mcp-ai-agent-sdk 1.0.4

AI Agent Python SDK - 让任何后台系统快速接入 AI Agent 能力

AI Agent Python SDK

让任何后台系统快速接入 AI 对话能力，用自然语言完成数据库增删改查。

安装

pip install mcp-ai-agent-sdk

快速开始

from mcp_ai_agent_sdk import AIAgentClient

# 1. 初始化客户端
client = AIAgentClient(
    api_key="your-deepseek-api-key",
    db_config={
        "host": "localhost",
        "port": 3306,
        "user": "root",
        "password": "xxx",
        "database": "mydb"
    }
)

# 2. 自动生成 Schema（或手动注册）
# ⚠️ 重要：使用AI对话前，必须确保Schema配置是最新的！
client.generate_schema_from_db()

# 3. 一行代码完成 AI 对话 + 数据库操作
result = client.ask_and_execute("查询所有学生")
print(result["message"])  # AI 总结的回复
print(result["data"])     # 查询结果

# 或启动 HTTP 服务供其他语言调用
client.run_server(port=8000)

功能特性

• ✅ 自然语言操作 - 用中文描述需求，AI 自动生成 SQL 并执行
• ✅ 智能名称匹配 - 自动处理中文数字（一→1）、大小写、模糊匹配
• ✅ 成绩数据透视 - 自动将长格式转为宽格式，方便查看和导出
• ✅ 流式对话 - 支持 SSE 流式输出，实时显示处理进度
• ✅ 多语言支持 - Python 原生 + HTTP API 供 Java/PHP/Go/Node.js 调用
• ✅ 安全可靠 - 增删改操作需确认后才执行

Docker 部署

Java/JavaScript 等其他语言可以通过 Docker 部署 Python SDK 服务：

# 1. 复制环境变量配置
cp .env.example .env
# 编辑 .env 填入你的配置

# 2. 启动服务
docker-compose up -d

# 服务启动后，其他语言通过 HTTP 调用
# POST http://localhost:8000/api/chat/stream - 流式对话
# POST http://localhost:8000/api/chat - 普通对话

环境变量

变量	说明	默认值
API_KEY	DeepSeek API Key	-
DB_HOST	数据库地址	localhost
DB_PORT	数据库端口	3306
DB_USER	数据库用户	root
DB_PASSWORD	数据库密码	-
DB_NAME	数据库名	-

核心 API

初始化

from mcp_ai_agent_sdk import AIAgentClient

client = AIAgentClient(
    api_key="your_api_key",           # 必填，DeepSeek API Key
    db_config={                        # 数据库配置
        "host": "localhost",
        "port": 3306,
        "user": "root",
        "password": "xxx",
        "database": "mydb"
    }
)

# 设置 Schema 文件路径（自动加载和保存）
client.set_schema_file("./schema.json")

ask_and_execute(message)

核心方法：一行代码完成 AI 对话 + 数据库操作。

result = client.ask_and_execute("查询高三1班数学成绩低于60分的学生")

print(result["message"])  # AI 总结的回复
print(result["data"])     # 查询结果列表
print(result["steps"])    # 执行的 SQL 步骤

process_chat_stream(message)

流式对话，返回 SSE 事件流，适用于 Web 聊天界面。

for event in client.process_chat_stream("查询学生"):
    yield event  # 用于 StreamingResponse

事件类型：

• thinking - 处理进度（icon, text）
• confirm - 需要用户确认（增删改操作）
• done - 完成（message, data, step_results）

generate_schema_from_db()

从数据库自动生成 Schema。

⚠️ 重要提示：使用AI对话前，必须确保Schema配置是最新的！如果数据库结构发生变化（新增表、修改字段等），请重新生成Schema。

client.generate_schema_from_db()           # 快速生成
client.generate_schema_from_db(use_ai=True) # AI 分析（更准确但较慢）

register_schema(system_name, entities)

手动注册 Schema 配置。

client.register_schema(
    system_name="学生管理系统",
    entities=[
        {
            "name": "student",
            "description": "学生信息",
            "fields": {
                "id": {"type": "number", "label": "学生ID", "primaryKey": True},
                "name": {"type": "string", "label": "姓名", "required": True},
                "classId": {"type": "number", "label": "班级ID"}
            }
        }
    ]
)

run_server(port)

启动内置 HTTP 服务器。

client.run_server(port=8000)

# 自动提供以下 API:
# POST /api/chat/stream - 流式对话
# POST /api/chat - 普通对话
# GET  /api/schema - 获取 Schema
# POST /api/schema/register - 注册 Schema
# POST /api/schema/generate - 生成 Schema

智能特性

智能名称匹配

SDK 内置本地相似度匹配算法，自动处理用户输入的各种变体：

• 中文数字转换：高一一班 → 高11班
• 大小写统一：Stop → stop
• 模糊匹配：相似度 ≥0.85 自动确认，0.7-0.85 标记不确定，<0.7 跳过

成绩数据透视

自动将成绩数据从长格式转换为宽格式：

# 原始数据（长格式）
张三, 语文, 90
张三, 数学, 85

# 透视后（宽格式）
张三, 语文:90, 数学:85

表格行数限制

前端表格默认显示 20 行，超出部分可下载 Excel 查看完整数据。

使用场景

1. 后台管理系统

from fastapi import FastAPI
from fastapi.responses import StreamingResponse

app = FastAPI()

@app.post("/api/ai/chat")
async def ai_chat(message: str):
    return StreamingResponse(
        client.process_chat_stream(message),
        media_type="text/event-stream"
    )

2. 命令行工具

while True:
    query = input("请输入指令: ")
    if query == 'exit':
        break
    result = client.ask_and_execute(query)
    print(result['message'])

3. 定制服务

SDK 支持定制服务模式，如教务助手：

# 在 education_ai_agent.py 中定义定制逻辑
def get_custom_analysis():
    return """
    ## 教务助手专属分析
    - 成绩数据智能分析
    - 优秀学生表彰
    - 需关注学生提醒
    - 教学建议
    """

安全说明

1. API Key 保密 - 不要在前端代码中暴露
2. 操作确认 - 增删改操作需用户确认后才执行
3. SQL 安全 - 禁止 DROP、TRUNCATE 等危险操作

获取帮助

• 官网: https://wangyun.tech
• 技术支持: [e-mail]
• 公司: 望云科技

License

MIT License