TFG文档：数据空间与生成式人工智能的互联

日期: 2025/04/11 作者: Jaime Alonso Ruiz 导师: Joaquín Salvachúa TFG标题: 数据空间与生成式人工智能互联的设计与实现

---

🎯 项目目的

本毕业设计的主要目标是设计并实现一个功能性且可扩展的架构，该架构允许语言模型 (LLM) 使用 模型上下文协议 (MCP) 与数据空间进行交互。 客户端（语言模型）不应直接访问数据库，所有操作都应仅通过 MCP 服务器执行，该服务器充当安全、模块化和可扩展的中间层。

---

🧱 当前架构

主要组件：

• 🧠 LLM 客户端 (cliente_llm.py)

  • 执行自然语言问题。
  • 使用 TinyLlama-1.1B-Chat-v1.0 模型。
  • 从问题生成 SQL 查询。
  • 仅通过 MCP 服务器查询数据。
  • 解释返回的结果并构建解释性答案。
  • 将整个过程记录在日志中：logs/cliente_llm.log。

• 🔗 MCP 服务器 (main.py)

  • 使用 FastAPI 开发。
  • 连接到基于 DuckDB 的本地数据空间。
  • 通过 REST 端点暴露 MCP 工具：
    • /tool/consulta: 执行 SQL 查询。
    • /tool/info/productos: 返回不同的产品列表。
    • /tool/info/fechas: 返回记录的最小和最大日期范围。

• 📂 数据空间

  • 在本地使用 DuckDB (lake.duckdb) 实现。
  • 包含一个 iceberg_space.ventas 表，其中包含以下列：
    • fecha (DATE)
    • producto (TEXT)
    • cantidad (INTEGER)
    • precio (DOUBLE)
  • 数据从 load_data.py 加载。

---

🔒 关键原则和决策

• ✅ 严格分离语义处理 (LLM) 和数据访问 (MCP)。
• ✅ 遵守 MCP 提出的设计：LLM 仅通过工具访问数据。
• ✅ 使用从 MCP 获得的上下文信息丰富提示。
• ✅ 模块化、可扩展和可追溯的架构，通过日志记录。

---

📈 未来可扩展性

从一开始，当前的设计就以清晰的增长愿景为基础：

• 🔁 未来将 DuckDB 替换为真正的 Apache Iceberg 甚至 Trino/Presto。
• 🤖 将 TinyLlama 模型替换为更高级或托管在 GPU 上的 LLM。
• 🔎 演变为 RAG（检索增强生成）架构，其中：
  • LLM 首先查询基于从 MCP 生成的嵌入的向量存储。
  • 检索到的内容作为上下文传递给模型，以获得更准确的答案。

此外，还可以集成新的 MCP 工具，例如：

• /tool/info/esquema
• /tool/info/documentacion
• /tool/descargar
• /tool/upload-pdf

---

📜 结论

已经建立了一个坚实、功能齐全且符合 TFG 要求的基石。 该系统已经允许语言模型和数据空间之间的完整交互，符合 MCP 的原则，并为未来发展成为更高级的 RAG 系统铺平了道路。