FOCUS DATA MCP Server

FOCUS DATA MCP Server [Chinês]

Um servidor Model Context Protocol (MCP) permite que assistentes de inteligência artificial convertam linguagem natural em instruções SQL.

Já existem tantos frameworks Text-to-SQL. Por que ainda precisamos de outro?

Em termos simples, o focus_mcp_sql adota uma solução de geração de SQL em duas etapas, que permite controlar as alucinações do LLM e realmente constrói a confiança dos usuários não técnicos nos resultados de SQL gerados.

Abaixo está a tabela de comparação entre focus_mcp_sql e outros:

Tabela de Análise Comparativa

Aqui está uma comparação lado a lado do focus_mcp_sql com outros frameworks baseados em LLM:

Recurso	Frameworks LLM Tradicionais	focus_mcp_sql
Processo de Geração	Caixa preta, geração direta de SQL	Transparente, duas etapas (palavras-chave + SQL)
Risco de Alucinação	Alto, depende da qualidade do modelo	Baixo, controlável (verificação de palavras-chave)
Velocidade	Lento, depende da inferência de modelos grandes	Rápido, conversão determinística de palavras-chave para SQL
Custo	Alto, requer modelos avançados	Baixo, reduz a dependência de modelos grandes
Facilidade para Usuários Não Técnicos	Baixo, difícil verificar resultados	Alto, fácil verificação de palavras-chave

Recursos

• Inicializar o modelo
• Converter linguagem natural em instruções SQL

Pré-requisitos

• jdk 23 ou superior. Baixe jdk
• gradle 8.12 ou superior. Baixe gradle
• registre-se no Datafocus para obter o bearer token:
  1. Registre uma conta no Datafocus
  2. Crie um aplicativo
  3. Entre no aplicativo
  4. Admin -> Autenticação de interface -> Bearer Token -> Novo Bearer Token

Instalação

1. Clone este repositório:

git clone https://github.com/FocusSearch/focus_mcp_sql.git
cd focus_mcp_sql

2. Compile o servidor:

gradle clean
gradle bootJar

The jar path: build/libs/focus_mcp_sql.jar

Configuração do MCP

Adicione o servidor ao seu arquivo de configurações do MCP:

{
  "mcpServers": {
    "focus_mcp_data": {
      "command": "java",
      "args": [
        "-jar",
        "path/to/focus_mcp_sql/focus_mcp_sql.jar"
      ],
      "autoApprove": [
        "gptText2sqlStart",
        "gptText2sqlChat"
      ]
    }
  }
}

Ferramentas Disponíveis

1. gptText2sqlStart

inicializar modelo.

Parâmetros:

• model (obrigatório): modelo de tabela
• bearer (obrigatório): bearer token
• language (opcional): idioma ['inglês','chinês']

Exemplo:

{
  "model": {
    "tables": [
      {
        "columns": [
          {
            "columnDisplayName": "name",
            "dataType": "string",
            "aggregation": "",
            "columnName": "name"
          },
          {
            "columnDisplayName": "address",
            "dataType": "string",
            "aggregation": "",
            "columnName": "address"
          },
          {
            "columnDisplayName": "age",
            "dataType": "int",
            "aggregation": "SUM",
            "columnName": "age"
          },
          {
            "columnDisplayName": "date",
            "dataType": "timestamp",
            "aggregation": "",
            "columnName": "date"
          }
        ],
        "tableDisplayName": "test",
        "tableName": "test"
      }
    ],
    "relations": [

    ],
    "type": "mysql",
    "version": "8.0"
  },
  "bearer": "ZTllYzAzZjM2YzA3NDA0ZGE3ZjguNDJhNDjNGU4NzkyYjY1OTY0YzUxYWU5NmU="
}

Descrição dos parâmetros do modelo:

Nome	Local	Tipo	Obrigatório	Descrição
model	body	object	Sim	nenhum
» type	body	string	Sim	tipo de banco de dados
» version	body	string	Sim	versão do banco de dados
» tables	body	[object]	Sim	lista de estruturas de tabela
»» tableDisplayName	body	string	Não	nome de exibição da tabela
»» tableName	body	string	Não	nome original da tabela
»» columns	body	[object]	Não	lista de colunas da tabela
»»» columnDisplayName	body	string	Sim	nome de exibição da coluna
»»» columnName	body	string	Sim	nome original da coluna
»»» dataType	body	string	Sim	tipo de dados da coluna
»»» aggregation	body	string	Sim	método de agregação da coluna
» relations	body	[object]	Sim	lista de relações de tabela
»» conditions	body	[object]	Não	condições de associação
»»» dstColName	body	string	Não	nome original da coluna de associação da tabela de dimensão
»»» srcColName	body	string	Não	nome original da coluna de associação da tabela de fato
»» dimensionTable	body	string	Não	nome original da tabela de dimensão
»» factTable	body	string	Não	nome original da tabela de fato
»» joinType	body	string	Não	tipo de associação

2. gptText2sqlChat

Converter linguagem natural em SQL.

Parâmetros:

• chatId (obrigatório): ID do chat
• input (obrigatório): Linguagem natural
• bearer (obrigatório): bearer token

Exemplo:

{
  "chatId": "03975af5de4b4562938a985403f206d4",
  "input": "what is the max age",
  "bearer": "ZTllYzAzZjM2YzA3NDA0ZGE3ZjguNDJhNDjNGU4NzkyYjY1OTY0YzUxYWU5NmU="
}

Formato de Resposta

Todas as ferramentas retornam respostas no seguinte formato:

{
  "errCode": 0,
  "exception": "",
  "msgParams": null,
  "promptMsg": null,
  "success": true,
  "data": {
  }
}

Exemplo de Cline no Visual Studio Code

1. instalar o plugin cline no vsCode
2. configurar o servidor MCP
3. uso
   1. inicializar modelo
   2. transferir: qual é a idade máxima

Contato:

https://discord.gg/mFa3yeq9