Focus SQL

🚀 FOCUS 數據集 MCP 服務器

模型上下文協議（MCP）服務器能夠助力人工智能助手把自然語言轉化為 SQL 語句，為數據查詢提供了便捷的解決方案。

🚀 快速開始

先決條件

1. 安裝要求
   • 操作系統：支持 Linux、Windows
   • 內存要求：>=4GB
   • 磁盤空間：>=10GB
2. 依賴項
   • Java 8+
   • Python 3.7+

安裝指南

1. 下載代碼庫

git clone https://github.com/your-organization/focus-mcp.git
cd focus-mcp

2. 環境配置

創建 config.json 文件，內容如下：

{
  "model_path": "path/to/model",
  "data_source": "path/to/data"
}

3. 啟動服務

python server.py

✨ 主要特性

為何需要另一個 Text-to-SQL 框架

簡而言之，focus_mcp_sql 採用兩步生成 SQL 的解決方案，實現了對 LLM 幻覺的控制，並確保了輸出的規範性。與其他框架相比，它在功能和性能上具有明顯優勢。

以下是與現有框架的對比分析：

功能概述

1. 模型初始化：通過提供數據集元信息（包括表結構、字段屬性和表間關聯關係），初始化特定領域的語言模型。
2. 自然語言到 SQL 轉換：在已初始化的模型基礎上，將用戶輸入的自然語言查詢轉換為符合規範的 SQL 語句。

📦 MCP 配置

初始化模型（tool: gpt_text2sql_init）

參數說明：

• model_id：唯一標識符，用於區分不同數據集的上下文信息
• schema：數據表結構，包括表名、字段名和字段類型
• properties：字段屬性，包括主鍵、外鍵等約束信息
• relations：表間關聯關係，包括關聯類型（內聯接、外聯接）和關聯條件

示例：

{
  "model_id": "your-model-id",
  "schema": {
    "tables": [
      {
        "name": "employees",
        "columns": ["id", "name", "age"]
      },
      {
        "name": "departments",
        "columns": ["did", "dname"]
      }
    ]
  },
  "properties": {
    "id": { "primaryKey": true },
    "did": { "foreignKey": "employees.id" }
  },
  "relations": [
    {
      "type": "inner-join",
      "condition": "employees.did = departments.did"
    }
  ]
}

自然語言轉 SQL（tool: gpt_text2sql_chat）

參數說明：

• chat_id：對話唯一標識符
• query：用戶輸入的自然語言查詢
• context：上下文信息，包括已初始化的模型 ID 和關聯表信息

示例：

{
  "chat_id": "your-chat-id",
  "query": "顯示員工的最大年齡",
  "context": {
    "model_id": "your-model-id",
    "tables": ["employees"]
  }
}

💻 使用示例

VS Code 使用示例

1. 安裝 C++ 可視化調試工具
2. 配置 MCP 服務器
3. 使用方法：
   • 初始化模型
   • 執行查詢：顯示員工的最大年齡

📚 詳細文檔

響應格式

所有工具的返回結果均採用如下格式：

{
  "errCode": 0,
  "exception": "",
  "msgParams": null,
  "promptMsg": null,
  "success": true,
  "data": {
    // 具體業務數據
  }
}

📄 聯繫方式

https://discord.gg/AVufPnpaad