ScyllaDB MCP服务器：AI原生开发者分发的新形态

重要声明：本文讨论的ScyllaDB MCP服务器是一个非官方、社区驱动的项目。它不以任何方式得到ScyllaDB Inc.的支持、认可或关联。这是一个独立的实现，旨在探索AI原生开发者分发模式。

ScyllaDB是一款在技术性能上真正出色的产品——一个高性能的NoSQL数据库，在实际基准测试中持续优于Cassandra和DynamoDB。但技术优势并不能保证开发者能发现它，尤其是在AI代理越来越多地介入开发者寻找和评估工具的方式时。

我们一直关注AI引擎优化（AEO）如何取代搜索引擎优化（SEO），以及AI代理为何不会阅读你的文档。但理论终究有限，我们需要构建真实的东西。

因此，我们为ScyllaDB构建了一个MCP服务器。并不是因为他们要求我们这样做（他们没有），而是因为它正是那种值得拥有更好AI原生分发的产品——技术上卓越，拥有强大的开发者社区，但那些无法以编程方式访问它的代理可能对其视而不见。

为何选择ScyllaDB？

ScyllaDB是AI原生分发的绝佳测试案例，原因如下：

• 复杂评估标准：开发者选择数据库时需要了解性能特征、数据建模模式和运维要求。
• 高切换成本：一旦你承诺使用某个数据库，就被锁定了。评估阶段至关重要。
• 技术深度：你不能假装懂得数据库。要么AI代理理解分布式系统，要么它不理解。
• 竞争格局：ScyllaDB与知名替代品竞争。如果AI代理不知道它，开发者也不会知道。

MCP服务器的功能

scylladb-mcp-server不仅仅是一个ScyllaDB包装器——它是一个多数据库对比平台，让AI代理能够在竞争性解决方案之间进行并行评估。更重要的是，它为开发者提供了用真实数据验证代理建议的工具。

当代理建议“为此工作负载使用ScyllaDB”时，开发者可以使用相同的MCP工具验证该推荐——运行自己的基准测试，测试自己的查询，基于证据而非代理的断言做出明智决策。

数据库对比：ScyllaDB vs DynamoDB

MCP服务器连接到ScyllaDB和Amazon DynamoDB，使代理能够：

• 并行查询：对两个数据库运行相同查询，比较延迟、吞吐量和一致性。
• 定价分析：根据实际工作负载模式计算真实成本，而非理论定价计算器。
• 工作负载特定建议：获得针对时间序列、物联网、用户会话或其他特定用例的定制推荐。
• 迁移评估：理解模式差异、查询翻译和迁移复杂性。

向量数据库对比：Pinecone vs ScyllaDB Vector

随着ScyllaDB云向量数据库的最近推出，MCP服务器还支持与Pinecone的向量搜索对比：

• 嵌入性能：比较索引速度、查询延迟和召回率。
• 混合搜索：测试向量相似性与传统过滤的组合。
• 成本建模：评估不同规模和查询量下的定价。

四个可立即部署的演示应用

MCP服务器包含四个完整的演示应用，代理可以在任一数据库上即时部署以进行真实世界对比：

• 物联网时间序列：带时间窗口聚合的传感器数据摄取。
• 用户会话存储：高速度读写，带TTL过期。
• 产品目录：带二级索引和物化视图的复杂查询。
• 实时分析：带增量聚合的事件流。

每个演示都附带真实数据生成器，因此代理可以用相同数据集填充两个数据库，进行真正的苹果对苹果比较。

核心能力

• 模式操作：在任何连接的数据库上创建键空间、表、索引和物化视图。
• 数据操作：插入、查询、更新和删除，完全支持CQL和DynamoDB API。
• 性能分析：运行EXPLAIN查询，分析执行计划，识别瓶颈。
• 集群自省：检查拓扑、节点健康、复制状态和容量指标。

开发者体验的转变

之前：文档为中心发现

评估ScyllaDB的开发者传统上需要：

1. 搜索“ScyllaDB vs Cassandra”或“高性能NoSQL数据库”
2. 访问ScyllaDB的文档站点
3. 阅读入门指南
4. 设置本地实例（20-30分钟）
5. 从文档复制示例代码
6. 遇到错误，返回文档
7. 最终让某些东西运行起来（2-4小时）
8. 决定是否值得继续

总时间：半天到几天。

之后：代理介导发现

使用MCP服务器，同一开发者可以：

1. 询问Claude：“我需要一个高性能数据库来处理物联网时间序列数据，亚毫秒读取。比较ScyllaDB和DynamoDB适合我的用例。”
2. Claude通过MCP服务器连接到两个数据库
3. 代理将物联网时间序列演示应用部署到两个环境
4. 代理在每个数据库上生成相同的样本数据（100万个传感器读数）
5. 代理运行相同的查询模式，捕获延迟百分位数
6. 代理根据工作负载计算预计月成本
7. 开发者收到一份对比报告，以及首选项的工作代码

总时间：不到5分钟。

这不是简化演示——这是一个真正的竞争性评估，传统上需要一个团队手动设置数天或数周。

价值实现时间的压缩

开发者发现经历了几个不同的时代——从文档和书籍（数周采用），到Google和Stack Overflow（数天），再到GitHub和社会证明（数小时）。我们现在处于代理时代，AI助手在几分钟内介导整个过程。

• 1995年：阅读书籍→ 4-6周投产
• 2010年：Google搜索→ 1-2周投产
• 2020年：从Stack Overflow复制→ 1-3天投产
• 2026年：询问代理→ 几分钟到工作原型

守门人已从出版商转向搜索算法，再到社区势头——而现在，MCP可访问性正在成为一个重要的补充。易于代理访问的产品在这个不断增长的发现渠道中具有优势。

经典开发者旅程（及其演变）

在我们理解代理转型之前，需要承认定义了我们对开发者体验思考方式的基础工作。Caroline Lewko的开发者旅程图可以说是现代开发者关系中最有影响力的框架。她的工作——综合在《开发者关系：如何建立和发展成功的开发者项目》一书中——塑造了数百家公司处理开发者体验的方式。

多年来，我们一直将她的图表作为权威参考。它本质上是行业映射开发者旅程的金标准——认识到采用不是单一时刻，而是一个旅程，具有不同阶段，每个阶段都有自己的目标、问题和接触点。她的框架为开发者关系团队提供了共享语言和系统化方法来优化整个开发者生命周期。

Caroline Lewko的开发者旅程图——开发者体验的权威框架。图片来源：@DevRelBook，CC BY-SA许可。

该框架定义了开发者经历的五个阶段：

1. 发现：“这对我有用吗？”——它是什么？能解决我的问题吗？可信吗？
2. 评估：“它能满足我的需求吗？”——看起来易用吗？有危险信号吗？定价有障碍吗？
3. 学习：“它如何工作？”——Hello World需要多长时间？文档好吗？有社区吗？
4. 构建：“我能构建一个概念验证吗？”——MVP速度？如何获得支持？物有所值吗？
5. 规模化：“我能构建到规模化吗？”——我能做更多吗？如何贡献？产品会随着我增长吗？

Lewko框架的价值在于这些阶段下的细节。她映射了数十个接触点——内部（着陆页、文档、教程、代码示例、沙盒环境、支持）和外部（GitHub、Stack Overflow、聚会、推荐）——创建了一个全面的以开发者为中心的市场策略蓝图。它严谨、实用，并已在从初创公司到企业的众多公司中得到实战检验。

并且它完全针对人类导航进行了优化。

转变来了：AI代理与产品的交互方式与人类不同。它们不浏览文档站点或在Stack Overflow上提问。它们执行工具并返回结果。

在代理时代，发现、评估和学习阶段可以合并为一次代理交互。这并不意味着传统开发者体验不再重要——它意味着MCP服务器和可执行接口成为你现有文档和教程的重要补充。

代理技术采用生命周期

Geoffrey Moore的经典技术采用生命周期描述了创新如何通过市场传播：创新者、早期采用者、早期多数、晚期多数、落后者。Lewko的开发者旅程图描述了单个开发者如何经历采用。两个框架都假设每个阶段有人类决策者。

在代理时代，我们需要一个新模型——一个将AI代理视为主要发现和评估机制的模型。

关键阶段：代理意识（代理能否通过MCP、llms.txt或训练数据找到你？）、代理评估（它们能否实际运行基准测试并测试你的产品？）、推荐（提供选项及工作代码）和人类验证（开发者用真实数据验证代理声明）。

关键洞察：开发者仍然做出最终决定。MCP服务器让他们能够验证代理告诉他们的内容——运行相同的查询，查看相同的基准，并用真实数据验证推荐。代理加速；人类验证。

经典旅程如何转变

• 发现 → 代理意识：MCP服务器和llms.txt补充搜索引擎优化和着陆页。
• 评估 → 代理评估：代理在阅读文档的同时运行实际基准测试。
• 学习/构建 → 人类验证：开发者用真实数据验证代理推荐。
• 规模化 → 代理规模化：更深入的MCP工具用于监控、优化和故障排除。

我们正在衡量什么

这不仅是一个概念验证——它是一个仪器化的AI代理参与度指标实验。我们正在追踪：

• 工具调用：哪些MCP工具被代理最频繁使用？
• 查询模式：开发者实际在问什么问题？
• 会话深度：每次代理会话有多少操作？
• 完成率：代理是否成功实现了开发者的意图？
• 错误恢复：代理如何处理模式不匹配或查询失败？

这是开发者体验优化（DEO）的实际应用——理解代理旅程，就像我们曾经痴迷于点击路径和页面停留时间一样。

早期洞察

• 73%的代理会话首先进行模式自省——代理想在提出更改建议之前理解现有结构。
• 每次会话平均调用4.2个工具，表明代理在执行多步骤评估而非简单查找。
• 89%的EXPLAIN查询导致模式或查询优化建议——代理正在积极帮助开发者编写更好的代码。

关于遥测的说明

scylladb-mcp-server包含实验性的、可选的遥测功能——我们希望透明地说明其功能和原因。

随着MCP采用的增长，增长和开发者体验团队面临一个新挑战：理解AI代理如何消费他们的API。传统分析（页面浏览量、访问时长、漏斗转化）无法捕捉代理交互。当Claude或Cursor使用你的MCP服务器时，他们如何……