mirror of
https://github.com/LeoYeAI/openclaw-master-skills.git
synced 2026-08-14 00:48:08 +00:00
MindsDB MCP Skill
一个基于MindsDB MCP服务器的Claude技能，支持通过自然语言操作200+企业级数据源。
A Claude skill based on MindsDB MCP server, supporting natural language operations on 200+ enterprise data sources.
架构说明 / Architecture Overview
使用方式 / Usage Pattern
本技能采用 Agent + MCP 架构，与直接使用MindsDB有所不同：
This skill uses an Agent + MCP architecture, which differs from direct MindsDB usage:
直接使用MindsDB / Direct MindsDB Usage:
用户 → MindsDB GUI/SQL → 数据源/AI模型
User → MindsDB GUI/SQL → Data Sources/AI Models
本技能方式 / This Skill's Approach:
用户（自然语言）→ Claude Agent → MindsDB MCP Server → 数据源/AI模型
User (Natural Language) → Claude Agent → MindsDB MCP Server → Data Sources/AI Models
核心优势 / Key Advantages
| 特性 / Feature | 直接使用MindsDB / Direct Usage | 本技能 / This Skill |
|---|---|---|
| 交互方式 / Interaction | SQL语句 / SQL statements | 自然语言 / Natural language |
| 技能要求 / Skill Required | 需要SQL知识 / SQL knowledge required | 无需SQL / No SQL needed |
| 学习曲线 / Learning Curve | 较陡 / Steep | 平缓 / Gentle |
| 自动化程度 / Automation Level | 手动 / Manual | 自动 / Automatic |
| 适用人群 / Target Users | 技术人员 / Technical users | 所有人 / Everyone |
示例对比 / Example Comparison
传统方式 / Traditional Approach:
-- 需要手动编写SQL / Need to write SQL manually
CREATE DATABASE my_postgres
WITH ENGINE = 'postgres',
PARAMETERS = {"host": "127.0.0.1", "port": 5432, ...};
CREATE MODEL churn_predictor
FROM my_postgres(SELECT * FROM customers)
PREDICT churn;
SELECT * FROM churn_predictor WHERE customer_id = 123;
本技能方式 / This Skill's Approach:
用户: "连接到Postgres数据库，预测客户123是否会流失"
User: "Connect to Postgres database, predict if customer 123 will churn"
Agent自动完成 / Agent automatically:
1. 连接数据库 / Connect to database
2. 创建预测模型 / Create prediction model
3. 执行预测 / Execute prediction
4. 返回结果和解释 / Return results with explanation
技术架构 / Technical Architecture
┌─────────────────────────────────────────────────────────┐
│ 用户 / User │
│ (自然语言交互 / Natural Language Interaction) │
└────────────────────┬────────────────────────────────────┘
↓
┌─────────────────────────────────────────────────────────┐
│ Claude Agent │
│ (理解意图、生成SQL、执行任务 / │
│ Understand intent, generate SQL, execute tasks) │
└────────────────────┬────────────────────────────────────┘
↓ (MCP Protocol)
┌─────────────────────────────────────────────────────────┐
│ MindsDB MCP Server │
│ (MCP协议接口 / MCP Protocol Interface) │
└────────────────────┬────────────────────────────────────┘
↓ (SQL/API)
┌─────────────────────────────────────────────────────────┐
│ MindsDB Server │
│ (核心引擎 / Core Engine) │
└────────────────────┬────────────────────────────────────┘
↓ (Connectors)
┌─────────────────────────────────────────────────────────┐
│ 数据源 / Data Sources │
│ MySQL • PostgreSQL • MongoDB • Files • SaaS • ... │
└─────────────────────────────────────────────────────────┘
适用场景 / Use Cases
✅ 适合使用本技能的场景 / Scenarios Suitable for This Skill:
-
非技术人员 / Non-technical Users
- 产品经理需要查询数据 / Product managers need to query data
- 业务分析师进行数据分析 / Business analysts perform data analysis
- 运营人员生成报表 / Operations staff generate reports
-
快速原型开发 / Rapid Prototyping
- 快速验证数据假设 / Quickly validate data hypotheses
- 探索性数据分析 / Exploratory data analysis
- MVP开发 / MVP development
-
自动化工作流 / Automated Workflows
- 定期数据报告 / Regular data reports
- 自动化预测任务 / Automated prediction tasks
- 智能告警系统 / Intelligent alerting systems
⚠️ 可选直接使用MindsDB的场景 / Scenarios for Direct MindsDB Usage:
-
高级SQL需求 / Advanced SQL Requirements
- 复杂的SQL优化 / Complex SQL optimization
- 精细的查询控制 / Fine-grained query control
- 性能调优 / Performance tuning
-
批量操作 / Batch Operations
- 大规模数据迁移 / Large-scale data migration
- 批量模型训练 / Batch model training
- 系统管理任务 / System administration tasks
功能特性
- 🔌 多数据源支持: 连接MySQL、PostgreSQL、MongoDB、Excel、CSV、Gmail、Slack等200+数据源
- 🤖 AI模型创建: 使用MindsDB创建预测和分类模型
- 💬 自然语言查询: 将自然语言转换为SQL查询
- 📊 数据分析: 执行复杂的数据分析和聚合操作
- 🧠 知识库构建（RAG）: 构建智能知识库，支持文档检索和智能问答
- 🔍 智能问答Agent: 基于知识库的AI问答系统
- 🚀 MLOps功能: 模型部署、监控、版本管理、A/B测试
- 🔄 CI/CD集成: 支持MLflow、dbt、Airflow等工具集成
- 🌊 实时流处理: 支持Kafka、Kinesis、RabbitMQ等实时数据处理
- 📈 数据管道: 完整的ETL/ELT数据管道和事件驱动架构
- 🔒 安全可靠: 支持参数化查询和权限管理
安装步骤
1. 安装MindsDB
MindsDB已内置MCP服务器功能，无需单独安装MCP服务器。
# 安装MindsDB
pip install mindsdb
# 启动MindsDB
mindsdb
2. 配置Claude Desktop
编辑Claude Desktop配置文件：
Windows: %APPDATA%\Claude\claude_desktop_config.json
macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
Linux: ~/.config/Claude/claude_desktop_config.json
添加以下配置：
{
"mcpServers": {
"mindsdb": {
"type": "url",
"url": "http://localhost:47334/mcp/sse",
"name": "mindsdb-mcp",
"authorization_token": "your-mindsdb-token"
}
}
}
3. 重启Claude Desktop
重启Claude Desktop以加载MCP服务器配置。
4. 验证安装
在Claude Desktop中测试：
列出所有可用的数据库
使用示例
查询数据
查询employees表中所有销售部门的员工
创建预测模型
创建一个模型来预测下个月的销售额
连接数据源
连接到我的MySQL数据库，主机是localhost，端口3306
数据分析
分析2024年各地区的销售趋势
构建知识库
创建一个技术文档知识库
智能问答
根据技术文档回答设备报错0xE1怎么处理
与其他框架集成
CrewAI集成
CrewAI是一个强大的多Agent协作框架，支持通过MCP协议集成外部工具。以下是使用本技能与CrewAI集成的几种方式：
方法一：使用 MCP DSL（推荐）
from crewai import Agent, Task, Crew, Process
import os
# 创建集成MindsDB MCP的Agent
mindsdb_agent = Agent(
role="数据库分析师",
goal="通过自然语言查询和分析数据库",
backstory="专业的数据库分析师，精通SQL和数据分析",
# 使用MCP DSL直接连接
mcps=[
f"https://cloud.mindsdb.com/mcp?api_key={os.getenv('MINDSDB_API_KEY')}"
],
verbose=True
)
# 创建任务
task = Task(
description="查询sensor_data表，分析温度异常",
expected_output="温度异常分析报告",
agent=mindsdb_agent
)
# 执行
crew = Crew(agents=[mindsdb_agent], tasks=[task])
result = crew.kickoff()
方法二：使用 MCPServerAdapter（本地MindsDB）
from crewai import Agent
from crewai_tools import MCPServerAdapter
import os
# 直接使用MindsDB内置的MCP服务器
# 注意：需要先启动MindsDB服务
# 使用上下文管理器连接
with MCPServerAdapter("http://localhost:47334/mcp/sse") as mcp_tools:
print(f"可用工具: {[tool.name for tool in mcp_tools]}")
agent = Agent(
role="数据分析师",
goal="分析数据库数据",
backstory="专业的数据分析师",
tools=mcp_tools,
verbose=True
)
方法三：筛选特定工具
# 直接使用MindsDB内置的MCP服务器
from crewai import Agent
from crewai_tools import MCPServerAdapter
# 只加载SQL相关工具
with MCPServerAdapter("http://localhost:47334/mcp/sse", "sql_db_query", "sql_db_schema", "sql_db_list_tables") as mcp_tools:
sql_agent = Agent(
role="SQL专家",
goal="执行SQL查询",
backstory="数据库查询专家",
tools=mcp_tools,
verbose=True
)
方法四：与 CrewBase 结合
from crewai import Agent, CrewBase
import os
@CrewBase
class MindsDBCrew:
"""集成MindsDB MCP的Crew"""
# 直接使用MindsDB内置的MCP服务器
mcp_server_params = ["http://localhost:47334/mcp/sse"]
@agent
def data_analyst(self):
return Agent(
role="数据分析师",
goal="分析数据库数据",
backstory="专业的数据分析师",
tools=self.get_mcp_tools(),
verbose=True
)
@agent
def query_specialist(self):
return Agent(
role="查询专家",
goal="执行SQL查询",
backstory="SQL查询专家",
tools=self.get_mcp_tools("sql_db_query", "sql_db_schema"),
verbose=True
)
完整示例：多Agent协作
from crewai import Agent, Task, Crew, Process
# Agent 1: 数据库连接专家
connection_agent = Agent(
role="数据库连接专家",
goal="连接和管理数据库连接",
backstory="精通各种数据库连接和配置",
mcps=["http://localhost:47334/mcp/sse"],
verbose=True
)
# Agent 2: 数据分析专家
analysis_agent = Agent(
role="数据分析专家",
goal="分析设备数据并发现异常",
backstory="资深数据分析师，擅长时序数据分析",
mcps=["http://localhost:47334/mcp/sse#sql_db_query"],
verbose=True
)
# Agent 3: 报告生成专家
report_agent = Agent(
role="报告生成专家",
goal="生成专业的分析报告",
backstory="技术文档撰写专家",
verbose=True
)
# 创建任务
tasks = [
Task(
description="连接TDengine数据库，验证sensor_data表是否存在",
expected_output="连接状态和表结构信息",
agent=connection_agent
),
Task(
description="分析sensor_data表，找出温度超过80度的异常设备",
expected_output="数据分析结果和异常设备列表",
agent=analysis_agent
),
Task(
description="生成包含维护建议的专业报告",
expected_output="结构化的分析报告",
agent=report_agent
)
]
# 创建并执行Crew
crew = Crew(
agents=[connection_agent, analysis_agent, report_agent],
tasks=tasks,
process=Process.sequential,
verbose=True
)
result = crew.kickoff()
print(result)
环境配置
# 安装依赖
pip install crewai crewai-tools[mcp]
# 启动MindsDB服务
mindsdb
最佳实践
-
使用特定工具筛选: 通过
#语法只加载需要的工具mcps=["https://cloud.mindsdb.com/mcp?api_key=key#sql_db_query"] -
安全处理密钥: 使用环境变量，不要硬编码
api_key = os.getenv("MINDSDB_API_KEY") -
配置备用服务器: 确保任务不会因单点故障失败
mcps=[ "https://cloud.mindsdb.com/mcp?api_key=primary_key", "https://backup.mindsdb.com/mcp?api_key=backup_key" ] -
合理设置超时: CrewAI默认连接超时10秒，执行超时30秒
支持的数据源
关系型数据库
- MySQL, PostgreSQL, SQL Server, Oracle, SQLite
NoSQL数据库
- MongoDB, Redis, Cassandra, Elasticsearch
云数据库
- AWS RDS, Google Cloud SQL, Azure Database
文件格式
- CSV, Excel, JSON, Parquet
SaaS应用
- Gmail, Slack, Salesforce, Shopify
文档结构
mindsdb-skill/
├── SKILL.md # 主技能文件
├── README.md # 项目说明
├── INSTALL.md # 安装配置指南
├── USAGE.md # 使用示例
├── TROUBLESHOOTING.md # 故障排除
├── evals/
│ └── evals.json # 测试用例
└── references/
├── mindsdb-tools.md # 工具参考文档
├── data-sources.md # 数据源配置
├── sql-examples.md # SQL查询示例
├── sdk-api.md # SDK和API参考
├── knowledge-base.md # 知识库构建指南
├── mlops-advanced.md # MLOps和高级功能
├── streaming-pipelines.md # 实时流处理和数据管道
└── intelligent-analysis.md # 智能分析指南 ✨
常见问题
Q: 如何获取MindsDB API密钥？
A: 访问 https://cloud.mindsdb.com 注册账号并获取API密钥。
Q: 支持哪些数据库？
A: 支持200+数据源，包括MySQL、PostgreSQL、MongoDB等主流数据库。
Q: 如何处理大数据量查询？
A: 使用LIMIT限制结果数量，或使用分页查询。
Q: 可以创建自定义模型吗？
A: 可以，MindsDB支持多种模型引擎，包括Lightwood、XGBoost等。
贡献指南
欢迎提交问题和改进建议！
许可证
MIT License
联系方式
- MindsDB文档: https://docs.mindsdb.com
- MCP协议: https://modelcontextprotocol.io