Metadata-Version: 2.4
Name: mcp-ai-agent-sdk
Version: 1.0.1
Summary: AI Agent Python SDK - 让任何后台系统快速接入 AI Agent 能力
Author-email: AI Agent Team <support@ai-agent.com>
License: MIT
Project-URL: Homepage, https://wangyunge.top
Project-URL: Documentation, https://wangyunge.top/docs
Project-URL: Repository, https://github.com/your-org/ai-agent-sdk
Keywords: ai,agent,database,natural-language,sql
Classifier: Development Status :: 4 - Beta
Classifier: Intended Audience :: Developers
Classifier: License :: OSI Approved :: MIT License
Classifier: Operating System :: OS Independent
Classifier: Programming Language :: Python :: 3
Classifier: Programming Language :: Python :: 3.7
Classifier: Programming Language :: Python :: 3.8
Classifier: Programming Language :: Python :: 3.9
Classifier: Programming Language :: Python :: 3.10
Classifier: Programming Language :: Python :: 3.11
Classifier: Programming Language :: Python :: 3.12
Classifier: Topic :: Database
Classifier: Topic :: Scientific/Engineering :: Artificial Intelligence
Requires-Python: >=3.7
Description-Content-Type: text/markdown
Requires-Dist: requests>=2.25.0
Provides-Extra: dev
Requires-Dist: pytest>=7.0.0; extra == "dev"
Requires-Dist: pytest-cov>=4.0.0; extra == "dev"
Dynamic: requires-python

# AI Agent Python SDK

让任何后台系统快速接入 AI 对话能力，用自然语言完成数据库增删改查。

## 安装

```bash
pip install mcp-ai-agent-sdk
```

## 快速开始

```python
from ai_agent_sdk import AIAgentClient

# 1. 初始化客户端
client = AIAgentClient(
    api_key="your-deepseek-api-key",
    db_config={
        "host": "localhost",
        "port": 3306,
        "user": "root",
        "password": "xxx",
        "database": "mydb"
    }
)

# 2. 自动生成 Schema（或手动注册）
# ⚠️ 重要：使用AI对话前，必须确保Schema配置是最新的！
client.generate_schema_from_db()

# 3. 一行代码完成 AI 对话 + 数据库操作
result = client.ask_and_execute("查询所有学生")
print(result["message"])  # AI 总结的回复
print(result["data"])     # 查询结果

# 或启动 HTTP 服务供其他语言调用
client.run_server(port=8000)
```

## 功能特性

- ✅ **自然语言操作** - 用中文描述需求，AI 自动生成 SQL 并执行
- ✅ **智能名称匹配** - 自动处理中文数字（一→1）、大小写、模糊匹配
- ✅ **成绩数据透视** - 自动将长格式转为宽格式，方便查看和导出
- ✅ **流式对话** - 支持 SSE 流式输出，实时显示处理进度
- ✅ **多语言支持** - Python 原生 + HTTP API 供 Java/PHP/Go/Node.js 调用
- ✅ **安全可靠** - 增删改操作需确认后才执行

## Docker 部署

Java/JavaScript 等其他语言可以通过 Docker 部署 Python SDK 服务：

```bash
# 1. 复制环境变量配置
cp .env.example .env
# 编辑 .env 填入你的配置

# 2. 启动服务
docker-compose up -d

# 服务启动后，其他语言通过 HTTP 调用
# POST http://localhost:8000/api/chat/stream - 流式对话
# POST http://localhost:8000/api/chat - 普通对话
```

### 环境变量

| 变量 | 说明 | 默认值 |
|------|------|--------|
| API_KEY | DeepSeek API Key | - |
| DB_HOST | 数据库地址 | localhost |
| DB_PORT | 数据库端口 | 3306 |
| DB_USER | 数据库用户 | root |
| DB_PASSWORD | 数据库密码 | - |
| DB_NAME | 数据库名 | - |

## 核心 API

### 初始化

```python
from ai_agent_sdk import AIAgentClient

client = AIAgentClient(
    api_key="your_api_key",           # 必填，DeepSeek API Key
    db_config={                        # 数据库配置
        "host": "localhost",
        "port": 3306,
        "user": "root",
        "password": "xxx",
        "database": "mydb"
    }
)

# 设置 Schema 文件路径（自动加载和保存）
client.set_schema_file("./schema.json")
```

### ask_and_execute(message)

核心方法：一行代码完成 AI 对话 + 数据库操作。

```python
result = client.ask_and_execute("查询高三1班数学成绩低于60分的学生")

print(result["message"])  # AI 总结的回复
print(result["data"])     # 查询结果列表
print(result["steps"])    # 执行的 SQL 步骤
```

### process_chat_stream(message)

流式对话，返回 SSE 事件流，适用于 Web 聊天界面。

```python
for event in client.process_chat_stream("查询学生"):
    yield event  # 用于 StreamingResponse
```

事件类型：
- `thinking` - 处理进度（icon, text）
- `confirm` - 需要用户确认（增删改操作）
- `done` - 完成（message, data, step_results）

### generate_schema_from_db()

从数据库自动生成 Schema。

> ⚠️ **重要提示**：使用AI对话前，必须确保Schema配置是最新的！如果数据库结构发生变化（新增表、修改字段等），请重新生成Schema。

```python
client.generate_schema_from_db()           # 快速生成
client.generate_schema_from_db(use_ai=True) # AI 分析（更准确但较慢）
```

### register_schema(system_name, entities)

手动注册 Schema 配置。

```python
client.register_schema(
    system_name="学生管理系统",
    entities=[
        {
            "name": "student",
            "description": "学生信息",
            "fields": {
                "id": {"type": "number", "label": "学生ID", "primaryKey": True},
                "name": {"type": "string", "label": "姓名", "required": True},
                "classId": {"type": "number", "label": "班级ID"}
            }
        }
    ]
)
```

### run_server(port)

启动内置 HTTP 服务器。

```python
client.run_server(port=8000)

# 自动提供以下 API:
# POST /api/chat/stream - 流式对话
# POST /api/chat - 普通对话
# GET  /api/schema - 获取 Schema
# POST /api/schema/register - 注册 Schema
# POST /api/schema/generate - 生成 Schema
```

## 智能特性

### 智能名称匹配

SDK 内置本地相似度匹配算法，自动处理用户输入的各种变体：

- **中文数字转换**：高一一班 → 高11班
- **大小写统一**：Stop → stop
- **模糊匹配**：相似度 ≥0.85 自动确认，0.7-0.85 标记不确定，<0.7 跳过

### 成绩数据透视

自动将成绩数据从长格式转换为宽格式：

```
# 原始数据（长格式）
张三, 语文, 90
张三, 数学, 85

# 透视后（宽格式）
张三, 语文:90, 数学:85
```

### 表格行数限制

前端表格默认显示 20 行，超出部分可下载 Excel 查看完整数据。

## 使用场景

### 1. 后台管理系统

```python
from fastapi import FastAPI
from fastapi.responses import StreamingResponse

app = FastAPI()

@app.post("/api/ai/chat")
async def ai_chat(message: str):
    return StreamingResponse(
        client.process_chat_stream(message),
        media_type="text/event-stream"
    )
```

### 2. 命令行工具

```python
while True:
    query = input("请输入指令: ")
    if query == 'exit':
        break
    result = client.ask_and_execute(query)
    print(result['message'])
```

### 3. 定制服务

SDK 支持定制服务模式，如教务助手：

```python
# 在 education_ai_agent.py 中定义定制逻辑
def get_custom_analysis():
    return """
    ## 教务助手专属分析
    - 成绩数据智能分析
    - 优秀学生表彰
    - 需关注学生提醒
    - 教学建议
    """
```

## 安全说明

1. **API Key 保密** - 不要在前端代码中暴露
2. **操作确认** - 增删改操作需用户确认后才执行
3. **SQL 安全** - 禁止 DROP、TRUNCATE 等危险操作

## 获取帮助

- 官网: https://wangyun.tech
- 技术支持: support@wangyun.tech
- 公司: 望云科技

## License

MIT License
