iflow-mcp_kerwinmai-multi-agent-exp 2.1.0

Multi-Agent SQL Query System with MCP Support

多智能体数据查询系统 v2.1

v2.1 新增：内置 Web 前端（Markdown 渲染、即时加载长期记忆）、REST API、启动脚本等。

基于LangGraph的一主两从多智能体架构，实现智能的数据库查询和分析功能，支持长短期记忆。 https://github.com/user-attachments/assets/3b1b1513-3c92-4952-b8e1-7e62e77630c9

架构设计

主智能体 (MasterAgent)
├── 意图识别：判断用户问题类型（结合用户偏好）
├── 任务路由：选择合适的处理路径
├── 短期记忆：智能压缩对话历史（LLM总结）
├── 长期记忆：跨会话用户偏好和知识
└── 结果汇总：整合子智能体输出

子智能体1 (SQLQueryAgent)
└── NL2SQL转换、执行查询

子智能体2 (DataAnalysisAgent)
└── 数据分析、生成洞察

核心功能

1. 意图识别 - 自动判断4种问题类型

• simple_answer: 简单问候
• sql_only: 数据查询
• analysis_only: 分析历史数据
• sql_and_analysis: 查询+分析

2. 智能路由 - 根据意图调用不同智能体

• 主智能体直接回答 / SQL子智能体 / 数据分析子智能体 / 两者协作

3. 双层记忆系统 ⭐NEW

• 短期记忆（MemorySaver）
  • 会话内对话历史保留
  • 智能压缩：消息>10条或token>1000时LLM自动总结
  • 支持引用历史查询结果
• 长期记忆（LongTermMemory）
  • 跨会话持久化用户偏好和知识
  • 自动提取：对话≥4条消息时自动提取
  • 个性化上下文：意图识别时注入用户历史
  • SQLite存储：users、user_preferences、user_knowledge

4. 用户会话管理 ⭐NEW

• 用户登录系统（user_id）
• 会话隔离（session_id）
• 智能thread_id生成（user_id_session_id）
• 特殊命令：new（新会话）、info（查看信息）

5. MCP集成 - 通过MCP协议执行SQL

• 独立的MCP服务器处理数据库操作
• 支持扩展多数据源

快速开始

1. 安装依赖

pip install -r requirements.txt

2. 设置API密钥

# Windows
set DASHSCOPE_API_KEY=your_api_key

# Linux/Mac
export DASHSCOPE_API_KEY=your_api_key

3. 初始化数据库

cd intelligent_data_query/data
python init_db.py              # 初始化业务数据库
python init_memory_db.py       # 初始化长期记忆数据库

4. 运行系统（命令行）

cd intelligent_data_query
python agent.py

系统会提示输入用户ID，输入后即可开始使用。同一user_id可以在不同会话中保留个人偏好。

5. 启动 Web 前端（v2.1）

# Windows
cd intelligent_data_query
start_web.bat

# Linux/Mac
cd intelligent_data_query
chmod +x start_web.sh
./start_web.sh

浏览器访问：http://localhost:5000

前端特性（v2.1）：

• Web 聊天界面，支持 Markdown 渲染与代码高亮
• 聊天区滚动优化，输入框固定底部
• 登录后直接从 long_term_memory.db 读取并展示用户信息（无需对话总结）
• REST API：/api/login、/api/query、/api/new_session、/api/user_info、/api/health

特殊命令：

• new - 开始新会话（清空短期记忆，保留长期记忆）
• info - 查看当前用户信息和偏好
• exit/quit - 退出系统

测试问题

系统示例测试问题，覆盖所有意图类型：

简单问候

• 你好，你能帮我做什么？

数据查询

• 公司总共有多少个部门？每个部门分别在哪个城市？
• 研发部有多少名员工？他们的职位分布是怎样的？
• 哪些员工的基本工资超过30000元？
• 产品部和设计部分别有多少名员工？

仅分析

• 帮我分析一下上一次查询的数据

查询+分析

• 对比一下研发部、产品部和设计部的平均薪资水平
• 销售部的人员和薪资结构是怎样的？有什么特点？
• 找出薪资最高的10名员工，分析他们的职位和部门分布特征
• 分析公司各城市的人员分布和薪资差异，给出优化建议

目录结构

intelligent_data_query/
├── agents/                      # 智能体模块
│   ├── master_agent.py         # 主智能体（含记忆管理）
│   ├── sql_agent.py            # SQL查询子智能体
│   └── analysis_agent.py       # 数据分析子智能体
├── memory/                      # 记忆模块 ⭐NEW
│   ├── long_term_memory.py     # 长期记忆管理器
│   └── memory_extractor.py     # 记忆提取器
├── agent.py                    # 主入口（含用户登录）
├── prompts.py                  # 提示词定义
├── test_questions.py           # 测试问题集
├── config/
│   └── config.yaml             # 配置文件（含记忆配置）
├── data/
│   ├── company.db              # 业务数据库
│   ├── long_term_memory.db     # 长期记忆数据库 ⭐NEW
│   ├── init_db.py              # 业务数据库初始化
│   └── init_memory_db.py       # 记忆数据库初始化 ⭐NEW
├── static/                     # Web 前端(v2.1)
│   ├── index.html             # 主页面（聊天界面）
│   ├── style.css              # 样式（含滚动条/Markdown适配）
│   └── app.js                 # 前端逻辑（Markdown、用户信息、API）
├── start_web.bat              # Windows 启动脚本
├── start_web.sh               # Linux/Mac 启动脚本
├── video/
│   └── demo.mp4              # 演示视频
└── mcp_sql_server.py           # MCP SQL服务器

配置说明

编辑 config/config.yaml:

llm:
  provider: "dashscope"
  model: "qwen-turbo"
  temperature: 0.1
  max_tokens: 2048

database:
  path: "./data/company.db"

nl2sql:
  num_examples: 3

# 记忆配置 ⭐NEW
memory:
  long_term_db: "./data/long_term_memory.db"  # 长期记忆数据库路径
  short_term_max_tokens: 1000                  # 短期记忆最大token数
  compression_threshold: 10                    # 超过N条消息开始压缩
  auto_extract_knowledge: true                 # 自动提取长期记忆

技术栈

• LangGraph: 工作流编排
• LangChain: LLM调用和管理
• 通义千问: 大语言模型
• MCP: Model Context Protocol
• SQLite: 数据库
• Rich: 终端美化

已完成功能 ✅

• 支持长期记忆: 使用SQLite持久化用户偏好和知识 ✅ (v2.0)
• 上下文压缩: LLM智能总结对话历史 ✅ (v2.0)
• 用户系统: 支持多用户登录和会话管理 ✅ (v2.0)
• 自动记忆提取: 从对话中自动提取用户偏好 ✅ (v2.0)
• Web 前端: 聊天界面 + Markdown 渲染 + 代码高亮 + 即时读取长期记忆 ✅ (v2.1)

下一步计划扩展

1. 长期记忆深度应用

• 个性化查询推荐: 基于用户历史自动推荐相关查询
• 智能查询补全: 根据用户偏好自动补全查询参数
• 偏好自适应展示: 自动调整数据展示格式（表格/图表/摘要）
• 用户行为分析: 分析用户查询模式，提供优化建议
• 团队协作记忆: 支持团队成员共享特定知识库

2. 记忆检索优化

• 向量检索: 使用ChromaDB替代简单的LIKE匹配
• 记忆衰减机制: 根据时间和访问频率调整知识置信度
• 多模态记忆: 保存查询结果的图表、文件等
• 全文搜索: 为user_knowledge添加FTS5全文索引

3. 智能体扩展

• 报表生成子智能体: 自动生成PDF/Excel报表
• 数据可视化子智能体: 生成图表和仪表板
• 异常检测子智能体: 主动发现数据异常并告警

4. 技术优化

• Schema智能检索: 大型数据库只获取相关表结构
• 支持更多数据源: MySQL、PostgreSQL、ClickHouse等
• 并行调用优化: 对独立任务实现并行处理
• 流式输出: 支持实时流式返回分析结果

注意事项

• 确保设置 DASHSCOPE_API_KEY 环境变量
• 初始化业务数据库和长期记忆数据库
• 安装所有依赖包
• 使用相同的 user_id 可以跨会话保留个人偏好
• 长期记忆数据库建议定期备份

更新日志

v2.1 (2025.11.05)

• ✨ 新增：内置 Web 前端（static/），支持 Markdown 渲染与代码高亮
• ✨ 新增：REST API（/api/login、/api/query、/api/new_session、/api/user_info、/api/health）
• ✨ 新增：登录后直接读取 long_term_memory.db，即时展示用户偏好/知识
• ✨ 新增：启动脚本 start_web.bat / start_web.sh
• 🎬 新增：项目演示视频 video/demo.mp4
• 🔧 优化：聊天滚动条与输入框体验（输入框固定底部）

v2.0 (2025.10.21)

• ✨ 新增：长期记忆系统（用户偏好、知识跨会话持久化）
• ✨ 新增：短期记忆智能压缩（LLM自动总结）
• ✨ 新增：用户登录和会话管理系统
• ✨ 新增：自动记忆提取（从对话中提取偏好和知识）
• 🔧 优化：意图识别注入用户历史上下文
• 🔧 优化：messages使用add_messages累加器

v1.0 (2025.10.16)

• 🎉 初始版本
• ✨ 一主两从多智能体架构
• ✨ 意图识别和智能路由
• ✨ NL2SQL查询和数据分析
• ✨ 短期会话记忆（MemorySaver）