再见Navicat！仅15MB大小，搞定40+种数据库，自带AI+MCP，体验丝滑到爆
一航约 6 分钟说实话，数据库管理工具这玩意儿，我一直觉得没啥好选的。 要么笨重，启动得等半天，内存比你的项目还吃得多；要么死贵，要么只支持 macOS。行吧，Windows 和 Linux 用户不配拥有好体验。 直到前两天刷 GitHub Trending，看到一个叫 dbx 的项目——15MB，40+ 种数据库，还内置了 AI 和 MCP。
◇ dbx 是什么
一句话：15MB、开源、跨平台的数据库管理客户端，支持 40+ 种数据库。 项目地址：github.com/t8y2/dbx，目前 4.6K Star，开源协议 AGPL-3.0，所有功能免费，没有付费墙。 它不是只有桌面版——还有 Web 版、Docker 自托管版、CLI 命令行版，甚至内置了 MCP Server，能让 AI 编程助手直接读你的数据库。五种形态，一个工具。
◇ 横向对比
DBeaver 胜在生态成熟、插件多，什么冷门数据库都能找到驱动；Navicat 胜在交互打磨得极致，很多细节体验确实好。dbx 胜在轻量、快、有 AI 和 MCP，而且是完全免费开源的。
◇ 为什么能做到 15MB
DBeaver 安装包 400MB 起步（还不算 JRE），Navicat 200MB+，DataGrip 就更别提了。dbx 一个二进制文件，双击打开，不用装 JDK、不用装 Python、不用装 Node。 技术栈是关键：Rust + Tauri 2 + Vue 3。Rust 写后端驱动层，Tauri 2 直接调系统原生 WebView 做渲染，不打包 Chromium。 DBeaver 为什么慢？跑在 JVM 上的 Eclipse RCP，启动要加载几百个插件。Navicat 虽然 C++ 写的，二十年代码债堆在那。dbx 作为新项目，没有历史包袱。
同样的查询在 DBeaver 上，等了 3 秒才出结果，滚动还有半秒延迟。工具响应快慢直接影响效率，查东西等 3 秒和等 0.5 秒，脑子里的思路是完全不同的状态。
◇ 支持哪些数据库
40+ 种，基本你能想到的都覆盖了： 关系型：MySQL、PostgreSQL、SQLite、SQL Server、Oracle、MariaDB、TiDB、OceanBase、CockroachDB、Access
NoSQL：Redis、MongoDB、Elasticsearch
OLAP：ClickHouse、DuckDB、Doris、StarRocks、SelectDB、Redshift
国产数据库：达梦（DM）、人大金仓（KingBase）、openGauss、GaussDB、HighGo
通过 JDBC 扩展：H2、Snowflake、Trino、Hive、DB2、Neo4j、Cassandra、BigQuery 等
以前我开三个软件：DBeaver 连 MySQL，RedisInsight 看缓存，MongoDB Compass 查文档。现在一个窗口全搞定。
◇ 核心功能
查询编辑器
用的是 CodeMirror 6，SQL 语法高亮、自动补全、Cmd+Enter 执行、选中部分执行，这些基本操作都有。 有个细节我觉得挺实用：自动补全是元数据感知的。连上数据库后，表名、字段名会被索引，打几个字母就弹出来，不用翻左边的目录树。 还有 SQL 格式化、9 种编辑器主题、查询历史、SQL 片段保存、标签页恢复等功能。
数据表格
用了虚拟滚动，查几十万行也不卡。支持行内编辑，改完的数据会按颜色标记：绿色=新增，橙色=修改，红色=删除。批量保存前还能预览要执行的 SQL，比 DBeaver 那种直接改直接提交的方式安全。
导出格式也很全：CSV、JSON、Markdown、XLSX、INSERT 语句。导出走 Rust 后端流式处理，大表导出不会卡 UI。
Schema 工具
这些功能 Navicat 得加钱买 Premium 版才有。
文件预览
直接把 CSV、JSON、Parquet 文件拖进窗口，dbx 用内置的 DuckDB 引擎预览内容，不用先导入数据库。临时看个数据文件非常方便。
专门的浏览器
Redis 有专门的浏览器页面：key 模式搜索、批量操作、命令执行、TTL 编辑，支持所有数据类型。 MongoDB 也有：文档 CRUD、分页、Atlas 和副本集连接。
◇ AI 集成——不是贴个聊天框那么简单
很多数据库客户端现在也号称"集成 AI"，做法就是嵌个聊天窗口，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 助手是嵌在编辑器里的：
支持 OpenAI、Claude、DeepSeek，也兼容 Ollama 本地模型。自己带 Key，数据不出你指定的 endpoint。 说实话，AI 功能的准确率取决于你用的模型本身，不是 dbx 的功劳。它真正做对了两件事：把 Schema 上下文塞进 prompt 里（所以生成的 SQL 表名字段名是对的），以及生成后帮你做安全检查。这两点正是我们在 ChatGPT 网页里写 SQL 最痛苦的——你得先把表结构抄过去，然后祈祷它别给你瞎改。
◇ MCP Server——AI 编程工具直接连你的数据库
这个功能是我觉得最有想象力的。 dbx 内置了 MCP Server（Model Context Protocol）。你在 dbx 里配好的数据库连接，可以直接被 Claude Code、Cursor、Windsurf 这些 AI 编程工具调用。 启动就一行命令：
npx @dbx-app/mcp-server
然后在 .mcp.json 里配置：
{
"mcpServers":{"dbx":{"command":"npx","args":["-y","@dbx-app/mcp-server"]}}
}
配好之后，你在 Cursor 里跟 AI 说"帮我查一下 users 表里最近 7 天注册的用户数量"，AI 可以直接通过 dbx 的 MCP 服务连上你的数据库、执行查询、把结果拿回来。不需要手动导出数据再丢给 AI。 支持列出连接、浏览表、执行 SQL，还能直接在 dbx 的 UI 里打开表。
◇ CLI 工具
dbx 还提供了 CLI：
npm install -g @dbx-app/cli
dbx connections list --json
dbx query local"select 1" --json
适合写脚本和自动化场景。比如 CI/CD 里跑完部署后自动验证数据库连接是否正常。
◇ 快速上手
桌面版安装： macOS：
brew install --cask dbx
Windows：
scoop bucket add dbx https://github.com/t8y2/scoop-bucket
scoop install dbx
也可以直接去 GitHub Releases 页面下载安装包。macOS 首次打开如果提示安全问题，跑一下：
xattr -cr /Applications/dbx.app
Docker 部署（来自官方 README）：
docker run -d --name dbx -p 4224:4224 -v dbx-data:/app/data t8y2/dbx
浏览器打开 http://localhost:4224 就是完整的 Web 版，功能跟桌面端一致。amd64、arm64 都支持，树莓派上也能跑。 用 docker-compose 的话，项目自带了 deploy/docker-compose.yml，拿过来直接用。
◇ 总结
dbx 在"又快又小还能干活"这个维度上，目前的开源选项里排第一梯队。15MB 的体积，40+ 种数据库，内置 AI 助手和 MCP，Docker 一行命令就能自托管，AGPL-3.0 协议完全免费。如果你受够了数据库客户端的启动速度和资源占用，值得花十分钟装上试试。
GitHub 地址：
https://github.com/t8y2/dbx官网：
https://dbxio.com/