MCP Alchemy Backend

基于LLM的自然语言转SQL Server

概述

这台服务器利用大型语言模型（LLMs）将自然语言查询转换为SQL语句。它不依赖于模式匹配，而是借助人工智能来理解您的意图，并生成相应的SQL查询。

特点/特性

• 多个大型语言模型（LLM）提供商OpenAI、Anthropic Claude、Ollama（本地）和Groq
• 智能SQL生成大型语言模型（LLM）能够理解上下文并生成复杂的SQL语句
• 模式感知为大型语言模型（LLM）提供数据库模式，以生成准确的查询
• 安全验证验证生成的SQL语句，以防止危险操作
• 美观的网页用户界面实时SQL生成的交互式界面
• 批处理同时处理多个查询

快速入门

1. 安装依赖项

cd http-server
npm install

2. 配置大型语言模型（LLM）提供商

复制示例配置：

cp .env.example .env

编辑 .env 并添加您的大型语言模型（LLM）配置：

选项A：OpenAI（推荐）

LLM_PROVIDER=openai
LLM_API_KEY=sk-your-openai-api-key
LLM_MODEL=gpt-4-turbo-preview

选项B：Anthropic的Claude

LLM_PROVIDER=anthropic
LLM_API_KEY=sk-ant-your-anthropic-key
LLM_MODEL=claude-3-opus-20240229

选项C：Ollama（本地，免费）

LLM_PROVIDER=ollama
LLM_MODEL=codellama
# No API key needed!

首先安装Ollama并拉取一个模型：

# Install from https://ollama.ai/
ollama pull codellama

选项D：Groq云（快速）

LLM_PROVIDER=groq
LLM_API_KEY=gsk-your-groq-key
LLM_MODEL=mixtral-8x7b-32768

3. 设置数据库

创建包含示例数据的测试数据库：

npm run setup-db

4. 启动服务器

npm start
# or for development with auto-reload
npm run dev

5. 打开浏览器

导航至 http://localhost:3000

它是如何工作的

1. 你写的是自然语言“给我展示前五大客户的总订单金额”

1. 大型语言模型（LLM）接收上下文：

- 您的查询 - 完整的数据库模式 - SQL生成指令

1. 大型语言模型生成SQL：

   SELECT u.username, u.email, SUM(o.total_amount) as total_spent
   FROM users u
   JOIN orders o ON u.id = o.user_id
   GROUP BY u.id, u.username, u.email
   ORDER BY total_spent DESC
   LIMIT 5

1. 服务器验证并执行 SQL（Structured Query Language，结构化查询语言）

1. 返回结果 为提高透明度，附上生成的SQL语句

API 端点

生成并执行查询

POST（邮政） /api/llm/query

curl -X POST http://localhost:3000/api/llm/query \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": "Show me customers who spent more than $1000"
  }'

回答：

{
  "success": true,
  "prompt": "Show me customers who spent more than $1000",
  "generatedSQL": "SELECT u.username, u.email, SUM(o.total_amount) as total_spent FROM users u JOIN orders o ON u.id = o.user_id GROUP BY u.id HAVING total_spent > 1000",
  "result": {
    "columns": ["username", "email", "total_spent"],
    "data": [...]
  },
  "llmProvider": "openai",
  "model": "gpt-4-turbo-preview"
}

仅生成SQL

POST（邮政） /api/llm/generate

生成SQL语句而不执行它：

curl -X POST http://localhost:3000/api/llm/generate \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": "Delete all inactive users"
  }'

批处理

POST（邮政/帖子/发布） /api/llm/batch

处理多个查询：

curl -X POST http://localhost:3000/api/llm/batch \
  -H "Content-Type: application/json" \
  -d '{
    "prompts": [
      "Count all users",
      "Average order value",
      "Top selling product"
    ]
  }'

测试LLM连接

POST（邮政/帖子/发布） /api/llm/test

curl -X POST http://localhost:3000/api/llm/test

获取模式（或架构）

GET（获取） /api/schema

返回当前的数据库架构。

自然语言查询示例

大型语言模型（LLM）能够理解复杂且自然的查询：

基本查询

• “显示所有用户”
• “列出50美元以下的产品”
• “获取最新订单”

复杂查询

• “查找那些已下单超过3次但最近30天内未下单的客户”
• “给我展示过去一年每个月的收入趋势”
• “哪些产品经常一起被购买？”
• “找出从未进行过购买的用户”

聚合

• “按客户细分来看，平均订单价值是多少？”
• “显示月度销售增长率”
• “计算前10大客户的终身价值”

连接与关系

• “显示所有订单，包括客户详细信息和产品信息”
• “列出客户及其最常购买的产品类别”
• “查找从未订购过的产品”

大型语言模型（LLM）提供商对比

配置选项

环境变量

# LLM Settings
LLM_PROVIDER=openai              # Provider choice
LLM_API_KEY=sk-...               # API key (not needed for Ollama)
LLM_MODEL=gpt-4-turbo-preview   # Model selection
LLM_TEMPERATURE=0.1              # 0.0-1.0 (lower = more deterministic)
LLM_MAX_TOKENS=500              # Max response length

# For Ollama
LLM_BASE_URL=http://localhost:11434  # Ollama server URL

# Database
DB_URL=sqlite:///test.db        # Your database connection

温度设置

• 0.0-0.3确定性、一致性的SQL生成（推荐）
• 0.3-0.7平衡创意与一致性
• 0.7-1.0更具创意，可能为相同提示生成不同的SQL

安全特性

1. SQL 验证防止危险操作，如 DROP DATABASE
2. 查询限制自动添加 LIMIT 子句以防止返回大量结果集
3. 模式隔离LLM只看到模式，看不到实际数据
4. 参数化生成的SQL在执行前会经过验证

故障排除

大型语言模型（LLM）未能生成有效SQL

1. 检查您的API密钥是否正确
2. 验证模型名称是否有效
3. 尝试将温度降低到0.1
4. 先用更简单的查询进行测试

连接错误

# Test LLM connection
curl -X POST http://localhost:3000/api/llm/test

# Check health
curl http://localhost:3000/health

Ollama 安装设置

# Install Ollama
curl -fsSL https://ollama.ai/install.sh | sh

# Pull a model
ollama pull codellama

# Start Ollama server
ollama serve

# Test
curl http://localhost:11434/api/generate -d '{
  "model": "codellama",
  "prompt": "SELECT * FROM users LIMIT 1"
}'

高级用法

自定义系统提示

修改系统提示中的 server.js:

function createSQLGenerationPrompt(userQuery) {
  return `You are a SQL expert. Generate optimized SQL...

  Additional rules:
  - Always use indexes when available
  - Prefer JOIN over subqueries
  - Add comments for complex logic

  User request: "${userQuery}"`;
}

添加新的大型语言模型（LLM）提供商

添加一个新的提供商 server.js:

case 'your-provider':
  return await callYourProvider(prompt);

async function callYourProvider(prompt) {
  // Your implementation
}

监控和日志记录

服务器日志：

• 所有自然语言查询
• 生成的SQL语句
• 执行时间
• 错误和警告

查看日志：

npm start 2>&1 | tee llm-server.log

性能优化技巧

1. 缓存模式启动时缓存模式
2. 使用合适的模型：

- GPT-3.5-turbo适用于简单查询（更快、更便宜） - GPT-4用于复杂查询（准确性更高）

1. 批量查询使用批量端点进行多次查询
2. 本地模型使用Ollama进行开发以节省API成本

成本估算

AND days_since_last_order > 60 ORDER BY lifetime_value DESC LIMIT 10;

## 贡献

要添加新功能或大型语言模型（LLM）提供商：

1. 为仓库创建分支（或：克隆仓库）
1. 添加您的提供商 `server-llm.js`
1. 更新文档
1. 提交一个拉取请求

## 许可证

与MCP炼金术主项目相同。

## 支持

对于问题或疑问：

- 查看故障排除部分
- 查看服务器日志
- 测试LLM连接端点
- 验证数据库模式是否已加载