使用说明
带MCP的数据库代理
该项目是一个由模型上下文协议（MCP）支持的自治数据库管理代理。它允许用户使用自然语言与SQLite数据库交互，实现模式发现、数据输入和条件更新等复杂操作，而无需编写一行SQL。 下面是您项目的结构化README.md。
🤖 MCP SQLite数据库管理器
一个智能数据库助手，弥合了自然语言和SQL之间的差距。该代理使用谷歌的模型上下文协议（MCP）和OpenAI的GPT-4o-mini构建，可以自主探索、查询和修改SQLite数据库。
🌟 特性
- 自然语言到SQL：自动将会话请求转换为有效的SQLite查询。
- 自主工具使用：代理智能地决定何时列出表、检查模式或执行数据操作。
- ReAct逻辑循环：支持多步骤推理。如果用户要求“添加随机行”，代理将首先检查模式，然后构造并执行相应的INSERT语句。
- 情境意识：记住之前的互动，以回答后续问题，如“另一张桌子呢？”。
- 动态模式修改：支持结构更改，例如添加新列并根据业务逻辑为其计算值。
🏗️ 项目结构
- runner.py：主要入口点。它管理MCP客户端会话和LLM通信环路。
- server.py：通过FastMCP框架向LLM公开数据库工具的MCP服务器。
- /workspace:MCP代理的沙盒。它只能对这个领域产生影响。
- client.py：OpenAI API的包装器，用于处理聊天完成。
🚀 入门指南
先决条件
- Python 3.10+
- OpenAI API密钥
安装
安装所需的依赖项：
pip install mcp openai anyio
将您的OpenAI API密钥设置为环境变量：
export OPENAI_API_KEY='your-key-here'
运行代理
只需运行runner脚本：
python runner.py
🛠️ 可用工具
以下工具通过MCP服务器暴露给LLM：
- list_database_tables：返回数据库中所有表的列表。
- get_table_schema：为特定表提供列名和数据类型。
- execute_query：执行LLM生成的原始SQL命令并返回结果。
📊 示例用法
基于项目日志，代理可以处理复杂的工作流：
- 探索：“显示表格”。
- 数据生成：“向学生表中添加10个随机但合乎逻辑的行”。
-
- 代理操作：调用get_table_schema来理解列，然后执行_query来插入数据。
- 逻辑运算：“标记比B差的人”。
- 结构更新：“创建一个新列并将该信息添加到其中。我想看看谁通过了，谁没有通过”。
-
- 代理操作：添加一个状态列，并根据成绩列将其更新为“通过”或“未通过”。
