Proyecto Tfg

🚀 データスペースと生成型人工知能の相互運用性

このプロジェクトは、データスペースと生成型人工知能の間の相互運用性を設計および実装することを目的としています。具体的には、言語モデルが安全かつ効率的にデータスペースとやり取りできるようなアーキテクチャを構築します。

📅 基本情報

• 日付: 2025年4月11日
• 著者: 何塞・アルソンソ・ルイス
• 指導教員: 若奥琴ニーノ・サルバチュア
• タイトル: データスペースと生成型人工知能の間の相互運用性の設計と実装

🚀 クイックスタート

この卒業研究の主な目的は、言語モデル（LLM）が Model Context Protocol (MCP) を介してデータスペースと相互作用できる、強力で拡張可能なアーキテクチャを設計および実装することです。クライアント（言語モデル）は データベースに直接アクセスしてはならず、すべての操作は MCP サーバを介して安全、モジュール化、拡張可能に行われる必要があります。

✨ 主な機能

🧱 現行アーキテクチャ

主なコンポーネント:

• 🧠 クライアント LLM (cliente_llm.py)

  • 自然言語の質問を実行します。
  • TinyLlama-1.1B-Chat-v1.0 モデルを使用します。
  • 質問を SQL クエリに変換します。
  • MCP サーバを介してデータを照会します。
  • 返された結果を解釈し、説明的な回答を構築します。
  • すべてのプロセスをログファイル logs/cliente_llm.log に記録します。

• 🔗 MCP サーバ (main.py)

  • FastAPI を使用して開発されています。
  • DuckDB をベースにしたローカルデータスペースに接続します。
  • REST エンドポイントを介して MCP ツールを公開します：
    • /tool/consulta: SQL クエリを実行します。
    • /tool/info/productos: 異なる製品のリストを返します。
    • /tool/info/fechas: 登録された最小および最大の日付範囲を返します。

• 📂 データスペース

  • ローカルで DuckDB (lake.duckdb) を使用して実装されています。
  • iceberg_space.ventas テーブルを含み、以下の列があります：
    • fecha (DATE)
    • producto (TEXT)
    • cantidad (INTEGER)
    • precio (DOUBLE)
  • データは load_data.py からロードされます。

🔧 技術詳細

🔒 基本原則と重要な決定事項

• ✅ セマンティック処理（LLM）とデータアクセス（MCP）を厳密に分離します。
• ✅ MCP 設計に準拠し、LLM はツール（"tools"）を介してのみデータにアクセスできます。
• ✅ MCP から取得した以前の情報を含む豊富なコンテキストプロンプトを使用します。
• ✅ モジュール化、拡張可能、かつログで追跡可能なアーキテクチャを採用します。

📈 将来の拡張性

現在の設計では、将来の拡張性を考慮しています：

• 🔁 将来的に DuckDB を Apache Iceberg または Trino/Presto に置き換える予定です。
• 🤖 将来的に TinyLlama をより高度な LLM または GPU デプロイメントのモデルに置き換える予定です。
• 🔎 より高度な RAG（検索拡張生成）アーキテクチャに発展させる予定で、その場合：
  • LLM はまず MCP から生成された埋め込みに基づくベクトルストアを介してコンテンツを検索します。
  • 取得したコンテンツは、より正確な回答を得るためにモデルにコンテキストとして渡されます。

また、新しい MCP ツールを統合することもできます。例えば：

• /tool/info/esquema
• /tool/info/documentacion
• /tool/descargar
• /tool/upload-pdf

📚 ドキュメント

📜 結論

強力で要件を満たす堅固な基盤が構築されました。このシステムは、言語モデルとデータスペースの間の完全な相互作用を実現し、MCP の原則に準拠しており、将来的により高度な RAG アーキテクチャへの発展の道を開いています。