Focus_mcp_sql

FOCUS DATA MCP サーバー [中文]

Model Context Protocol（MCP）サーバーを使用すると、AI アシスタントは自然言語を SQL 文に変換できます。

Text-to-SQL フレームワークはすでに数多くあります。なぜ、さらに別のものが必要なのでしょうか？

簡単に言うと、focus_mcp_sql は2段階の SQL 生成方式を採用しており、LLM のハルシネーションを制御できるため、技術に詳しくないユーザーが生成された SQL の結果を信頼できるようになります。

以下は、focus_mcp_sql と他のフレームワークの比較表です。

比較分析表

以下では、focus_mcp_sql と他の LLM ベースのフレームワークを並べて比較しています。

特徴	従来の LLM フレームワーク	focus_mcp_sql
生成プロセス	ブラックボックス、SQL を直接生成	透明性のある2段階方式（キーワード＋SQL）
ハルシネーションのリスク	高い。モデルの品質に依存	低い。制御可能（キーワード検証）
速度	遅い。大規模モデルの推論に依存	速い。キーワードから SQL への変換は決定的
コスト	高い。高度なモデルが必要	低い。大規模モデルへの依存を軽減
技術に詳しくないユーザーにとっての使いやすさ	低い。結果の検証が難しい	高い。キーワードを簡単に確認できる

機能

-モデルを初期化 -自然言語を SQL 文に変換

前提条件

• jdk 23 以上。jdk をダウンロード
• gradle 8.12 以上。gradle をダウンロード
• Datafocus に登録して bearer token を取得します：
  1. Datafocus にアカウントを登録します
  2. アプリケーションを作成します
  3. アプリケーションを開きます
  4. Admin -> Interface authentication -> Bearer Token -> New Bearer Token

インストール

1. このリポジトリをクローンします：

git clone https://github.com/FocusSearch/focus_mcp_sql.git
cd focus_mcp_sql

2. サーバーをビルドします：

gradle clean
gradle bootJar

The jar path: build/libs/focus_mcp_sql.jar

MCP の設定

MCP の設定ファイルにサーバーを追加します：

{
  "mcpServers": {
    "focus_mcp_data": {
      "command": "java",
      "args": [
        "-jar",
        "path/to/focus_mcp_sql/focus_mcp_sql.jar"
      ],
      "autoApprove": [
        "gptText2sqlStart",
        "gptText2sqlChat"
      ]
    }
  }
}

利用可能なツール

1. gptText2sqlStart

モデルを初期化します。

パラメーター：

• model（必須）：テーブルモデル
• bearer（必須）：ベアラートークン
• language（任意）：言語 ['english','chinese']

例：

{
  "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="
}

model パラメーターの説明：

名称	位置	类型	必选	説明
model	body	object	是	none
» type	body	string	是	データベースの種類
» version	body	string	是	データベースのバージョン
» tables	body	[object]	是	テーブル構造の一覧
»» tableDisplayName	body	string	否	テーブルの表示名
»» tableName	body	string	否	テーブルの元の名前
»» columns	body	[object]	否	テーブル列の一覧
»»» columnDisplayName	body	string	是	列の表示名
»»» columnName	body	string	是	列の元の名前
»»» dataType	body	string	是	列のデータ型
»»» aggregation	body	string	是	列の集計方法
» relations	body	[object]	是	テーブル間の関連の一覧
»» conditions	body	[object]	否	関連条件
»»» dstColName	body	string	否	dimension テーブルの関連列の元の名前
»»» srcColName	body	string	否	fact テーブルの関連列の元の名前
»» dimensionTable	body	string	否	dimension テーブルの元の名前
»» factTable	body	string	否	fact テーブルの元の名前
»» joinType	body	string	否	関連の種類

2. gptText2sqlChat

自然言語を SQL に変換します。

パラメーター：

• chatId（必須）：チャット ID
• input（必須）：自然言語
• bearer（必須）：ベアラートークン

例：

{
  "chatId": "03975af5de4b4562938a985403f206d4",
  "input": "what is the max age",
  "bearer": "ZTllYzAzZjM2YzA3NDA0ZGE3ZjguNDJhNDjNGU4NzkyYjY1OTY0YzUxYWU5NmU="
}

応答形式

すべてのツールは、以下の形式で応答を返します。

{
  "errCode": 0,
  "exception": "",
  "msgParams": null,
  "promptMsg": null,
  "success": true,
  "data": {
  }
}

Visual Studio Code Cline のサンプル

1. VS Code に cline プラグインをインストールします
2. MCP サーバーを設定します
3. 使用方法
   1. モデルを初期化します
   2. 入力：what is the max age

お問い合わせ：

https://discord.gg/mFa3yeq9