MaxKB MCP智能问数方案如何操作及步骤详细说明？

DeepSeek-R1的发布掀起了AI智能变革的浪潮。在过去几个月里，MaxKB开源企业级AI助手已经帮助大量企业和组织快速落地了DeepSeek，让AI在不同的行业土壤中产生持续、可度量的业务价值。 MaxKB（github.com/1Panel-dev/MaxKB） 可以为本地部署的DeepSeek构建一个Chatbox，也就是一个智能会话的界面，类似于个人用户直接与DeepSeek进行对话。MaxKB提供的Chatbox可以方便地嵌入到企业OA系统和业务系统，有效保证使用的便捷性和安全性。另外一方面，MaxKB能够激活企业中长期积累的知识体系，使其智能化并面向内外部用户提供服务。 MaxKB可以让企业内部的私有知识文档快速获得智能问答能力，面向企业的员工、合作伙伴和客户提供AI助手服务。MaxKB还提供开箱即用的RAG（检索增强生成）技术，能够结合私有知识库提升问答效果，降低大模型幻觉。 MaxKB还支持目前最为流行的MCP（Model Context Protocol，模型上下文协议），为用户灵活调用MCP工具提供了充分的便利性。 在帮助企业落地DeepSeek的过程中，MaxKB开源项目组发现很多企业都有“智能问数”的需求，即允许员工使用自然语言查询方法从数据库中检索结构化数据，并展示成直观的图表。 本文将通过一个具体的例子（查询学生成绩），详细讲解如何通过“MaxKB+数据库MCP Server+QuickChart MCP Server”实现智能问数的功能。 方案概述 本方案以“学生考试成绩管理系统”为例进行说明，此系统包含了教师信息、学生信息、年级班级信息、考试成绩等信息内容。 MaxKB智能问数方案逻辑图如下： MaxKB智能问数方案具体实现步骤为： MaxKB的智能问答方案包含以下三大关键步骤： 数据准备：包含数据表详细的DDL（Data Definition Language，数据定义语言）信息和正确的SQL示例，以便大模型能够更好地理解和使用数据； MCP Server准备：需要提前准备对应数据库的MCP Server和生成图表的MCP Server。此阶段可以采用1Panel开源面板来统一部署和运维MCP Server。 MaxKB智能问数应用设计：主要包含在MaxKB中如何通过高级应用编排实现智能问数的效果。 步骤一：数据准备阶段 1. 数据准备 提前准备“学生考试成绩管理系统”数据表详细的DDL信息，需要确保所有数据表的DDL信息完整且准确，包括字段类型、约束条件等。DDL信息后续需要导入到MaxKB知识库中，如果当前数据表不具备或者不清晰，具体的可以参考下图进行完整性补充。 2. SQL示例准备 基于日常工作遇到的查询需求，我们需要提前准备多样化的SQL示例（本Demo数量为100条SQL查询示例），同时需要保证和测试这些SQL的准确性。后续我们需要将这些SQL查询示例导入到MaxKB知识库中。具体准备过程可以参考下图，采用Execl方式进行绘制和编写。 步骤二：MCP Server准备阶段 1. 数据库MCP Server准备 本Demo采用的是MySQL数据库，因此需要提前准备MySQL的MCP Server。在这里我们使用了Github上DBHub开源项目（https://github.com/bytebase/dbhub）部署MySQL的MCP Server。此项目同时还支持PostgreSQL、SQL Server等数据库。 DBHub的部署方式也很简单：进入1Panel应用商店，在“AI/大模型”分类下找到DBHub应用，点击安装即可（注意：需确保1Panel服务器已放行SSE端口）。 部署完成后，我们使用curl方式进行快速验证，返回如下信息即为部署成功： 2. 生成图表MCP Server准备 生成图表的步骤采用“QuickChart.io+Quickchart-MCP-Server”来完成。QuickChart 项目（https://github.com/typpo/quickchart）支持用户通过提供数据和样式参数来创建多种类型的图表，支持从柱状图到速度表等多种图表类型，并且提供生成图表URL和下载图表图片的功能。Quickchart-MCP-Server项目（https://github.com/GongRzhe/Quickchart-MCP-Server）则提供了QuickChart的MCP服务。