🚀 FOCUS 数据 MCP 服务器
模型上下文协议（MCP）服务器可助力人工智能助手将自然语言转化为 SQL 语句，为数据交互提供便捷途径。
🚀 快速开始
安装依赖
pip install focus-mcp-server
初始化模型
在 VS Code 中配置 MCP 服务器：
-
安装 Cline 插件。
-
添加 MCP 服务器配置：
-
使用示例：
-
初始化模型：
-
转换自然语言为 SQL：
-
✨ 主要特性
-
两步交互设计：
- 初始化模型：加载数据库元数据（表结构、列信息）。
- 上下文对话：逐步解析自然语言，生成 SQL 语句。
-
高可解释性：
- 通过中间关键词和上下文信息，确保每一步操作都清晰可追溯。
-
低资源消耗：
- 不依赖于复杂的深度学习模型，适合本地部署和边缘计算场景。
-
灵活扩展：
- 支持多种数据库类型（MySQL、PostgreSQL 等）。
- 可通过规则库扩展支持更多自然语言表达方式。
📚 详细文档
为什么还需要另一个 Text-to-SQL 框架？
简单来说，focus_mcp_sql 采用两步生成 SQL 的解决方案，实现了对大语言模型幻觉的控制，并真正构建了非技术人员对生成 SQL 结果的信任。
下表是 focus_mcp_sql 与其他基于 LLM 的框架的对比分析：
| 属性 | 详情 |
|---|---|
| 生成过程 | 传统 LLM 框架为黑盒，直接生成 SQL；focus_mcp_sql 透明，采用两步（关键词 + SQL）方式。 |
| 幻觉风险 | 传统 LLM 框架高，取决于模型质量；focus_mcp_sql 低，可控（关键词验证）。 |
| 速度 | 传统 LLM 框架慢，依赖大模型推理；focus_mcp_sql 快，确定性关键词转 SQL。 |
| 成本 | 传统 LLM 框架高，依赖云服务和计算资源；focus_mcp_sql 低，本地运行，资源消耗少。 |
| 可解释性 | 传统 LLM 框架差，难以理解生成逻辑；focus_mcp_sql 好，通过中间关键词提供解释。 |
| 自定义能力 | 传统 LLM 框架困难，需调整模型参数；focus_mcp_sql 简单，通过规则和模板即可扩展。 |
项目简介
FOCUS 数据 MCP 服务器 是一个基于模型上下文协议（MCP）的中间件服务，旨在简化自然语言到 SQL 的转换过程。通过两步交互式流程（初始化模型和上下文对话），该框架能够高效、准确地将用户意图转化为数据库查询语句。
使用场景
- 数据分析工具：帮助用户快速生成复杂查询语句。
- 低代码开发平台：提供 SQL 自动生成功能，降低开发门槛。
- 数据可视化应用：简化数据获取流程，提升用户体验。
- 教育培训系统：作为教学辅助工具，演示 SQL 生成过程。
接口文档
工具返回格式
所有工具的响应均采用以下 JSON 格式：
{
"errCode": 0,
"exception": "",
"msgParams": null,
"promptMsg": null,
"success": true,
"data": {
}
}
💻 使用示例
由于文档中未明确体现基础用法和高级用法的区分，这里统一展示使用示例。
基础用法
在 VS Code 中进行如下操作：
-
安装 Cline 插件。
-
添加 MCP 服务器配置：
-
使用示例：
-
初始化模型：
-
转换自然语言为 SQL：
-
📄 联系方式
加入我们的 Discord 社区：https://discord.gg/AVufPnpaad