Proyecto Tfg

🚀 數據空間與生成式人工智能的互操作性

本項目旨在設計並實現一種強大且可擴展的架構，讓語言模型（LLM）能通過 Model Context Protocol (MCP) 與數據空間交互，避免語言模型直接訪問數據庫，確保所有操作安全、模塊化且可擴展。

🚀 快速開始

本項目聚焦於實現數據空間與生成式人工智能的互操作性，核心在於構建一個讓語言模型（LLM）與數據空間通過 Model Context Protocol (MCP) 交互的架構。語言模型不直接訪問數據庫，所有操作經 MCP 服務器完成。

✨ 主要特性

• 功能分離：嚴格分離語義處理（LLM）和數據訪問（MCP）。
• 符合協議：LLMs 只能通過工具 (“tools”) 訪問數據，符合 MCP 設計。
• 上下文提示：使用豐富的上下文提示，包含從 MCP 獲取的先前信息。
• 架構優勢：架構具備模塊化、可擴展和可通過日誌進行跟蹤的特點。

📦 安裝指南

文檔未提及安裝步驟，暫無法提供。

💻 使用示例

文檔未提供代碼示例，暫無法提供。

📚 詳細文檔

📅 基本信息

• 日期：2025年4月11日
• 作者：何塞·阿爾onso·魯伊斯
• 導師：若奧琴尼諾·薩爾瓦丘阿
• 標題：設計並實現數據空間與生成式人工智能之間的互操作性

🧱 當前架構

主要組件

• 🧠 客戶端 LLM (cliente_llm.py)
  • 執行自然語言問題。
  • 使用 TinyLlama-1.1B-Chat-v1.0 模型。
  • 將問題轉換為 SQL 查詢。
  • 通過 MCP 服務器查詢數據。
  • 解釋返回結果並構建解釋性答案。
  • 記錄整個過程在日誌文件中：logs/cliente_llm.log。
• 🔗 MCP 服務器 (main.py)
  • 使用 FastAPI 開發。
  • 連接到本地數據空間，基於 DuckDB。
  • 通過 REST 端點公開 MCP 工具：
    • /tool/consulta：執行 SQL 查詢。
    • /tool/info/productos：返回不同產品的列表。
    • /tool/info/fechas：返回註冊的最小和最大日期範圍。
• 📂 數據空間
  • 在本地使用 DuckDB (lake.duckdb) 實現。
  • 包含 iceberg_space.ventas 表，具有以下列：
    • fecha (DATE)
    • producto (TEXT)
    • cantidad (INTEGER)
    • precio (DOUBLE)
  • 數據從 load_data.py 加載。

🔒 基本原則和關鍵決策

• 嚴格分離語義處理（LLM）和數據訪問（MCP）。
• 符合 MCP 設計：LLMs 只能通過工具 (“tools”) 訪問數據。
• 使用豐富的上下文提示，包含從 MCP 獲取的先前信息。
• 模塊化、可擴展和可通過日誌進行跟蹤的架構。

📈 未來擴展性

• 將來用 Apache Iceberg 或 Trino/Presto 替換 DuckDB。
• 將來用更高級的 LLM 或 GPU 部署的模型替換 TinyLlama。
• 發展為更先進的 RAG（檢索增強生成）架構，其中：
  • LLM 先通過基於從 MCP 生成的嵌入的向量存儲進行內容檢索。
  • 恢復的內容作為上下文傳遞給模型以獲得更準確的答案。
• 還可以集成新的 MCP 工具，例如：
  • /tool/info/esquema
  • /tool/info/documentacion
  • /tool/descargar
  • /tool/upload-pdf

📜 結論

已經建立了一個堅實、功能強大且符合要求的基礎。該系統已實現語言模型與數據空間之間的完整交互，符合 MCP 原理，併為未來向更高級的 RAG 架構發展鋪平了道路。

🔧 技術細節

文檔未提供詳細的技術實現細節，暫無法提供。

📄 許可證

文檔未提及許可證信息，暫無法提供。