QueryNest

# QueryNest - MongoDB多实例查询服务 QueryNest是一个基于MCP (Model Context Protocol) 的MongoDB多实例查询服务，提供智能化的数据库结构发现、语义分析和自然语言查询生成功能。 ## 📍 项目信息 - **版本**: v1.0.0 - **状态**: ✅ 生产就绪 - **许可证**: MIT License - **语言**: Python 3.12+ - **架构**: 异步/基于MCP协议 ## 🚀 主要特性 ### 🔍 智能查询 - **自然语言查询**：支持中文自然语言描述查询需求 - **MongoDB原生查询**：支持标准MongoDB查询语法 - **聚合管道**：支持复杂的数据聚合操作 - **查询优化**：自动优化查询性能 - **查询缓存**：智能缓存提升查询速度 ### 🏢 多实例管理 - **实例发现**：自动发现和连接多个MongoDB实例 - **负载均衡**：智能分配查询请求 - **健康检查**：实时监控实例状态 - **故障转移**：自动处理实例故障 - **连接池管理**：优化数据库连接使用 ### 🛡️ 安全控制 - **只读权限**：确保数据安全，仅支持读取操作 - **查询限制**：限制查询复杂度和返回数据量 - **数据脱敏**：自动识别和脱敏敏感信息 - **访问控制**：基于角色的访问权限管理 - **安全审计**：记录所有查询操作 ### 🧠 智能分析 - **结构发现**：自动分析数据库结构和字段类型 - **语义理解**：理解字段的业务含义 - **查询建议**：提供查询优化建议 - **性能分析**：分析查询性能和瓶颈 - **索引建议**：智能推荐索引优化方案 ### 📊 监控与指标 - **实时监控**：系统性能和查询指标实时监控 - **性能分析**：详细的查询性能统计 - **错误追踪**：完整的错误记录和分析 - **健康检查**：系统健康状态评估 - **指标导出**：支持多种格式的指标导出 ### 🔧 用户体验 - **错误处理**：友好的错误提示和建议 - **用户反馈**：完整的反馈收集系统 - **帮助系统**：内置帮助文档和FAQ - **配置验证**：自动验证配置文件和环境 ### 🔌 MCP集成 - **标准协议**：完全兼容MCP（Model Context Protocol） - **工具丰富**：提供完整的查询和分析工具集 - **交互式**：支持对话式查询和探索 - **可扩展**：易于集成到各种AI应用中 - **反馈工具**：内置用户反馈和帮助工具 ## 📦 安装部署 ### 环境要求 - Python 3.8+ - MongoDB 4.0+ - 可选：Redis（用于缓存） ### 🚀 快速开始 #### 快速启动（推荐） 使用uvx快速启动服务： ```bash # 安装uv工具（如果尚未安装） pip install uv # 从项目目录启动（推荐） cd /path/to/QueryNest uvx --from . --no-cache querynest-mcp # 或从任何位置启动 uvx --from /path/to/QueryNest --no-cache querynest-mcp ``` uvx启动的优势： - 自动处理依赖关系 - 无需预安装包到环境 - 使用隔离的执行环境 - 自动缓存加速后续启动 #### 手动安装 1. **克隆项目** ```bash git clone https://github.com/niuzaishu/QueryNest.git cd QueryNest ``` 2. **安装依赖** ```bash cd QueryNest pip install -r requirements.txt ``` 3. **配置服务** ```bash # 复制配置模板 cp config.example.yaml config.yaml # 编辑配置文件（根据实际环境修改MongoDB连接字符串） vim config.yaml # 或使用您喜欢的编辑器 ``` 4. **启动服务** ```bash # 开发模式（直接运行） python mcp_server.py --log-level DEBUG # 生产模式（使用uvx，推荐） uvx --from . --no-cache querynest-mcp # 设置配置文件路径（如果需要） export QUERYNEST_CONFIG_PATH=/path/to/config.yaml ``` #### Docker 部署 ```bash # 构建并启动 docker-compose up -d # 查看日志 docker-compose logs -f # 停止服务 docker-compose down ``` ## ⚙️ 配置说明 ### 🔌 MCP 客户端配置 服务启动后，可以在支持MCP协议的AI客户端中配置QueryNest服务以实现智能数据库查询功能。 #### 1. 项目结构 ``` QueryNest/ ├── 📄 配置文件 │ ├── config.yaml # 主配置文件 │ ├── config.example.yaml # 配置模板 │ └── config.py # 配置管理 ├── 🚀 核心服务 │ ├── mcp_server.py # MCP服务器入口 │ ├── start.py # 备用启动脚本 │ └── database/ # 数据库连接和管理 ├── 🔧 MCP工具集 │ └── mcp_tools/ # MCP协议工具实现 ├── 🔍 扫描分析 │ └── scanner/ # 数据库扫描和语义分析 ├── 🛠️ 工具类 │ └── utils/ # 验证、错误处理、工作流管理 ├── 🧪 测试代码 │ └── tests/ # 单元测试和集成测试 ├── 📚 文档 │ └── docs/ # 完整项目文档 ├── 📦 部署 │ └── deployment/ # Docker和服务配置 └── 📜 脚本 └── scripts/ # 数据库检查和测试工具 ``` > 📖 详细结构说明请参考 [`docs/PROJECT_STRUCTURE.md`](docs/PROJECT_STRUCTURE.md) QueryNest 已经配置为可通过 uvx 运行的包，项目包含以下关键文件： **setup.py** - 包配置文件： ```python setup( name="querynest", version="1.0.0", description="QueryNest MCP MongoDB查询服务", py_modules=["mcp_server", "config"], packages=["database", "scanner", "mcp_tools", "utils"], entry_points={ "console_scripts": [ "querynest-mcp=mcp_server:cli_main", ] }, ) ``` **入口点配置** - 在 `mcp_server.py` 中定义了 CLI 入口： ```python def cli_main(): """命令行入口点""" # 自动查找配置文件并设置环境 # 支持从不同目录启动 asyncio.run(main()) if __name__ == "__main__": cli_main() ``` #### 2. 本地运行步骤 **步骤 1：安装 uv 工具** 如果尚未安装uv，可通过以下方式安装： ```bash # 使用pip安装（推荐） pip install uv # 或使用官方安装脚本（Linux/macOS） curl -LsSf https://astral.sh/uv/install.sh | sh # Windows PowerShell powershell -c "irm https://astral.sh/uv/install.ps1 | iex" # 验证安装 uvx --version ``` **步骤 2：启动服务** 在项目根目录下运行： ```bash # 推荐方式：从项目目录运行 cd /path/to/QueryNest uvx --from . --no-cache querynest-mcp # 或设置环境变量指定配置文件 export QUERYNEST_CONFIG_PATH=/path/to/QueryNest/config.yaml uvx --from /path/to/QueryNest --no-cache querynest-mcp ``` **步骤 3：验证服务启动** 服务启动成功后，您应该看到类似以下的日志输出： ```json {"event": "Starting QueryNest MCP server initialization", "config_path": "/path/to/config.yaml"} {"event": "Configuration loaded successfully", "instances_count": 2} {"event": "MCP tools initialized successfully", "tools_count": 13} {"event": "Starting stdio MCP server"} ``` #### 3. MCP客户端集成 **uvx 工作原理：** uvx 是一个现代的 Python 包执行工具，它可以： - 自动从当前目录（`.`）安装包 - 管理临时虚拟环境 - 执行包的入口点命令 **MCP 客户端配置要点：** 对于支持MCP协议的AI客户端，QueryNest 的配置示例： ```json { "mcpServers": { "QueryNest": { "command": "uvx", "args": ["--from", "/path/to/QueryNest", "--no-cache", "querynest-mcp"], "cwd": "/path/to/QueryNest", "env": { "QUERYNEST_CONFIG_PATH": "/path/to/QueryNest/config.yaml", "QUERYNEST_LOG_LEVEL": "INFO" } } } } ``` **Windows 配置示例：** ```json { "mcpServers": { "QueryNest": { "command": "uvx", "args": ["--from", "C:\\path\\to\\QueryNest", "--no-cache", "querynest-mcp"], "cwd": "C:\\path\\to\\QueryNest", "env": { "QUERYNEST_CONFIG_PATH": "C:\\path\\to\\QueryNest\\config.yaml" } } } } ``` **关键配置说明：** - `--from /path/to/QueryNest`: 指定项目绝对路径 - `--no-cache`: 确保使用最新代码 - `cwd`: 设置工作目录为项目根目录 - `querynest-mcp`: 在 setup.py 中定义的入口点命令 **优势：** 1. **项目路径明确**: 使用绝对路径确保找到正确的项目 2. **自动依赖管理**: uvx 自动处理所有依赖包 3. **隔离环境**: 每次运行都在独立的临时环境中 4. **配置文件自动发现**: 服务器会自动查找配置文件 #### 4. 故障排除 **常见问题及解决方案：** **问题 1：uvx 命令不存在** ```bash # 解决方案：安装uv工具 pip install uv # 或使用官方安装脚本 curl -LsSf https://astral.sh/uv/install.sh | sh # Linux/macOS # powershell -c "irm https://astral.sh/uv/install.ps1 | iex" # Windows # 验证安装 uvx --version ``` **问题 2：配置文件未找到** ```bash # 检查配置文件是否存在 ls -la config.yaml # 从示例创建配置文件 cp config.example.yaml config.yaml # 设置环境变量 export QUERYNEST_CONFIG_PATH=/path/to/QueryNest/config.yaml ``` **问题 3：MCP 服务连接失败** - 检查 MCP 客户端配置文件格式 - 确认项目路径是否正确（使用绝对路径） - 验证 MongoDB 服务是否运行 - 检查配置文件 `config.yaml` 是否存在 **问题 4：MongoDB连接失败** ```bash # 检查MongoDB服务状态 python scripts/check_db.py # 手动测试MongoDB连接 python -c " from pymongo import MongoClient client = MongoClient('mongodb://localhost:27017/') print('MongoDB连接成功') " # 检查MongoDB服务是否运行 # Linux/macOS sudo systemctl status mongod # Windows net start | findstr -i mongo ``` **验证配置成功：** ```bash # 测试本地运行 cd /path/to/QueryNest uvx --from . --no-cache querynest-mcp --help # 检查项目结构 ls -la setup.py mcp_server.py config.yaml # 验证入口点 python -c " from mcp_server import cli_main print('Entry point OK') " # 测试完整启动流程 uvx --from . --no-cache querynest-mcp --log-level INFO ``` ### MongoDB实例配置 QueryNest支持灵活的环境配置，您可以根据实际需求配置不同类型的实例： 1. **传统环境配置**（dev、test、uat、sit、staging、prod） 2. **业务系统配置**（crm-prod、order-system、user-center） 3. **地域集群配置**（beijing、shanghai、guangzhou） 4. **自定义环境配置**（任意命名） ```yaml mongodb: instances: prod-main: name: "生产主库" environment: "prod" connection_string: "mongodb://admin:password@localhost:27017/admin" database: "prod_database" description: "生产环境主数据库" status: "active" tags: ["production", "primary"] crm-prod: name: "CRM生产库" environment: "crm-prod" connection_string: "mongodb://crm_user:${CRM_DB_PASSWORD}@crm-db.company.com:27017/admin" database: "crm_database" description: "CRM系统生产数据库" status: "active" tags: ["crm", "production"] beijing-cluster: name: "北京集群" environment: "beijing" connection_string: "mongodb://readonly:${BEIJING_DB_PASSWORD}@beijing-mongo.company.com:27017/admin" database: "beijing_database" description: "北京地域MongoDB集群" status: "active" tags: ["beijing", "cluster"] ``` ### 安全配置 ```yaml security: permissions: allowed_operations: - "find" - "count" - "aggregate" - "distinct" forbidden_operations: - "insert" - "update" - "delete" limits: max_documents: 1000 query_timeout: 30 data_masking: enabled: true sensitive_field_patterns: - "password" - "email" - "phone" ``` ### 环境变量配置 支持多实例独立的环境变量管理： ```bash # .env 文件示例 # 传统环境密码 PROD_DB_PASSWORD=your_prod_password TEST_DB_PASSWORD=your_test_password DEV_DB_PASSWORD=your_dev_password # 业务系统密码 CRM_DB_PASSWORD=your_crm_password ORDER_DB_PASSWORD=your_order_password USER_CENTER_DB_PASSWORD=your_user_center_password # 地域集群密码 BEIJING_DB_PASSWORD=your_beijing_password SHANGHAI_DB_PASSWORD=your_shanghai_password GUANGZHOU_DB_PASSWORD=your_guangzhou_password # 自定义实例密码 CUSTOM_INSTANCE_PASSWORD=your_custom_password ``` ### 端口配置 - **MCP服务**: 默认使用stdio通信，无需端口；HTTP模式可配置端口（默认8000） - **MongoDB**: 27017 (Docker容器内部) - **Prometheus**: 9090 (监控面板) - **应用监控**: 8000 (可选，用于健康检查) **端口说明：** - stdio模式：通过标准输入输出通信，无需网络端口 - HTTP模式：通过环境变量 `QUERYNEST_MCP_PORT` 配置端口 ### 元数据配置 ```yaml metadata: instance_id: "dev-local" # 可以是任意环境标识 database_name: "querynest_metadata" collections: instances: "instances" databases: "databases" collections: "collections" fields: "fields" query_history: "query_history" ``` ## 🛠️ MCP工具使用 ### 1. 实例发现 (discover_instances) 发现和列出所有可用的MongoDB实例。 ```json { "name": "discover_instances", "arguments": { "include_health": true, "include_stats": true } } ``` ### 2. 数据库发现 (discover_databases) 列出指定实例中的所有数据库。 ```json { "name": "discover_databases", "arguments": { "instance_id": "prod-main", "include_collections": true, "exclude_system": true } } ``` ### 3. 集合分析 (analyze_collection) 分析指定集合的结构和字段信息。 ```json { "name": "analyze_collection", "arguments": { "instance_id": "prod-main", "database_name": "ecommerce", "collection_name": "users", "include_semantics": true, "include_examples": true, "rescan": false } } ``` ### 4. 语义管理 (manage_semantics) 管理字段的业务语义信息。 ```json { "name": "manage_semantics", "arguments": { "action": "batch_analyze", "instance_id": "prod-main", "database_name": "ecommerce", "collection_name": "users" } } ``` ### 5. 查询生成 (generate_query) 根据自然语言描述生成MongoDB查询。 ```json { "name": "generate_query", "arguments": { "instance_id": "prod-main", "database_name": "ecommerce", "collection_name": "orders", "query_description": "查找今天创建的订单，按金额降序排列", "query_type": "auto", "limit": 50 } } ``` ### 6. 查询确认 (confirm_query) 执行生成的查询并返回结果。 ```json { "name": "confirm_query", "arguments": { "instance_id": "prod-main", "database_name": "ecommerce", "collection_name": "orders", "query_type": "find", "mongodb_query": { "filter": {"created_at": {"$gte": "2024-01-01T00:00:00Z"}}, "sort": {"amount": -1}, "limit": 50 }, "explain": true } } ``` ## 📊 使用示例 ### 场景1：电商数据分析 1. **发现实例和数据库** ``` 用户："帮我查看有哪些可用的数据库实例" 助手：使用 discover_instances 工具 ``` 2. **分析用户集合** ``` 用户："分析一下电商数据库中的用户表结构" 助手：使用 analyze_collection 工具分析 users 集合 ``` 3. **自然语言查询** ``` 用户："查找最近一周注册的活跃用户，按注册时间排序" 助手：使用 generate_query 生成查询，然后用 confirm_query 执行 ``` ### 场景2：日志数据查询 1. **语义分析** ``` 用户："帮我理解日志集合中各个字段的含义" 助手：使用 manage_semantics 进行批量语义分析 ``` 2. **复杂聚合查询** ``` 用户："统计每小时的错误日志数量，按时间分组" 助手：生成聚合查询并执行 ``` ## 🔧 开发指南 ### 项目结构 ``` QueryNest/ ├── src/ │ ├── __init__.py │ ├── config.py # 配置管理 │ ├── mcp_server.py # MCP服务器主文件 │ ├── database/ # 数据库模块 │ │ ├── __init__.py │ │ ├── connection_manager.py │ │ ├── metadata_manager.py │ │ └── query_engine.py │ ├── scanner/ # 扫描模块 │ │ ├── __init__.py │ │ ├── structure_scanner.py │ │ └── semantic_analyzer.py │ └── mcp_tools/ # MCP工具 │ ├── __init__.py │ ├── instance_discovery.py │ ├── database_discovery.py │ ├── collection_analysis.py │ ├── semantic_management.py │ ├── query_generation.py │ └── query_confirmation.py ├── config.yaml # 配置文件 ├── requirements.txt # 依赖列表 └── README.md # 项目文档 ``` ### 添加新工具 1. **创建工具类** ```python class NewTool: def get_tool_definition(self) -> Tool: # 定义工具接口 pass async def execute(self, arguments: Dict[str, Any]) -> List[TextContent]: # 实现工具逻辑 pass ``` 2. **注册工具** ```python # 在 mcp_server.py 中注册 new_tool = NewTool(...) self.tools["new_tool"] = new_tool ``` ### 扩展语义分析 1. **添加语义规则** ```python # 在 semantic_analyzer.py 中添加 self.semantic_patterns.update({ "custom_field": { "patterns": [r"custom_.*"], "meaning": "自定义字段", "confidence": 0.8 } }) ``` 2. **自定义分析逻辑** ```python def analyze_custom_semantics(self, field_info): # 实现自定义语义分析逻辑 pass ``` ## 🚨 注意事项 ### 安全考虑 1. **权限控制** - 确保只允许读取操作 - 配置适当的查询限制 - 启用数据脱敏功能 2. **网络安全** - 使用SSL/TLS连接 - 配置防火墙规则 - 定期更新密码 3. **数据保护** - 避免记录敏感信息 - 定期清理查询历史 - 监控异常访问 ### 性能优化 1. **连接管理** - 合理配置连接池大小 - 启用连接复用 - 监控连接健康状态 2. **查询优化** - 使用适当的索引 - 限制查询结果数量 - 避免复杂的聚合操作 3. **缓存策略** - 启用元数据缓存 - 缓存常用查询结果 - 定期清理过期缓存 ## 📝 更新日志 ### v1.0.0 (2024-01-01) - 初始版本发布 - 支持多实例MongoDB连接 - 实现基础的结构扫描和语义分析 - 提供完整的MCP工具集 - 支持自然语言查询生成 ## 🧪 测试 ### 运行所有测试 ```bash python -m pytest tests/ -v ``` ### 运行单元测试 ```bash # 测试连接管理器 python -m pytest tests/unit/test_connection_manager.py -v # 测试查询引擎 python -m pytest tests/unit/test_query_engine.py -v # 测试元数据管理器 python -m pytest tests/unit/test_metadata_manager.py -v # 测试数据库扫描器 python -m pytest tests/unit/test_database_scanner.py -v # 测试MCP工具 python -m pytest tests/unit/test_mcp_tools.py -v ``` ### 测试覆盖率 ```bash pip install pytest-cov python -m pytest tests/ --cov=src --cov-report=html ``` ### 环境验证 ```bash # 验证启动环境 python -c " from utils.startup_validator import validate_startup_environment print(validate_startup_environment()) " ``` ## 📚 文档 ### 核心文档 - [技术架构](app.md) - 详细的技术架构说明 - [配置指南](config.example.yaml) - 配置文件说明 - [环境变量](.env.example) - 环境变量配置说明 ### 部署文档 - [部署脚本](deploy.py) - 自动部署工具 - [Docker部署](docker-compose.yml) - 容器化部署 - [服务配置](querynest.service) - 系统服务配置 ### 开发文档 - [单元测试](tests/unit/) - 完整的单元测试套件 - [错误处理](src/utils/error_handler.py) - 错误处理机制 - [监控指标](src/utils/monitoring.py) - 性能监控系统 - [配置验证](src/utils/config_validator.py) - 配置验证工具 ### 用户指南 - [快速开始](#-快速开始) - 快速部署和使用 - [功能特性](#-功能特性) - 详细功能说明 - [故障排除](#-故障排除) - 常见问题解决 ## 📚 更多资源 - [Docker部署指南](DOCKER.md) - [贡献指南](CONTRIBUTING.md) - [变更日志](CHANGELOG.md) - [MCP协议文档](https://modelcontextprotocol.io/) - [MongoDB官方文档](https://docs.mongodb.com/) - [Python异步编程指南](https://docs.python.org/3/library/asyncio.html) ## 🔧 故障排除 ### 常见问题 #### 3. 连接MongoDB失败 ```bash # 检查MongoDB服务状态 sudo systemctl status mongod # 测试网络连接 telnet <mongodb_host> <mongodb_port> # 验证认证信息 mongo --host <host> --port <port> -u <username> -p ``` #### 4. 配置文件错误 ```bash # 验证配置文件 python -c " from utils.config_validator import ConfigValidator validator = ConfigValidator() print(validator.validate_config_file('config.yaml')) " ``` ### 环境变量配置 QueryNest 支持以下环境变量： | 环境变量 | 描述 | 默认值 | 示例 | |---------|------|--------|---------| | `QUERYNEST_CONFIG_PATH` | 配置文件路径 | `config.yaml` | `/app/config.yaml` | | `QUERYNEST_LOG_LEVEL` | 日志级别 | `INFO` | `DEBUG`, `INFO`, `WARNING`, `ERROR` | | `QUERYNEST_MCP_TRANSPORT` | MCP传输方式 | `stdio` | `stdio`, `http` | | `QUERYNEST_MCP_HOST` | HTTP模式主机地址 | `None` | `0.0.0.0` | | `QUERYNEST_MCP_PORT` | HTTP模式端口 | `None` | `8000` | | `MONGO_PROD_PASSWORD` | 生产环境MongoDB密码 | - | `your_password` | | `MONGO_TEST_PASSWORD` | 测试环境MongoDB密码 | - | `your_password` | | `MONGO_DEV_PASSWORD` | 开发环境MongoDB密码 | - | `your_password` | **Linux/macOS 示例：** ```bash # 设置配置文件路径 export QUERYNEST_CONFIG_PATH=/path/to/QueryNest/config.yaml # 设置日志级别 export QUERYNEST_LOG_LEVEL=DEBUG # MCP传输模式（目前仅支持stdio） export QUERYNEST_MCP_TRANSPORT=stdio ``` **Windows 示例：** ```cmd # CMD set QUERYNEST_CONFIG_PATH=C:\path\to\QueryNest\config.yaml set QUERYNEST_LOG_LEVEL=DEBUG # PowerShell $env:QUERYNEST_CONFIG_PATH="C:\path\to\QueryNest\config.yaml" $env:QUERYNEST_LOG_LEVEL="DEBUG" ``` #### 5. 依赖包问题 ```bash cd /path/to/QueryNest # 重新安装依赖 pip install -r requirements.txt --force-reinstall # 检查Python版本 python --version # 检查关键包安装状态 pip list | grep -E "(mcp|pymongo|motor)" ``` #### 6. 权限和路径问题 ```bash # 检查文件是否存在 ls -la config.yaml mcp_server.py # 检查目录权限 ls -ld . logs/ # 修复权限（如果需要） chmod 755 . chmod 644 config.yaml chmod +x mcp_server.py # 创建日志目录（如果不存在） mkdir -p logs/ ``` ### 日志分析 查看详细日志： ```bash # 查看应用日志 tail -f logs/querynest.log # 查看错误日志 tail -f logs/error.log # 查看系统日志 journalctl -u querynest -f ``` ### 性能调优 ```bash # 查看系统资源使用 top htop # 查看MongoDB性能 mongotop mongostat # 查看网络连接 netstat -an | grep :27017 ``` ## 🤝 贡献指南 我们欢迎各种形式的贡献！请查看 [CONTRIBUTING.md](CONTRIBUTING.md) 了解如何参与项目开发。 ### 快速贡献指南 1. Fork 项目 2. 创建功能分支 (`git checkout -b feature/AmazingFeature`) 3. 添加测试用例 4. 运行测试确保通过 (`python -m pytest tests/ -v`) 5. 提交更改 (`git commit -m 'Add some AmazingFeature'`) 6. 推送到分支 (`git push origin feature/AmazingFeature`) 7. 开启 Pull Request ### 开发环境 ```bash # 克隆项目 git clone <repository_url> cd QueryNest # 创建虚拟环境 python -m venv venv source venv/bin/activate # Linux/Mac venv\Scripts\activate # Windows # 安装开发依赖 pip install -r requirements.txt pip install pytest pytest-cov black flake8 # 运行代码格式化 black src/ tests/ # 运行代码检查 flake8 src/ tests/ ``` ## 📄 许可证 本项目采用 MIT 许可证 - 查看 [LICENSE](LICENSE) 文件了解详情。 ## 🙏 致谢 感谢所有贡献者和以下开源项目： - [PyMongo](https://pymongo.readthedocs.io/) - MongoDB Python驱动 - [PyYAML](https://pyyaml.org/) - YAML解析器 - [psutil](https://psutil.readthedocs.io/) - 系统监控库 - [pytest](https://pytest.org/) - 测试框架 ## 📞 支持 如果您遇到问题或有建议，请： 1. 查看 [FAQ](docs/FAQ.md) 2. 搜索 [Issues](../../issues) 3. 创建新的 [Issue](../../issues/new) 4. 查看 [GitHub Discussions](https://github.com/your-repo/QueryNest/discussions) 5. 联系维护者 ## 🙏 致谢 感谢以下项目和贡献者： - [MCP (Model Context Protocol)](https://github.com/modelcontextprotocol/python-sdk) - [PyMongo](https://github.com/mongodb/mongo-python-driver) - [Motor](https://github.com/mongodb/motor) - [Pydantic](https://github.com/pydantic/pydantic) - [StructLog](https://github.com/hynek/structlog) --- **QueryNest** - 让MongoDB查询变得简单智能 🚀