与安全边界。

当一句“请在若依基础上设计一套生产级 MES 数据结构”，能够变成一份可视、可审、可校验、可撤销的正式模型时，AI 辅助设计才真正从概念走进了工程现场。

如果你已经在使用 EZDML，不妨开启 MCP 服务，让 AI 读一读手头那份模型。也许数据库设计的下一次效率跃迁，就从这次连接开始。