做开发这几年，你大概率换过不止一种数据库：公司的主库是 MySQL，数据团队用 ClickHouse 跑分析，缓存层是 Redis，新项目上了 MongoDB，领导又说要调研 OceanBase。每多一种数据库，桌面上就多一个客户端，或者——忍受一个「什么都能连」的通用工具所带来的沉重。

「什么都能连」的代价通常有三样：庞大的安装包、一大串运行时依赖，以及随版本升级不断膨胀的内存占用。DBeaver 需要 Java 运行环境，Navicat 是商业收费软件，TablePlus 则是 Freemium 模式——免费版限制多多。于是 DBX 的作者给自己出了道题：能不能用一个 20MB 的单文件应用，把这些事全办了？

No Java JRE. No Python venv. No bundled Chromium. DBX ships as a single small binary — download, install, connect.

DBX 是一个用 Rust 编写、基于 Tauri 2 框架的跨平台数据库管理工具，前端采用 Vue 3 + TypeScript。整个应用压缩后约 20MB，安装即用，不依赖任何运行时。项目于 2026 年 4 月在 GitHub 开源，短短几个月就收获了 18,000+ Stars，还登上了 Trendshift 与 HelloGitHub 的推荐位，目前采用 Apache-2.0 协议，所有功能免费。

它提供三种形态：桌面原生应用（macOS / Windows / Linux）、Docker 自托管（团队共用一个入口），以及纯浏览器访问的 Web 版。三者的功能与连接配置保持一致——在公司电脑上配好的连接，回到家用 Web 版照样能查。

除了图形界面，DBX 还附带一套 CLI 和一个独立的 MCP Server，这一点我们后面细说，因为它可能是整个项目里最有想象空间的部分。

「支持多少数据库」是这类工具的生死线。DBX 的答案很夸张：原生支持 90 多种数据源，从主流的关系型、文档型、KV 型，到搜索引擎、向量数据库、时序数据库，甚至消息队列的管理（Kafka、Pulsar、RocketMQ）都被收进了同一个界面。

特别值得一提的是国产数据库的支持力度：达梦、OceanBase、TiDB、openGauss、GaussDB、人大金仓、GoldenDB、虚谷、崖山、GBase……在信创与国产化替代如火如荼的当下，市面上的通用客户端里，能把国产库列得这么全的可不多见。对于在国企、金融、政务行业做开发的朋友，这一项就足以让它进入候选名单。

还没完：通过 Agent 驱动配置，DBX 还能扩展连接 Snowflake、BigQuery、Hive、DB2、Neo4j、Cassandra、SAP HANA、Databricks 等，并支持任意自定义 JDBC 连接。90+ 只是底线，不是上限。

DBX 内置了 AI SQL 助手，而且是「原生」的那种——不是让你复制粘贴到某个网页对话框里，而是直接在查询编辑器中工作：选中一张表，用自然语言描述需求，SQL 就地生成；它还能解释一段看不懂的老 SQL、给出优化建议、在你执行报错后帮你修复。

模型方面相当开放：Claude、OpenAI、任何 OpenAI 兼容端点，或者用 Ollama 接本地模型——内网环境、数据敏感的团队也能用上 AI 能力。更实用的是，AI 生成的 SQL 在执行前会经过内置安全检查，先审后跑，不至于让模型一句幻觉 SQL 就把生产表给清了。

如果说 AI 助手是「锦上添花」，那 MCP 就是 DBX 押注未来的那一手。DBX 提供了一个独立的 Rust 版 MCP Server，让 Claude Code、Cursor、Windsurf 等AI 编程工具，能够通过你在 DBX 里已经配好的连接，直接查询数据库。一条命令安装：

# 无需 Node 环境的预编译二进制也可从 Release 下载
{
  "mcpServers": {
    "dbx": { "command": "npx", "args": ["-y", "@dbx-app/mcp-server"] }
  }
}

权限模型也考虑得比较周全：在 DBX 的「设置 → MCP」里，可以维护连接白名单，并把执行权限锁定为只读 / 数据读写 / 完全访问三档。也就是说，你可以放心地让 AI 只读生产库，而对开发库开放写入。一次配置，所有支持 MCP 的 Agent 处处可用——这对越来越多人「以对话方式写代码」的工作流来说，省掉的是每次都要重建一遍数据库上下文的重复劳动。

轻量不等于简陋。日常用得上的那些功能，DBX 基本都做齐了：

编辑器部分基于 CodeMirror 6，带元数据感知的自动补全（表名、字段名提示是懂你 Schema 的）、9 种主题、SQL 格式化与查询历史。界面支持简体中文、英文和西班牙语，深色模式也做得挺完整。

* 体积与授权信息来自各项目公开资料，随版本可能变化，仅供参考。DBeaver 在插件生态与企业功能上仍有深厚积累。

各平台的安装方式都很直接，从 GitHub Releases 下载，或者用包管理器：

# macOS (Homebrew)
brew install --cask dbx

# Windows (WinGet / Scoop)
winget install t8y2.dbx
scoop install dbx

# Linux (Flatpak)
flatpak install flatpark com.dbxio.dbx

# 团队自托管 (Docker)，浏览器访问 http://localhost:4224
docker run -d --pull=always --name dbx -p 4224:4224 \
  -v dbx-data:/app/data t8y2/dbx:latest

装好后的第一件事，建议去「设置」里把旧工具的连接导入进来——DBeaver 和 Navicat 的连接配置可以直接迁移，不用一个个重填。内网环境离线安装驱动，也可以先在有网的机器上下载离线驱动包再导入。

• 多库混用的后端与数据开发——一个客户端通吃关系型、NoSQL、搜索引擎、消息队列，桌面与 Web 双形态随场景切换。
• 国产化 / 信创环境的团队——达梦、OceanBase、人大金仓、openGauss 等开箱即连，还提供麒麟 V10、统信 UOS 的适配版本。
• 想把数据库接进 AI 工作流的人——内置 AI 助手 + 独立 MCP Server，从「人查库」到「Agent 查库」的路已经铺好。
• 被重型工具折磨的笔记本用户——20MB、无运行时、无遥测、支持完全离线，老机器也能轻松跑。

当然，也要说句公道话：DBX 还是一个年轻的项目（今年 4 月才开源），如果你重度依赖 DBeaver 某些企业级插件，或者需要非常复杂的团队协作审计能力，现阶段可能仍要两把刀一起用。但对绝大多数「连库、写 SQL、看数据、导数据」的日常场景，它已经足够好，而且正在以惊人的速度变得更好。

工具的进化方向，从来不是变得更大，而是变得更顺手。当 90 多种数据库被装进一个 20MB 的盒子里，也许我们终于可以把「用什么工具连库」这个问题，从心头上放下了。