不写一行代码，用 MCP+魔搭 API-Inference 搭建一个本地数据助手! 附所有工具和清单

还在为大模型开发的复杂技术栈、框架不兼容和工具调用问题头疼吗？MCP（Model Context Protocol servers）来拯救你了！它用统一的技术栈、兼容主流框架和简化工具调用的方式，让大模型开发变得简单高效。

本文将带你学习一下MCP是什么，以及如何用MCP打造一个数据助手，用自然语言与数据库交互。

MCP，全称是“模型上下文协议”（Model Context Protocol），是Anthropic开源的一个标准协议。打个比方，它就像是AI世界的“USB-C”接口。你知道USB-C吧？一根线就能连接手机、电脑、充电器，超级方便。MCP的作用也差不多，它让AI模型（比如Claude）可以轻松地跟外部的数据源和工具连接起来，比如数据库、文件系统、API等等。

MCP 帮助您在大型语言模型（LLMs）的基础上构建智能代理和复杂的工作流程。大型语言模型通常需要与数据和工具进行集成，而 MCP 提供了以下功能：

MCP的核心架构

这张图展示了MCP的核心架构：host，client和server是独立的。host可以是客户端或者APP，client建立起跟server的连接，而server实现对data、resource的封装，可以看成工具调用。

MCP在数据开发上的优势

做过数据开发或者数据应用的同学都肯定被一堆问题困扰过，特别的是数据和模型的部署问题，数据在本地，模型在哪里？应用在哪里？很多时候我们的数据因为安全问题无法上云，只能在本地或者私有环境中，但模型很多时候在云上，而且我们还需要准备环境部署应用层代码。

而现在，MCP可以帮助你解决这个困扰。通过几个问题，我们来对比一下使用或者不使用MCP的情况下数据助手的开发和部署方案。

我们在本地机器上构建数据助手，调用云上的模型，处理本地机器的数据。

本地开发环境：

准备一个MCP数据服务

我们需要一个MCP服务把数据库接入进来，现在有非常多的MCP server都可以帮我连接数据库，比如社区在维护的MCP server[1]、MCP server的平台（Smithery.AI[2]、MCP.run[3]），但基本上都只是提供了一个SQL执行接口。

为了更好的工具调用效果，选择支持自然语言接口的析言MCP服务（Xiyan-mcp-server[4]），可以用自然语言访问数据库，并从数据库获得答案，是当前Test-to-SQL公开基准上的SOTA。

step1: 如何安装和启动析言MCP数据服务

• 安装xiyan-mcp-server

在终端上运行以下命令

pip install xiyan-mcp-server

• 配置模型和数据库

需要将两类配置信息写入配置文件config.yml，模型配置（LLM ）和数据库配置（Database）。

模型配置：魔搭上部署了XiYanSQL-QwenCoder-32B——xiyan_mcp_server官方提供的专属模型——的推理服务，在该模型页面[5]（右侧的推理API- Inference部分），可找到配置信息（name、key、url）。

数据库配置：默认本地有mysql数据库，数据库的配置信息包括：本地数据库host、port、username、password和database名字。

整体的配置如下：

model:  name: "XGenerationLab/XiYanSQL-QwenCoder-32B-2412"  key: "xxxx"   # key可从https://www.modelscope.cn/my/myaccesstoken 页面获取  url: "https://api-inference.modelscope.cn/v1/"
database:  host: "localhost"  port: 3306  user: "root"  password: "123456"  database: "mydb"

将这个配置文件放在本地（假设为/path/to/config.yml）

step2: 如何使用mcp inspector调试服务

选择mcp inspector[6]作为调试器

• 在终端安装node.js

brew install node

• 用终端启动inspector

npx @modelcontextprotocol/inspector -e YML= /path/to/config.yml python -m xiyan_mcp_server

这个inspector会直接在本地拉起一个web服务供调试用，地址在http://localhost:5173

• 打开inspector web服务，点击connect，绿灯亮起表示已连接
  

• 切换到tools页面，点击list tools会跳出来文本到sql的工具
  

• 点击get_data_via_natural_language工具，用自然语言取个数据看看
  

输出是个markdown格式的数据

| email || --- || alice@example.com || bob@example.com || charlie@example.com |

准备一个客户端

为了更方便交互，我们找一个客户端来调用后台的数据服务。目前有非常多支持MCP的客户端，比如开源的MCP的client[7]、闭源的claude desktop等等。这里我们选用的是goose，这是一个开源的支持MCP的client，原生支持MacOS。

step1: 如何在本地安装配置goose

• goose[8]下载与安装

下载地址：

https://block.github.io/goose/docs/quickstart/

下载后根据提示一步步安装即可。

step2: 在goose后台配置LLM模型

为了能用起来chat，需要找一个大语言模型API。我们选择用通义千问2.5-72B-Instruct[9]，魔搭社区上提供了兼容OpenAI接口的推理API，只需要在后台配置endpoint就好。

• 在标签栏点击Goose- setting进入到设置页

• 新增OpenAI的模型：Models——Browse——AddModel

这里我们选用通义千问2.5-72B的模型[9]，模型名字填Qwen/Qwen2.5-72B-Instruct即可。

• 配置模型endpoint和key: Models——Browse——Configure——OpenAI——“+”号

第一栏：Key从https://www.modelscope.cn/my/myaccesstoken 页面获取。

第二栏：通义千问2.5-72B的模型直接填“https://api-inference.modelscope.cn/” 。

第三栏：用默认的即可。

step3: 添加xiyan_mcp_server拓展

• 点击Extensions——Add custon extension

• 在拓展参数上填入启动命令，ID、Name和Description的内容自定义即可。
  

step4: 开启新的会话测试

回到goose主页面，新开一个会话测试，比如在会话栏输入“查询年龄16岁以上的邮箱”

依靠MCP的强大框架和各种开源工具，我们实现了没写一行代码就轻松搭建了一个完善的数据助手 ，可以用自然语言从数据库取数。未来甚至可以接入更多MCP，做更多更全面更有深度的数据分析，简直太棒啦！