Token导航 LogoToken导航

MCP Server · 文档知识

bolt (Pratik 11)

Bolt是一款自托管的AI数据代理,结合Ollama的本地AI模型和Snowflake的数据仓库,通过模型上下文协议(MCP)实现自然语言查询数据并生成智能SQL查询和洞察。

stdio官方级别未说明来源级核验工具 0
Jupyter Notebook本地AI自然语言查询

快速开始

作者 / 组织
Pratik-11
提供方
Pratik-11

工具数量

0

来源目录标注

资源数量

0

来源目录标注

提示词数量

0

来源目录标注

GitHub Star

1

仓库热度

收录来源

1 个

MCP World

选型结论

bolt (Pratik 11) 属于文档知识类 MCP Server,公开资料标注 0 个工具,通过stdio 本地进程接入,客户端适配情况以官方文档为准,有可以直接复制的安装命令;接入前先确认权限范围。

分类

文档知识

传输方式

stdio

认证方式

无需认证

部署方式

公开资料未说明

安装与配置

安装命令

pip install snowflake-connector-python==3.0.0 python-dotenv jupyter

公开命令不是通用的启动方式,拼不出可靠配置示例;请在客户端 MCP 配置里按官方文档填写 command 和 args。

上手步骤

  1. 1

    准备运行环境

    stdio 服务在本地起进程,需要先装好 对应的运行时,再按安装命令拉取依赖。

  2. 2

    安装服务

    复制下面的安装命令执行;命令里带占位符的位置换成自己的密钥或路径。

  3. 3

    写入客户端配置

    在客户端的 MCP 配置里填启动命令和参数,保存后完全退出客户端再打开,让新配置生效。

  4. 4

    验证是否可用

    连接成功后客户端会列出 0 个工具,随便调一个只读工具确认能返回结果。

接入前确认

不要直接授予不必要的文件、网络或账号权限;先核对安装命令和配置内容。

详细介绍

🚀 Bolt-自托管AI数据代理

强大的自托管Gen AI代理,集成MCP服务器,用于解决组织数据驱动的查询和任务

特性 • 快速开始 • 文档 • 贡献 • 支持

______________________________________________________________________

🎯 什么是Bolt?

Bolt是一款尖端产品 自托管AI数据代理 它结合了 Ollama的本地人工智能模型 随着 雪花数据仓库 通过 模型上下文协议(MCP)。它使组织能够就其数据提出自然语言问题,并获得智能的、人工智能生成的SQL查询和见解,同时保持一切安全和内部部署。

🌟 为什么是博尔特?

  • 🔒 隐私第一:将您的数据和人工智能处理完全本地化
  • 🧠 智能数据查询:使用AI将自然语言转换为SQL
  • 🏢 企业就绪:组织数据的无缝雪花集成
  • 📊 实时洞察:即时数据分析和可视化
  • 💰 成本效益高:自测试解决方案,无需外部API成本
  • 🔧 轻松设置:在Google Colab上一键部署

______________________________________________________________________

✨ 特性

🤖 人工智能驱动的数据交互

  • 自然语言查询:用简单的英语就你的数据提问
  • 智能SQL生成:AI自动生成优化的Snowflake查询
  • 多模型支持:根据您的需求从7B到14B参数模型中选择
  • 上下文感知响应:了解您的数据模式和关系

🔗 无缝集成

  • 雪花集成:直接连接到Snowflake数据仓库
  • MCP协议:行业标准模型上下文协议实现
  • Olama支持:Calma 2、Mistral、CodeCalma等的本地托管
  • 谷歌Colab就绪:云笔记本中的零设置部署

🛡️ 安全与隐私

  • 本地AI:没有数据发送到外部人工智能服务
  • 凭据管理:数据库凭据的安全处理
  • 环境隔离:容器化执行环境
  • 访问控制:内置安全最佳实践

📈 分析与洞察

  • 互动结果:漂亮的数据可视化和格式化
  • 查询历史:跟踪和重用以前的查询
  • 性能指标:监视查询执行时间和结果
  • 导出功能:以多种格式保存结果

______________________________________________________________________

🚀 快速开始

选项1:谷歌Colab(推荐)

  1. 在Colab开放:
  1. 上传笔记本:上传 model.ipynb 和 mcp.ipynb 到你的Colab
  1. 遵循引导设置:

- 从开始 model.ipynb 建立Ollama - 然后运行 mcp.ipynb 用于雪花集成

选项2:本地设置

# Clone the repository
git clone https://github.com/Pratik-11/Bolt.git
cd Bolt

# Install Ollama (Linux/macOS)
curl -fsSL https://ollama.com/install.sh | sh

# Install Python dependencies
pip install snowflake-connector-python==3.0.0 python-dotenv jupyter

# Start Jupyter
jupyter notebook

设置第一个查询

# 1. Start with model setup
# Open model.ipynb and follow the cells to:
# - Install Ollama
# - Download your preferred AI model (7B or 14B)
# - Test the model

# 2. Configure data connection  
# Open mcp.ipynb and:
# - Set up Snowflake credentials
# - Initialize MCP server
# - Test data connectivity

# 3. Ask your first question!
result = ai_with_data.execute_ai_query("Show me top 10 customers by order value")

______________________________________________________________________

📚 文档

架构概述

┌─────────────────┐    ┌─────────────────┐    ┌─────────────────┐
│   User Query    │───▶│  Ollama AI      │───▶│   Snowflake     │
│ (Natural Lang.) │    │  (SQL Gen.)     │    │   (Data Exec.)  │
└─────────────────┘    └─────────────────┘    └─────────────────┘
         ▲                       │                       │
         │                       ▼                       ▼
┌─────────────────┐    ┌─────────────────┐    ┌─────────────────┐
│   Formatted     │◀───│  MCP Server     │◀───│   Query Results │
│   Results       │    │  (Orchestrator) │    │   (Raw Data)    │
└─────────────────┘    └─────────────────┘    └─────────────────┘

支持的型号

型号大小内存用例
火焰27b4-6GB免Colab通用,快速响应
米斯特拉尔7B4-6GB免费Colab高效、多语言
CodeLlama 7B4-6GB无Colab代码生成,以SQL为中心
火焰213b8-12GBColab Pro更高质量、更复杂的查询
代码Llama 13B8-12GBColab Pro高级代码生成

环境变量

# Snowflake Configuration
SNOWFLAKE_USER=your_username
SNOWFLAKE_PASSWORD=your_password
SNOWFLAKE_ACCOUNT=your_account
SNOWFLAKE_DATABASE=your_database
SNOWFLAKE_WAREHOUSE=your_warehouse

______________________________________________________________________

🛠️ 发展

项目结构

Bolt/
├── model.ipynb          # Ollama model setup and configuration
├── mcp.ipynb           # MCP server and Snowflake integration
├── README.md           # Project documentation
├── .gitignore         # Git ignore rules
└── requirements.txt    # Python dependencies (if local setup)

关键组件

  • EmbeddedMCPServer:核心MCP服务器实现
  • OllamaWithMCP:具有数据集成功能的AI客户端
  • 雪花连接器:安全的数据库连接
  • 查询生成器:自然语言到SQL的转换

______________________________________________________________________

🤝 贡献

我们欢迎社区的贡献!以下是您可以提供帮助的方式:

贡献方式

  • 🐛 错误报告:发现问题? 打开一个问题
  • 💡 功能请求:有主意吗? 开始讨论
  • 📝 文档:改进我们的文档和示例
  • 🧪 测试:帮助测试新功能和边缘情况
  • 🔧 代码:提交bug修复和功能的pull请求

开发设置

  1. 分叉存储库
  2. 创建要素分支: git checkout -b feature/amazing-feature
  3. 进行更改 并进行彻底测试
  4. 提交您的更改: git commit -m 'Add amazing feature'
  5. 推到您的分支: git push origin feature/amazing-feature
  6. 打开拉取请求

贡献指南

  • 遵循现有的代码样式和结构
  • 为新功能添加测试
  • 根据需要更新文档
  • 确保所有笔记本电脑都能成功运行
  • 为复杂逻辑添加注释

______________________________________________________________________

🧪 测试

手动测试

  1. 模型测试:验证AI模型响应
  2. 数据库测试:测试雪花连接
  3. 集成测试:端到端查询执行
  4. 性能测试:监控响应时间

测试场景

  • 简单数据查询(SELECT语句)
  • 复杂的分析查询(JOIN、聚合)
  • 错误处理(无效查询、连接问题)
  • 不同型号尺寸和类型

______________________________________________________________________

🗺️ 路线图

1.1版本(即将推出)

  • \[\]支持其他数据库(PostgreSQL、MySQL)
  • \[\]基于Web的用户界面
  • \[\]查询结果缓存
  • \[\]增强的错误处理

1.2版本(未来)

  • \[\]多租户支持
  • \[\]高级可视化功能
  • \[\]用于外部集成的API端点
  • \[\]Docker容器化

2.0版本(愿景)

  • \[\]多模式AI支持(文本+图表)
  • \[\]实时数据流
  • \[\]高级安全功能
  • \[\]企业SSO集成

______________________________________________________________________

👥 贡献者

核心团队

Pratik Singh

Creator & Lead Developer

想加入这个列表吗?

查看我们的 贡献指南 今天就开始贡献吧!

______________________________________________________________________

📄 许可证

该项目根据 MIT许可证 -看看 许可证 文件以获取详细信息。

MIT License - Feel free to use, modify, and distribute
Commercial use permitted - Build amazing products with Bolt!

______________________________________________________________________

💬 支持与社区

获得帮助

  • 📖 文档:查看我们上面的综合指南
  • 🐛 问题: 用于错误报告
  • 💬 讨论: 回答问题
  • 📧 电子邮件:用于私人咨询和企业支持

保持联系

  • ⭐ 标记此回购 表示支持
  • 👁️ 手表 获取更新和新版本
  • 🍴 分叉 开始构建自己的版本
  • 📢 分享 与您的团队和社区

______________________________________________________________________

🙏 致谢

特别感谢:

  • 没有 使本地AI可访问
  • 雪花 因为他们强大的数据平台
  • MCP协议 用于标准化AI数据连接
  • 谷歌Colab 免费云计算
  • 开源社区 寻求灵感和支持

______________________________________________________________________

由以下材料制成❤️ 靠近 普拉提克·辛格

星⭐ 如果你觉得这个仓库有用的话!

工具与能力

工具数量

0

资源数量

0

提示词数量

0

能力标签

Jupyter Notebook本地部署AI数据代理自然语言查询SQL生成Snowflake集成本地AI

数量来自来源目录的标注,具体工具清单以官方文档为准。

典型使用场景

读长文档提问

把 PDF、Markdown 和笔记交给模型,按章节追问细节。

整理知识库

把零散资料归档、打标签,检索时更容易命中。

批量出摘要

提取要点,输出能直接引用的段落。

选择建议

值得选的地方

  • 只提供 0 个工具,职责集中,接入后不容易误操作。
  • 有现成的安装命令,不用自己找入口,照着跑就能起服务。
  • 公开说明写得比较完整,接入前能看清能力边界。

先想清楚的地方

  • stdio 方式要求本地装好 运行环境,换机器要重新装一遍。
  • 第三方目录整理,版本更新和行为细节以官方仓库为准。

更适合

  • 需要在文档知识场景里让模型直接调用外部能力的人。
  • 想先快速试一下、能接受在本地跑服务的人。

不太适合

  • 完全不想在本地装环境的人。
  • 需要厂商级 SLA 和技术支持的生产环境。

同类对比

5 个同类
MCP Server工具数传输方式安装命令收录来源最后核验
bolt (Pratik 11)

MCP World · 本页

0stdio有1 个2026-05-17
Cherry Studio

MCP World

0未说明未标注1 个2026-05-17
Pdf Math Translate

MCP World

0stdio有1 个2026-05-17
report generation

MCP World

0stdio有1 个2026-05-17
Anything To Notebooklm

MCP World

0stdio有1 个2026-05-17

按同分类和工具数量挑出最接近的几条,字段以各自详情页为准。

常见问题

5 条

bolt (Pratik 11) 怎么安装?

公开资料给出的安装命令是 pip install snowflake-connector-python==3.0.0 python-dotenv jupyter,运行环境为 未标注。装完后按客户端要求写进 MCP 配置,重启客户端生效。

bolt (Pratik 11) 怎么在 Claude Desktop、Cursor 里配置?

它是stdio 本地进程,客户端配置里要写启动命令和参数,运行环境是 未标注;保存后完全退出客户端再打开,配置才会生效。

bolt (Pratik 11) 收费吗?

本站只整理公开资料,不代收费用,也没有标注具体价格。是否收费取决于服务本身和背后的接口额度,正式使用前按官方说明确认。

bolt (Pratik 11) 需要 API Key 吗?

公开资料标注为无需认证,装好就能连;如果实际调用时报鉴权错误,按官方文档补上凭据。

bolt (Pratik 11) 支持哪些客户端?

公开资料没有标注具体客户端;能配置本地 MCP 命令的客户端都能接,配置方式参照官方文档。

来源信息

继续浏览同类 MCP