伺服器端驗證
agent 送出的是結構化查詢，而不是原始 SQL。valv 會在任何 SQL 執行前，於伺服器端依據即時 schema 重建並再次檢查。
為 AI agent 提供安全的資料庫存取
valv 是一個開發者工具，讓 AI agent 能安全且受範圍控管地存取資料庫。模型不會撰寫原始 SQL；相反地，它會輸出結構化查詢，valv 再依 live schema 驗證、限制在目前呼叫者範圍內、編譯成 SQL，並執行。
這個產品適用於 agent 需要真正資料庫存取、但又不應看見資料庫全部內容的情境。政策以程式碼定義，存取預設為拒絕，且同一個查詢會依呼叫者的 tenant 或角色而回傳不同結果。
為什麼選擇 valv
呼叫者專屬政策
政策以 TypeScript 撰寫，可依呼叫者範圍控管資料列與欄位。文件將預設拒絕所有存取描述為建議做法，並明確加入必要存取。
適合分析的查詢
查詢層支援篩選、彙總、時間序列與 top-N 查詢，因此 agent 能詢問的不只是一對一查找。
具 token 感知的輸出限制
回應會被限制，避免寬泛查詢回傳超出模型可處理的資料量。首頁將此描述為具 token 感知的輸出控管。
資料庫適配器
valv 可搭配 Postgres、MySQL、SQLite 與 ClickHouse，文件也描述了 Prisma 與 ClickHouse 的 adapter。
agent 與 MCP 整合
你可以將工具交給 Vercel AI SDK，或透過 MCP 對外提供，讓同一套資料庫政策能在不同 agent 設定中使用。
valv 適用於哪些情境
租戶範圍的應用程式助理
在讓資料列與欄位存取綁定目前 tenant 或使用者情境的同時，為應用程式 agent 加入以資料庫為基礎的回答。
分析查詢
讓分析人員可以提出彙總、篩選、時間序列或 top-N 輸出需求，而不需向模型暴露不受限制的 SQL。
基於 MCP 的 agent 存取
當你希望像 Claude Code 這類工具具備無程式碼存取時，透過 MCP 將資料庫提供給 coding agent。
每位呼叫者的政策強制執行
將資料庫存取規則集中以程式碼管理，讓不同呼叫者可從同一個問題看到不同結果。
Pros and Cons
Pros
- 可防止模型發出原始 SQL，降低受到注入式失敗影響的風險。
- 讓團隊能以 TypeScript 定義資料列與欄位存取，並在每次請求套用政策。
- 支援彙總與時間序列等分析型查詢模式，不僅限於簡單鍵值查找。
- 可搭配多種資料庫，並能在應用程式內或透過 MCP 使用。
- 採用預設拒絕的存取方式，讓資料在明確允許前保持隱藏。
Cons
- 來源材料未包含價格資訊，因此可見頁面無法判斷其商業模式。
- 首頁與文件列出了支援的資料庫，但來源只提供了 Prisma 與 ClickHouse 的 adapter 細節；更深入的設定差異未在此完整說明。
- 文件提到 MCP 與 AI SDK 整合，但可見來源未展示完整實作步驟或邊界情況限制。
FAQ
valv 如何運作？
valv 位於模型與資料庫之間。模型先輸出結構化查詢，valv 會依據 schema 驗證、套用呼叫者專屬政策、將其編譯為 SQL，然後執行。
常見的使用案例有哪些？
來源資料指出的情境包括：面向 agent 的資料庫存取、資料列與欄位範圍控管、像篩選與彙總這類分析查詢，以及與 Vercel AI SDK 或 MCP 搭配使用。來源未提供更長的垂直產業用例清單。
它安全嗎？
valv 的設計目標是讓模型永遠不會撰寫原始 SQL，且無法存取你所定義政策之外的資料。它會在 SQL 存在之前於伺服器端重建並重新檢查查詢，並以預設拒絕存取作為建議起點。
它和原始 SQL 相比如何？
與原始 SQL 工具相比，valv 在保留 agent 驅動查詢彈性的同時，加入伺服器端驗證與政策範圍控管。文件將其與不受限制的 SQL 以及狹窄的手寫端點做了對照。
Quick Facts
- 類別
- 開發者工具
- 主要用途
- 為 AI agent 提供安全的資料庫存取
- 支援的資料庫
- Postgres、MySQL、SQLite、ClickHouse
- 整合途徑
- Vercel AI SDK、MCP
- 政策模型
- 以 TypeScript 政策實作的預設拒絕存取
- 來源網址
- valv.sh