数据分析类 Skills 榜单

先给清单：十条，装法都在下面

怎么装（命令抄自各自官方页面）

# ①②③ 官方市场，Claude Code 首次交互启动时自动添加；没有就手动加
/plugin marketplace add anthropics/claude-plugins-official
/plugin install duckdb-skills@claude-plugins-official
/plugin install bigquery-data-analytics@claude-plugins-official
/plugin install clickhouse@claude-plugins-official
/plugin install clickhouse-best-practices@claude-plugins-official

# ④ 二进制 / brew / npm 三种装法，配置在 tools.yaml
brew install mcp-toolbox
npx -y @toolbox-sdk/server --prebuilt=postgres --stdio   # 先拿预置工具试水
./toolbox --config "tools.yaml"                          # 正式用法：自己定义工具

# ⑤ 生产库务必带 restricted：只读事务 + 执行时间上限
pipx install postgres-mcp
postgres-mcp --access-mode=restricted

# ⑥ 一个网关连 Postgres/MySQL/SQL Server/MariaDB/Oracle/SQLite
npx @bytebase/dbhub@latest --transport http --port 8080 \
  --dsn "postgres://user:password@localhost:5432/dbname?sslmode=disable"

# ⑦ 不给 token 就是纯本地 DuckDB；只读就别加 --read-write
uvx mcp-server-motherduck --db-path :memory: --read-write --allow-switch-databases

# ⑧ 默认走它的公共出图服务，介意就自部署后指 VIS_REQUEST_SERVER
npx -y @antv/mcp-server-chart

# ⑨ 官方文档四件套：xlsx / docx / pptx / pdf 一起装
/plugin marketplace add anthropics/skills
/plugin install document-skills@anthropic-agent-skills

# ⑩ 先起 JupyterLab，再挂 MCP
uvx jupyter-mcp-server@latest

# 装完立刻做这件事
/skill-doctor    # 看每个 skill 的 context 成本与调用频次

逐条说人话

• ① duckdb-skills（官方市场，作者署名 DuckDB Foundation）：官方目录里对它的描述是「读任意数据文件、挂载并查询 DuckDB 数据库、检索 DuckDB/DuckLake 文档、检索历史会话日志、安装与更新 DuckDB 扩展」。这是全场门槛最低的一条——一堆 CSV/Parquet 扔在目录里就能开 SQL，不用连任何服务。什么时候别装：你的数据只在云数仓里，本地一个文件都没有。
• ② bigquery-data-analytics（官方市场，作者署名 Google LLC）与 looker（同作者）：一个直连 BigQuery 数据集，一个连 Looker 并用 LookML 说话。后者值得单独注意：LookML 就是一份写下来的口径——你要是已经有 Looker，口径层这件事你比别人先解决了一半。
• ③ clickhouse（官方市场，作者署名 ClickHouse）：浏览组织/服务/库/表结构，跑只读 SQL，还能看备份与账单。同厂另有 clickhouse-best-practices——28 条按影响排序的建表、查询与写入规则，它不连库，只改模型的写法。自托管 ClickHouse 用 ClickHouse/mcp-clickhouse（据 GitHub 仓库页，2026-09 为 877 星，Apache-2.0；默认 CLICKHOUSE_ALLOW_WRITE_ACCESS=false）。
• ④ MCP Toolbox for Databases（据 GitHub 仓库页，2026-09 为 16.5k 星，Apache-2.0）：本榜星最多，也是唯一一个正面解决口径问题的。它的主张写在 README 里——比起放开通用 SQL，自定义工具给的是受限访问、结构化查询与语义检索，靠预定义逻辑而不是让模型现编查询来保证安全。你在 tools.yaml 里把「月活怎么算」定义成一个带参数的工具，模型只能调它，编不出第二种算法。覆盖 AlloyDB、BigQuery、Cloud SQL、Spanner、Postgres、MySQL、SQL Server、Oracle、MongoDB、Redis、ClickHouse、Snowflake、Trino 等。什么时候别装：你只是临时查一次——写 YAML 的成本比那次查询高。
• ⑤ Postgres MCP Pro（据 GitHub 仓库页，2026-09 为 3.3k 星，MIT）：它不只是「能跑 SQL」，而是把 DBA 那套搬了过来——索引健康、缓冲区命中、vacuum 状态、复制延迟的体检；用工业级算法找缺失索引；EXPLAIN 加假设索引模拟（不真建索引就估收益）。两档权限写得很清楚：unrestricted 给开发机，restricted 是只读事务加执行时间上限、给生产。生产库上没有第二个选项。
• ⑥ DBHub（据 GitHub 仓库页，2026-09 为 3.6k 星，MIT）：一个网关连 Postgres、MySQL、SQL Server、MariaDB、Oracle、SQLite 六种。工具面很克制——execute_sql、search_objects，explain_sql 与 health_check 要显式开；还能配自定义参数化 SQL 工具（和④同一个思路的轻量版）。README 明写护栏是「只读模式、行数上限、查询超时」三件套；诚实交代：它的参数文档站本期被出口策略挡住，确切 flag 名本期不抄，装前自己看它的 Command-Line Options 页。
• ⑦ mcp-server-motherduck（据 GitHub 仓库页，2026-09 为 523 星，MIT）：本地文件、内存库、S3 上的数据、MotherDuck 云端，同一把 SQL 全能查，不给 token 就是纯本地。和①的区别是①是一组 skill（指令层），它是 MCP server（工具层）——两个都装会在「查本地文件」这件事上打架，挑一个。
• ⑧ mcp-server-chart（据 GitHub 仓库页，2026-09 为 4.4k 星，MIT）：26 种以上图表——桑基、漏斗、小提琴、鱼骨、思维导图、网络图都在内。两条必须知道的边界：默认调用它提供的免费出图服务，即你的数据出网，介意就自部署再用 VIS_REQUEST_SERVER 指过去；地图类图表依赖高德，只在中国境内可用。
• ⑨ 官方 xlsx skill（document-skills 插件里）：产出层里最该装的一个，因为它把「不坏文件」写成了硬规矩——必须写公式而不是把 Python 算出的结果硬编进去；写完公式必须跑 scripts/recalc.py（调 LibreOffice 真算一遍），报告 errors_found 不为零就不许交付；XLOOKUP / FILTER / UNIQUE 这类明令禁用（LibreOffice 算不了），改用 INDEX/MATCH。最值得抄进你自己规范的一条：所有假设与硬编码数字必须用单元格批注写明出处。
• ⑩ jupyter-mcp-server（据 GitHub 仓库页，2026-09 为 1.3k 星，BSD-3-Clause）：让模型在真实的 notebook 里建单元格、执行、读输出，而不是在对话里空想代码。代价是要先起 JupyterLab、装协作插件，版本约束也多。什么时候别装：你没有 notebook 工作流，那 duckdb 加一个 Bash 就够了。

为什么这十条不能混着比：它们是四层，而最底下那层没人卖

最常见的装法是只装中间两层：连上了库、出得了图，然后每次问同一个指标得到不一样的数。原因不在模型笨，在于它面对的是一个有几千列、没人写过定义的库。企业级 text-to-SQL 的基准 Spider 2.0（ICLR 2025 Oral）把这件事量化了：据其仓库 README（论文口径，2024-11），当时最强的 LLM 在 Spider 2.0 上只解出 6.0%，而同样的模型在 Spider 1.0 上是 86.6%、BIRD 上是 57.4%。三个数放一起才是重点——不是模型不会写 SQL，是真实企业库里「问题→SQL」这一步本来就没有唯一解。（该基准 2026 年榜上的分数已经显著高于这个数；其官网本期被出口策略挡住，未能核现值，故只给论文口径的原数与日期。）

所以这一类的选型顺序和别的类别是反的：先决定口径写在哪，再挑工具。三条真实可走的路，都在上面点过名：④ 的 tools.yaml——把指标定义成带参数的工具，模型只能调、不能改算法；⑥ 的自定义参数化 SQL 工具——同一思路的轻量版；已经有 Looker 的直接用官方 looker 插件，LookML 本身就是一份可执行的口径。三条都走不了，就退到最土的一条：在 CLAUDE.md 里写死几条口径与禁用表，再让 ⑨ 的规矩替你留痕——假设必须写成批注。

⑧⑨ 之所以单列一层，是因为它们只管「好不好看 / 坏不坏文件」，完全不管数字对不对。一张桑基图可以把错误的口径画得非常专业。

三分钟验货：打开 README 就能答的六个问题

1. 默认是不是只读？ 答得最好的是 ⑤（--access-mode=restricted 给只读事务加执行时间上限）与 mcp-clickhouse（CLICKHOUSE_ALLOW_WRITE_ACCESS 默认 false）；⑦ 的写权限是你自己加 --read-write 加上去的；mcp-alchemy 这一格是空的。
2. 有没有行数上限与查询超时？ 没有的话，一句 SELECT * 就能把上下文窗口和数据库连接池一起打满。⑥ 明写有这两道护栏。
3. schema 怎么进 context？ 是启动时把全库表结构灌进来，还是按需查（⑥ 的 search_objects、③ 的浏览表结构）？几千列的库用前一种，等于每轮都在烧钱。
4. SQL 看不看得见？ 它必须把实际执行的 SQL 亮出来给你审。看不到 SQL 的数据工具，等于让你签一份看不到条款的合同。
5. 数据出不出这台机器？ ⑧ 默认走公共出图服务；① ⑤ ⑥ ⑦ ⑩ 都在本地跑。这一条决定了你能不能拿它碰生产数据。
6. 口径能不能钉死？ 只有 ④ ⑥ 和 looker 这一格是实的。其余的都指望模型每次现编，而它每次都可能编得不一样。

诚实的代价：这一类最不该整套照搬

三笔账

• 工具位与 context 税：接入层每接一个 server 就多一批工具描述常驻每一轮。④⑤⑥⑦ 全装的人不少，实际上你只需要其中一个。装完跑一次 /skill-doctor，看谁在白拿钱。
• 权限：图省事开了写权限，模型某次把 DELETE 当成清洗步骤跑了，这件事没有撤销键。只读是默认值，不是可选项。
• 静默错误：这一类最贵的失败模式没有报错——列名选错、口径取错、过滤条件少一条，查询照样成功返回。①⑦⑩ 都不会替你发现这件事，⑧ 还会把它画成一张漂亮的图。

不装任何东西，你还能怎么办

1. 导出 CSV，交给官方 xlsx skill。 不连任何库，也就没有任何权限风险，而它的公式校验闭环照样生效。
2. 一个 duckdb CLI 加 Bash 就是执行层。 ① 的价值主要在便利和文档检索，不在能力。
3. 先写口径，再谈工具。 把你最常问的五个指标的定义写进 CLAUDE.md，连表名和禁用表一起写死——这一步比装任何一个 server 都值钱，而且零成本。