db rag MCP

🚀 自然语言SQL MCP Server v2.0.0

最全面的人工智能数据库界面-用简单的英语与您的数据库聊天！

将自然语言转换为SQL查询，可视化数据，导出结果，并使用企业级功能管理多个数据库。这款先进的MCP服务器提供了一个完整的数据库交互生态系统，具有人工智能驱动的智能。

✨ 是什么让这个特别？

这不仅仅是另一个SQL翻译器。这是一个 完整的数据库交互平台 它结合了：

• 🧠 人工智能驱动的查询智能 -智能建议、优化和结果解释
• 🎨 交互式数据可视化 -使用Plotly绘制精美的图表和仪表板
• 🔐 企业安全 -具有用户身份验证和会话管理的完整RBAC
• 🗄️ 多数据库支持 -PostgreSQL、MySQL和SQLite
• 📊 高级分析 -查询优化、性能洞察和趋势分析
• 💾 多种导出格式 -CSV、JSON、带元数据的Excel
• 🧭 会话管理 -查询历史、上下文感知和智能建议
• ⚡ 高性能 -Redis缓存、连接池和优化查询

非常适合开发人员、数据分析师、商业智能团队和希望实现数据库访问民主化的企业！

🏗️ 架构概述

┌─────────────────┐    ┌──────────────────┐    ┌─────────────────┐
│   MCP Client    │    │   FastMCP Server │    │   Databases     │
│  (Cursor IDE)   │◄──►│     (38 Tools)   │◄──►│ PostgreSQL/     │
│                 │    │                  │    │ MySQL/SQLite    │
└─────────────────┘    └──────────────────┘    └─────────────────┘
                                │
                       ┌──────────────────┐
                       │  AI Intelligence │
                       │   OpenAI GPT-4   │
                       │  Query Analysis  │
                       │  Optimizations   │
                       └──────────────────┘

🛠️ 完整功能集（38个工具）

🔌 核心数据库操作

• connect_database -多数据库连接（PostgreSQL/MySQL/SQLite）
• disconnect_database -安全连接管理
• get_connection_status -实时连接监控

📊 模式智能

• list_tables -带缓存的智能表发现
• describe_table -全面的模式分析
• get_database_summary -人工智能数据库概述

💬 自然语言查询

• query_data -带缓存的高级NL到SQL
• add_data -智能数据插入
• update_data -智能数据修改
• delete_data -通过验证安全删除数据

🧠 人工智能驱动的查询智能

• explain_results -自然语言结果解释
• suggest_related_queries -上下文感知查询建议
• optimize_query -性能分析和建议
• improve_query_language -查询措辞改进
• analyze_query_intent -深入的意图分析和见解

📈 高级查询功能

• explain_query -查询执行计划与分析
• query_with_suggestions -带有优化提示的查询
• aggregate_data -专业聚合操作

📚 会话和历史管理

• get_query_history -具有分析功能的丰富查询历史记录
• repeat_query -一键查询重新执行

🔐 企业身份验证和安全

• authenticate_user -安全用户身份验证
• logout_user -会话管理
• get_current_user -用户配置文件和权限
• create_user -用户管理（管理员）
• list_users -用户管理（Admin）
• update_user_role -角色管理（管理员）
• deactivate_user -账户管理（管理员）
• check_permission -权限验证

📊 数据可视化

• create_visualization -交互式绘图图表
• recommend_visualizations -AI建议的图表类型
• create_dashboard -多图表仪表板
• export_visualization -图表导出功能

💾 数据导出和报告

• export_csv -使用元数据增强CSV导出
• export_json -结构化JSON导出
• export_excel -多页Excel工作簿
• export_multiple_formats -大宗出口业务

🔧 系统和公用设施

• hello -服务器连接测试
• server_info -综合系统状态

🚀 安装和设置

先决条件

• Python 3.9+ (下载)
• 数据库 （PostgreSQL/MySQL/SQLite）
• OpenAI API密钥 (买一个)
• 瑞迪斯 （可选，用于缓存）(安装导轨)

步骤1：克隆并安装

git clone 
cd db-rag

# Install all dependencies
pip install -r requirements.txt

# Install additional dependencies
pip install pydantic-settings redis

步骤2：环境配置

创建一个全面的 .env 文件：

# ====================================
# DATABASE CONFIGURATION
# ====================================
DB_HOST=localhost
DB_PORT=5432
DB_USERNAME=postgres
DB_PASSWORD=your_password
DB_DATABASE=your_database
DB_TYPE=postgresql

# ====================================
# AI CONFIGURATION  
# ====================================
LLM_API_KEY=sk-your-openai-key-here
LLM_MODEL=gpt-4o-mini
LLM_MAX_TOKENS=1000
LLM_TEMPERATURE=0.1

# ====================================
# SERVER CONFIGURATION
# ====================================
MCP_SERVER_NAME=Natural Language SQL Server
MCP_HOST=127.0.0.1
MCP_PORT=8000
MCP_TRANSPORT=http

# ====================================
# FEATURE FLAGS
# ====================================
ENABLE_AUTHENTICATION=false
ENABLE_QUERY_CACHING=true
ENABLE_QUERY_HISTORY=true
ENABLE_SMART_SUGGESTIONS=true
ENABLE_VISUALIZATION=true

# ====================================
# PERFORMANCE & CACHING
# ====================================
CACHE_REDIS_URL=redis://localhost:6379
CACHE_TTL=300
QUERY_TIMEOUT=30
MAX_RESULT_ROWS=1000

# ====================================
# ENVIRONMENT
# ====================================
ENVIRONMENT=development
DEBUG=false

步骤3：启动服务器

python src/server.py

预期启动输出：

============================================================
🚀 NATURAL LANGUAGE SQL MCP SERVER v2.0.0
============================================================
✅ Configuration loaded successfully
   Database: postgresql at localhost:5432
   LLM Model: gpt-4o-mini

🔧 Feature Status:
   Authentication: ❌ Disabled
   Query Caching: ✅ Enabled
   Query History: ✅ Enabled
   AI Suggestions: ✅ Enabled
   Visualizations: ✅ Enabled

🔨 Tools Registered: 38 tools available

📊 Supported Databases: PostgreSQL, MySQL, SQLite
🤖 AI Features: OpenAI GPT-4o-mini (default)
📈 Visualization: Plotly-based interactive charts
💾 Export Formats: CSV, JSON, Excel
============================================================

📡 Starting Natural Language SQL Server with STDIO transport
   Ready for MCP client connections
============================================================

🔧 与Cursor IDE集成

MCP服务器配置

添加到光标MCP设置中：

{
  "mcpServers": {
    "natural-language-sql": {
      "name": "Natural Language SQL Server v2.0",
      "command": "python",
      "args": ["src/server.py"],
      "cwd": "/path/to/db-rag",
      "env": {
        "PYTHONPATH": "/path/to/db-rag"
      },
      "description": "Advanced AI-powered database interface with 38 tools",
      "enabled": true
    }
  }
}

快速开始对话

You: Connect to my database and show me what tables I have

AI: I'll connect to your database and show you the available tables.
[Uses connect_database and list_tables tools]
Connected! You have 15 tables: users, orders, products, categories...

You: Show me sales trends for the last 3 months with a chart

AI: I'll create a visualization of your sales trends.
[Uses query_data and create_visualization tools]  
Here's an interactive line chart showing your sales growth...

You: Export this data to Excel with detailed formatting

AI: I'll export the sales data to Excel with metadata.
[Uses export_excel tool]
Exported 1,247 rows to sales_trends_20241220_143022.xlsx...

You: What other insights can you find in this data?

AI: Let me analyze the query results and suggest related insights.
[Uses explain_results and suggest_related_queries tools]
Based on your data, I found 3 key insights and suggest 5 related questions...

🎯 高级用例

📊 商业智能

# Revenue Analysis Dashboard
"Create a dashboard showing monthly revenue, top products, and customer segments"

# Performance Optimization  
"Analyze my slowest queries and suggest optimizations"

# Automated Reporting
"Export quarterly sales data to Excel with charts and pivot tables"

🔍 数据探索

# AI-Powered Discovery
"What interesting patterns do you see in my customer data?"

# Smart Suggestions
"Based on my order history, what questions should I ask next?"

# Context-Aware Analysis  
"Compare this month's performance with historical trends"

🛡️ 企业安全

# User Management
"Create analyst users with read-only permissions"

# Audit Trail
"Show me all database modifications in the last week"

# Permission Management
"What databases can the current user access?"

🏆 关键优势

🚀 性能和可扩展性

• Redis缓存 -缓存查询结果和模式以提高速度
• 连接池 -高效的数据库资源管理
• 异步操作 -无阻塞I/O，提高吞吐量
• 智能优化 -基于人工智能的查询性能建议

🔒 企业安全

• 基于角色的访问控制（RBAC） -细粒度权限
• 会话管理 -安全用户身份验证
• SQL注入预防 -参数化查询
• 审核日志记录 -完成活动跟踪

🧠 AI智能

• 语境意识 -从查询历史中学习
• 聪明的建议 -主动查询建议
• 结果说明 -自然语言见解
• 查询优化 -性能改进提示

📈 丰富的可视化

• 交互式图表 -绘图驱动的可视化
• 智能推荐 -AI推荐最佳图表类型
• 仪表板创建 -多图表仪表板
• 导出功能 -PNG、SVG、PDF格式的图表

🔧 开发者体验

• 38个综合工具 -你需要的一切都在一个地方
• 出色的错误处理能力 -用户友好的错误消息
• 全面的文件 -每个工具都有记录
• 易于集成 -适用于任何MCP客户端

🎛️ 配置选项

功能标志

精确控制启用哪些功能：

ENABLE_AUTHENTICATION=true    # User authentication
ENABLE_QUERY_CACHING=true     # Redis caching  
ENABLE_QUERY_HISTORY=true     # Session history
ENABLE_SMART_SUGGESTIONS=true # AI suggestions
ENABLE_VISUALIZATION=true     # Chart generation

性能调整

CACHE_TTL=300                 # Cache timeout (seconds)
QUERY_TIMEOUT=30              # Query timeout (seconds)  
MAX_RESULT_ROWS=1000          # Maximum rows returned

数据库支持

DB_TYPE=postgresql            # postgresql, mysql, sqlite

🏗️ 数据库支持矩阵

🐛 故障排除

常见问题

服务器无法启动？

# Check Python version
python --version  # Must be 3.9+

# Install missing dependencies
pip install -r requirements.txt
pip install pydantic-settings

# Check configuration
python -c "from src.core.config import config; print('Config OK')"

数据库连接问题？

# Test database connection
python -c "
from src.database import create_database_manager
import asyncio
async def test():
    db = create_database_manager('postgresql', {
        'host': 'localhost', 'port': 5432, 
        'username': 'postgres', 'password': 'password', 
        'database': 'testdb'
    })
    print('Connected:', await db.connect())
asyncio.run(test())
"

AI功能不起作用？

• 验证OpenAI API密钥是否有效
• 检查API配额和账单
• 先用简单的查询进行测试

未生成可视化？

• 确保安装了matplotlib/plotly
• 检查数据格式和列类型
• 先尝试使用较小的数据集

📊 性能基准

🛣️ 路线图和未来功能

第三阶段（计划中）

• 🌐 web界面 -基于浏览器的查询界面
• 📱 移动API -用于移动应用程序的REST API
• 🔄 实时同步 -实时数据同步
• 🤖 先进的人工智能 -定制模型培训
• 📊 更多数据库 -MongoDB、Cassandra支持

第四阶段（未来）

• ☁️ 云部署 -AWS/GCP/Azure支持
• 🔐 SSO集成 -SAML/OAuth支持
• 📈 高级分析 -基于机器学习的见解
• 🌍 多语言 -支持多种语言

🤝 贡献

我们欢迎捐款！您可以提供帮助的领域：

• 🐛 Bug修复和测试
• 📚 文档改进
• 🔧 新的数据库适配器
• 🎨 UI/UX增强功能
• 🧪 测试覆盖范围扩展

📄 许可证

此项目根据MIT许可证获得许可-请参阅 许可证 文件以获取详细信息。

______________________________________________________________________

🎉 准备好改变您的数据库体验了吗？

这不仅仅是一个工具，它是一场完整的数据库交互革命。凭借38个强大的工具、企业级安全、人工智能和精美的可视化，您可以应对任何数据挑战。

从今天开始你的旅程：

git clone 
cd db-rag
pip install -r requirements.txt
python src/server.py

加入成千上万的开发人员、分析师和企业，他们彻底改变了他们的数据库交互！ 🚀

______________________________________________________________________

*自然语言SQL MCP Server v2.0.0-让每个人都可以访问数据库* ✨