A
security-
licenseA
qualityEnables querying documents through a Langflow backend using natural language questions, providing an interface to interact with Langflow document Q\&A flows.
Last updated -
1
14
MIT License
포커스 데이터 MCP 서버 [中文]
MCP(Model Context Protocol) 서버를 사용하면 인공 지능 보조자가 자연어를 SQL 문으로 변환할 수 있습니다.
이미 Text-to-SQL 프레임워크가 너무나 많은데, 왜 또 다른 프레임워크가 필요할까요?
간단히 말해서, focus_mcp_sql은 2단계 SQL 생성 솔루션을 채택하여 LLM의 환각을 제어하고 생성된 SQL 결과에 대한 비기술적 사용자의 신뢰를 실제로 구축합니다.
아래는 focus_mcp_sql과 다른 것들을 비교한 표입니다.
비교 분석 표
다음은 focus_mcp_sql과 다른 LLM 기반 프레임워크를 나란히 비교한 것입니다.
특징 | 기존 LLM 프레임워크 | 포커스_mcp_sql |
생성 프로세스 | 블랙박스, 직접 SQL 생성 | 투명한 2단계(키워드 + SQL) |
환각 위험 | 높음, 모델 품질에 따라 다름 | 낮음, 제어 가능(키워드 검증) |
속도 | 느리고 대규모 모델 추론에 의존함 | 빠르고 결정론적인 키워드-SQL |
비용 | 높음, 고급 모델이 필요함 | 낮음, 대형 모델에 대한 의존도 감소 |
비기술적 사용자 친화성 | 낮음, 결과 확인 어려움 | 높고 쉬운 키워드 검사 |
특징
모델 초기화 - 자연어를 SQL 문으로 변환
필수 조건
jdk 23 이상. jdk 다운로드
Gradle 8.12 이상. Gradle을 다운로드하세요.
Datafocus를 등록하여 베어러 토큰을 얻으세요:
Datafocus 에 계정을 등록하세요
신청서를 작성하세요
신청서를 입력하세요
관리자 -> 인터페이스 인증 -> 베어러 토큰 -> 새 베어러 토큰
설치
이 저장소를 복제하세요:
지엑스피1
서버를 빌드하세요:
gradle clean
gradle bootJar
The jar path: build/libs/focus_mcp_sql.jar
MCP 구성
MCP 설정 파일에 서버를 추가합니다.
{
"mcpServers": {
"focus_mcp_data": {
"command": "java",
"args": [
"-jar",
"path/to/focus_mcp_sql/focus_mcp_sql.jar"
],
"autoApprove": [
"gptText2sqlStart",
"gptText2sqlChat"
]
}
}
}
사용 가능한 도구
1. gptText2sqlStart
초기 모델.
매개변수:
model(필수): 테이블 모델bearer(필수): bearer 토큰language(선택 사항): 언어 ['영어','중국어']
예:
{
"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="
}
모델 설명:
이름 | 휴넷 | 종류 | 필수 선택 | 말하다 |
모델 | 몸 | 물체 | 이다 | 없음 |
" 유형 | 몸 | 끈 | 이다 | 편집장 유형 |
" 버전 | 몸 | 끈 | 이다 | 편집장 버전 |
» 테이블 | 몸 | [물체] | 이다 | 표 구성도 |
»» 테이블 표시 이름 | 몸 | 끈 | 否 | 이름 표시 |
»» 테이블 이름 | 몸 | 끈 | 否 | 표원 시 이름 |
»» 열 | 몸 | [물체] | 否 | 표 참조 표 참조 |
»»» 열 표시 이름 | 몸 | 끈 | 이다 | 이름 표시 |
»»» 열 이름 | 몸 | 끈 | 이다 | 리원 시네마틱 |
»»» 데이터 유형 | 몸 | 끈 | 이다 | 분할편집 유형 |
»»» 집계 | 몸 | 끈 | 이다 | 상호 합의 방식 |
» 관계 | 몸 | [물체] | 이다 | 표 참조 표 참조 |
»» 조건 | 몸 | [물체] | 否 | 경고판 부품 |
»»» dstColName | 몸 | 끈 | 否 | 차원 表关联列原始name |
»»» srcColName | 몸 | 끈 | 否 | 사실 표제논리원시인 |
»» 차원표 | 몸 | 끈 | 否 | 차원 표원 이름 |
»» 팩트테이블 | 몸 | 끈 | 否 | 사실 표의 원년 이름 |
»» 조인 유형 | 몸 | 끈 | 否 | 경고 유형 |
2. gptText2sqlChat
자연어를 SQL로 변환합니다.
매개변수:
chatId(필수): 채팅 IDinput(필수): 자연어bearer(필수): bearer 토큰
예:
{
"chatId": "03975af5de4b4562938a985403f206d4",
"input": "what is the max age",
"bearer": "ZTllYzAzZjM2YzA3NDA0ZGE3ZjguNDJhNDjNGU4NzkyYjY1OTY0YzUxYWU5NmU="
}
응답 형식
모든 도구는 다음 형식으로 응답을 반환합니다.
{
"errCode": 0,
"exception": "",
"msgParams": null,
"promptMsg": null,
"success": true,
"data": {
}
}
Visual Studio Code Cline 샘플
vsCode에 cline 플러그인 설치
mcp 서버 구성
사용
초기 모델
이전: 최대 연령은 몇 살입니까?
연락하다:
This server cannot be installed
remote-capable server
The server can be hosted and run remotely because it primarily relies on remote services or has no dependency on the local environment.
FocusSearch 키워드 파싱을 기반으로 한 NL2SQL 플러그인으로, 더욱 높은 정확도, 빠른 속도, 더욱 높은 안정성을 제공합니다!
Related Resources
Related MCP Servers
- Asecurity-licenseAqualityA lightweight toolkit that enables Claude to search Twitter with natural language queries and display results based on user intent, supporting features like tweet filtering, pagination, and flexible output formatting.Last updated -111
- -security-license-qualityEnables dynamic database querying through natural language questions using LLM-powered parameter extraction and template-based SQL generation. Supports flexible configuration for various domains and databases with automated response formatting.Last updated -
- -security-license-qualityEnables natural language database operations and semantic document search through SQLite and vector database integration. Converts plain English instructions into SQL queries and provides RAG capabilities for uploaded documents.Last updated -