Marmot治理化查询实战:AI Agent没有数据库密码也能安全执行SQL

原创2026-11-13 11:36:441,977 阅读

Marmot治理化查询实战:AI Agent没有数据库密码也能安全执行SQL

Marmot 是一个开源的数据目录(Data Catalog)项目,它为 AI Agent 提供了一条"治理化查询"通道:把数据库的表、主题、队列和 API 编目后,Agent 只需调用 Marmot 的 query_data 接口执行只读 SQL,Marmot 在语句到达数据库之前先校验调用者权限,全程无需把数据库密码交给 Agent。本文带你完整走通这条安全链路 🔐。

为什么 AI Agent 不该直接持有数据库密码

传统做法是给每个 Agent 配一套数据库账号,问题随之而来:

  • 密码扩散:Agent、CI、脚本到处复制连接串,泄露面不可控;
  • 权限失控:数据库账号通常是"能读全库",无法按人、按 Agent 区分;
  • 无法审计:一条 SQL 是 Agent 跑的、还是人跑的,事后说不清。

Marmot 的思路是把"查数"收拢到一处:谁在问先过 Marmot 的权限体系,怎么跑由数据源插件以只读方式执行,跑了什么全部记录进查询审计日志(Query Audit)。

数据查询的设计细节见 data-queries.md,执行操作见 query-data.md。

Marmot 安全执行 SQL 的 5 个步骤

每条查询在 Marmot 内部都经历同一条受控链路:

  1. 身份识别:人在 Query 页面、Agent 走 MCP、脚本走 CLI,提交 SQL 并指明数据源;
  2. 权限校验:Marmot 检查调用者是否持有 assets:query 权限,没有权限的调用在语句到达数据源之前就被拒绝(源码见 policy.go);
  3. 只读规划:插件先对语句做只读检查,PostgreSQL 插件会打开一个始终回滚的 READ ONLY 事务执行(见 query.go),DuckDB 则以只读方式打开文件并关闭外部访问;
  4. 用数据源自身凭据执行:数据库密码只存在于 Marmot 的 pipeline 配置中,加密存储、API 永不返回,Agent 拿不到;
  5. 行附带上下文返回:结果行之外,Marmot 同时返回目录里对这些表的描述、owner、含个人数据的列,让 Agent 拿到的是"带语义的数据"。

同时还有硬性护栏:

配置项 默认值 作用
query_timeout 60 秒 超时自动取消查询
max_rows_default 1,000 行 未指定上限时的返回行数
max_rows_cap 10,000 行 任何查询可返回的最大行数

写入、DDL、多语句混合一律被拒(报错 only read queries can run through Marmot)。Marmot 不存储查询结果行,只记录审计元数据。

第一步:为数据源开启查询

只有标记 Supports querying 的插件(PostgreSQL、MySQL、BigQuery、ClickHouse、Trino、DuckDB 等)才能应答查询:

  1. 打开 Plugins 页面,选中目标 pipeline;
  2. 选择 Edit pipeline,在 Answer queries 下打开 Let agents and people query this source;
  3. 保存。开启此开关需要 access:manage 权限。

Marmot 连不到的数据源(如私有网络中的库),可以把插件部署在网络内部反向应答查询,见 serving-plugins.md。

第二步:给 Agent 一个"只读分析师"身份

Marmot 用 resource:action 形式的权限管理访问,查询相关的有三个:

权限 作用 默认持有者
assets:query 对可查询数据源执行只读 SQL admin
access:view 查看所有人的查询审计 admin
access:manage 决定哪些数据源应答查询、取消查询 admin

最佳实践不是给 Agent 用你的个人 API Key,而是创建专属服务账号(Service Account):

  1. 进入 Settings → Service accounts → Create service account,按用途命名(例如 support-triage-agent);
  2. 为它创建一个自定义角色,只授予 assets:query(以及按需的 assets:view、glossary:view),不授予任何 manage 权限;
  3. 为该账号创建 API Key,建议设置 90 天过期,便于轮换。

服务账号管理界面如下,每个账号都能看到它的角色、最近使用时间和状态:

Marmot 服务账号管理界面:为 AI Agent 分配独立的只读查询身份与权限角色

角色与权限的完整说明见 access-control.md。

这样即使 Agent 被诱导执行恶意指令,它也没有写权限;想停用某个 Agent?直接吊销它自己的 Key 即可,不影响其他人。

第三步:Agent 通过 MCP 执行 SQL

Marmot 内置了 MCP server(地址为 https://<your-marmot-server>/api/v1/mcp)。把 Agent 客户端指向它并填入服务账号的 API Key 后,Agent 就获得了两组查询工具:

  • list_queryable_sources:列出当前身份能查询的数据源;
  • query_data:执行一条只读 SQL,参数只有 source、statement、max_rows。

工具返回的不只是数据行,还有目录中对所读表的描述与标签(源码见 query_tools.go)。如果权限不足,Marmot 返回的不是裸错误,而是带引导的说明:告诉 Agent "缺哪个权限、该提示用户找管理员申请",而不是教它绕路。

在 Query 工作区中,人可以以完全相同的方式手工执行只读 SQL,看到结果、读取的表和历史记录:

Marmot Query 查询工作区:选择只读数据源、执行 SQL 并查看结果与查询历史

也可以不配置 MCP,直接用 CLI 验证链路:

marmot query sources
marmot query tables marketplace-postgres
marmot query run marketplace-postgres \
  "SELECT category, sum(gmv_gbp) AS gmv_gbp FROM gmv_daily GROUP BY 1"

查询审计:Agent 的每一步 SQL 都可追溯

所有经过 Marmot 的查询——无论来自 Query 编辑器、API、CLI 还是 MCP——都会进入 Query audit(Operate 菜单下),每条记录包含:

  • 语句本身与目标数据源;
  • 谁执行的:个人账号,或服务账号及其背后行动的 Agent;
  • 读取了哪些表,以及目录当时记录的 owner 与个人数据列;
  • 结果状态、返回行数、是否被行数上限截断。

结果数据行本身从不落盘。被拒绝的查询同样记录,并标注缺少的权限,可直接从审计条目 Request access 发起申请:

Marmot 查询审计界面:展示每条 SQL 的执行人、客户端、结果与权限拒绝原因

管理员还可以按时间范围筛选、按调用者/表名/SQL 搜索,并 Export CSV 导出做合规审查。审计能力说明见 query-audit.md。

顺带一提,Agent 通过 Marmot 获取的不只是查询结果,还有血缘、owner、术语表等上下文,让"问数"变成"问对数":

AI Agent 通过 Marmot 集成追溯数据血缘并回答数据来源与归属

常见问题排查

现象 处理
报错 querying data needs the assets:query permission 调用者缺少查询权限,为其角色添加 assets:query,或点 Request access 申请
报错 only read queries can run through Marmot 语句包含写入/DDL 或多条语句,只提交单条 SELECT
数据源不在列表里 该 pipeline 未开启查询,按"第一步"打开开关
relation "…" does not exist 表不在查询库中,PostgreSQL 可在 pipeline 中设置 Query Database
结果提示被截断 调大 Row limit(上限 max_rows_cap)或收窄语句

注意一点边界:Marmot 的权限是"治理层",数据源自身的权限仍是硬边界——给 pipeline 配一个只能读、且只能读公开数据的数据库用户,是纵深防御的最后一环。开源版中 assets:query 覆盖所有可查询数据源;按表、按数据源的细粒度授权属于 Marmot Cloud 的能力。

小结

Marmot 的治理化查询把"给 Agent 一个数据库密码"这件事彻底翻了过来:

  1. 身份:每个 Agent 一个服务账号,权限最小化、可单独吊销;
  2. 执行:单条只读 SQL + 只读事务,密码留在 Marmot 侧加密保管;
  3. 留痕:查询审计记录每一次 SQL 的谁、读什么、结果如何,支持 CSV 导出。

人、Agent 和脚本从此共享同一条受治理的查数通道——这正是 Marmot 作为"AI 的上下文层"最有价值的部分。

登录后查看全文
marmot