Lovrabet MCP 是 CLI 1.x 的配套方案，已不再维护。Rabetbase CLI 2.0 内置 Skills，AI 原生设计，无需依赖 MCP。请参考 Rabetbase CLI 2.0 文档。
为什么是 Lovrabet MCP？
AI 时代的研发分水岭，不是"AI 会不会写代码"，而是"AI 有没有拿到你的业务模型、规则约束和执行入口"。
如果 AI 只会补全代码，它最多只是一个更快的编辑器。 如果 AI 能读懂你的业务模型，知道该调哪个 SDK、该生成什么 SQL、该如何保存 BFF、该遵循什么规则，它才真正开始进入研发主流程。
Lovrabet MCP 做的，就是把这些能力交给 AI。
AI 时代，研发接口正在变化
传统研发时代，开发者直接面向这些东西工作：
- 数据库表
- 后端接口
- SQL 脚本
- BFF 脚本
- 前端页面
- 文档和约定
AI 时代，上面的对象没有消失，但它们需要先被转换成 AI 可理解、可调用、可验证的上下文层。
真正高效的 AI 研发，不是让 AI 凭经验猜业务，而是让业务系统本身成为 AI 的研发接口。
这就是 MCP 的价值。
Lovrabet MCP 解决的不是"查数据"，而是"AI 不懂业务"
当你在 Cursor、Claude Code 里让 AI 帮你开发时，真正的问题通常不是语法，而是上下文。
AI 不知道：
- 你的业务模型里有哪些数据集
- 字段的真实名称、类型、必填约束是什么
- 哪些字段是枚举，值域是什么
- 多表之间如何关联
- 某个需求应该写成 SDK 查询、BFF 脚本，还是 SQL
- 生成之后该如何保存回系统并继续验证
所以没有业务上下文时，AI 常见的产出是：
- 表名猜错
- 字段名猜错
- 枚举值猜错
- SQL 写得像对，其实跑不通
- BFF 能生成，但不符合运行规范
- SDK 调用看起来合理，参数结构却是错的
这不是 AI 不够聪明，而是企业研发天然不是一个只靠通用知识就能完成的任务。
Lovrabet MCP 给 AI 的，不只是元数据，而是业务研发能力
Lovrabet MCP 的核心价值，是把 Lovrabet 平台中的业务结构、执行能力和研发约束一起交给 AI。
1. 业务模型层
AI 可以获得：
- 数据集列表
- 字段定义
- 必填、主键、枚举等约束
- 数据关系和操作信息
这意味着 AI 不是在猜"可能有个 customerName 字段"，而是在使用真实存在的 customer_name、status、customer_id。
2. SQL 层
AI 不只是生成 SQL。
它可以沿着完整闭环工作：
- 查询已有 SQL
- 基于真实数据结构生成 SQL
- 验证 SQL 内容
- 保存或更新 SQL
- 执行 SQL 验证结果
这很关键。因为在企业场景里，真正耗时的不是"写一段 SQL"，而是"确认它基于真实结构、能保存、能复用、能跑通"。
3. BFF 层
很多企业研发不是直接改后端主服务，而是通过 BFF 承接业务编排、权限逻辑和接口聚合。
Lovrabet MCP 让 AI 不只是写函数样例，而是能围绕 BFF 做完整动作：
- 理解业务模型和字段语义
- 生成符合规范的脚本
- 保存回平台
- 清理运行时缓存
这意味着 AI 能真正参与"写完并落地"，而不是只在聊天框里给你一段示例代码。
4. SDK 与页面开发层
Lovrabet MCP 还能把正确的调用方式直接交给 AI：
- 应该用
filter()而不是过时接口 where需要操作符而不是直接写值select、orderBy、currentPage、pageSize的结构是什么- 字段类型、枚举值、查询条件应该如何组合
这会直接影响页面开发、列表查询、表单生成、条件筛选、数据看板等前端场景的准确率。
普通数据库 MCP 解决的是"连接问题"，Lovrabet MCP 解决的是"理解和执行问题"
| 维度 | 普通数据库 MCP | Lovrabet MCP |
|---|---|---|
| 目标 | 让 AI 连接数据库 | 让 AI 参与业务研发 |
| 上下文 | 表和字段 | 业务模型、字段语义、约束、操作 |
| 关系理解 | 依赖外键和人工描述 | 基于数据集定义与业务结构理解 |
| SQL 能力 | 生成查询片段 | 生成、验证、保存、执行闭环 |
| BFF 能力 | 基本没有 | 生成、保存、运行链路可打通 |
| SDK 能力 | 需要人工查文档 | 可直接生成正确调用代码 |
| 价值 | 辅助查询 | 驱动研发 |
一句话概括：
普通 MCP 让 AI 看见数据。 Lovrabet MCP 让 AI 看见业务系统，并对业务系统动手。
这会改变 AI 时代的研发模式
未来的高效研发，不会是"人写代码，AI 帮忙补全"。 更现实的模式会是：
- 业务模型先被平台结构化
- MCP 把业务模型和执行能力暴露给 AI
- AI 基于真实上下文生成查询、页面、BFF、SQL
- AI 继续完成验证、保存、更新等动作
- 人负责目标、约束和最终判断
在这个模式里，业务系统不再只是运行时系统，也成为研发时系统。
Lovrabet MCP 的意义正在这里：
- 它把业务知识变成 AI 可调用资产
- 它把研发规范变成 AI 可执行约束
- 它把 SQL、BFF、SDK、页面开发连成一个闭环
这不是"多一个 AI 插件"，而是在把企业研发从"AI 辅助"推进到"AI 参与"。
没有 Lovrabet MCP，AI 只能帮你写代码
有了 Lovrabet MCP，AI 才开始帮你做业务研发。
| 没有 Lovrabet MCP | 有 Lovrabet MCP |
|---|---|
| AI 靠猜字段、表名和关系 | AI 基于真实业务模型工作 |
| 生成代码后还要人工大幅修正 | 生成结果更接近可直接落地 |
| 会写 SQL，但不一定对、不一定能保存 | SQL 可以走完整闭环 |
| 会写函数样例，但不一定接得进系统 | BFF 可以真正保存并参与运行 |
| 像一个通用编程助手 | 像一个理解业务的研发搭档 |
对于开发者，这意味着更少猜测、更少调试、更快交付。
对于技术负责人和产品负责人，这意味着企业的业务模型、研发规范和系统能力，终于可以被 AI 直接复用，而不是每次都从聊天开始重新解释。
下一步
把你的 Lovrabet 应用接入 MCP，让 AI 不只是知道怎么写代码，而是知道该为你的业务写什么代码。
开始使用：