JVLink MCP Server

Instructions

Args:
    query_text: 自然言語のクエリ
        例: "過去3年で東京競馬場の芝1600mで1番人気だった馬の成績を教えて"
        例: "ディープインパクト産駒の距離別成績を集計して"

Returns:
    生成されたSQLクエリと説明

Implementation Reference

• src/jvlink_mcp_server/server.py:333-384 (handler)

  The `generate_sql_from_natural_language` function serves as the MCP tool handler. It takes a natural language query as input, retrieves schema information, constructs a prompt for an LLM to generate a safe SQL query based on the JVLink database structure, and returns the prompt and metadata.

  def generate_sql_from_natural_language(query_text: str) -> dict:
      """自然言語からSQLクエリを動的生成
  
      Args:
          query_text: 自然言語のクエリ
              例: "過去3年で東京競馬場の芝1600mで1番人気だった馬の成績を教えて"
              例: "ディープインパクト産駒の距離別成績を集計して"
  
      Returns:
          生成されたSQLクエリと説明
      """
      # スキーマ情報を取得
      schema_info = get_schema_description()
  
      # プロンプトを構築
      prompt = f"""
  あなたはJVLink競馬データベースのSQLエキスパートです。
  以下のユーザーの自然言語クエリをSQLに変換してください。
  
  ### データベース構造:
  {json.dumps(schema_info, ensure_ascii=False, indent=2)}
  
  ### 競馬場コード:
  {json.dumps(TRACK_CODES, ensure_ascii=False)}
  
  ### グレードコード:
  {json.dumps(GRADE_CODES, ensure_ascii=False)}
  
  ### ユーザークエリ:
  {query_text}
  
  ### 要件:
  1. 読み取り専用のSELECT文のみ生成
  2. JOINが必要な場合は適切に使用
  3. WHERE句で適切にフィルタリング
  4. 日付フィルタは DATE() 関数を使用
  5. 集計が必要な場合はGROUP BYを使用
  
  ### 出力形式:
  {{
      "sql": "生成されたSQLクエリ",
      "explanation": "クエリの日本語説明",
      "tables_used": ["使用したテーブルのリスト"],
      "notes": "注意事項やヒント"
  }}
  """
  
      return {
          "prompt_for_llm": prompt,
          "hint": "このプロンプトをLLMに渡してSQLを生成してください",
          "schema_info": schema_info
      }