spring-ai-alibaba / DataAgent

spring-ai-alibaba/DataAgent

open_in_new前往仓库

DataAgent 是基于 Spring AI Alibaba Graph 的企业级智能数据分析 Agent，支持 Text-to-SQL、Python 深度分析、智能报告生成、RAG 检索增强、MCP 服务器及多模型调度，提供灵活可控的数据洞察服务。

项目概览

项目概述

DataAgent 是一个基于 Spring AI Alibaba Graph 打造的企业级智能数据分析 Agent。它超越了传统的 Text-to-SQL 工具，进化为一个能够执行 Python 深度分析、生成 多维度图表报告 的 AI 智能数据分析师。

系统采用高度可扩展的架构设计，全面兼容 OpenAI 接口规范的对话模型与 Embedding 模型，并支持灵活挂载任意向量数据库。无论是私有化部署还是接入主流大模型服务（如 Qwen, Deepseek），都能轻松适配，为企业提供灵活、可控的数据洞察服务。

同时，本项目原生支持 MCP (Model Context Protocol)，可作为 MCP 服务器无缝集成到 Claude Desktop 等支持 MCP 的生态工具中。

核心功能

  • 智能数据分析：基于 StateGraph 的 Text-to-SQL 转换，支持复杂的多表查询和多轮对话意图理解。
  • Python 深度分析：基于 Spring AI Alibaba Sandbox 在任务级容器中执行生成代码，支持 PEP 723 动态依赖、资源限制、失败重试与自动清理。
  • 智能报告生成：分析结果自动汇总为包含 ECharts 图表的 HTML/Markdown 报告，所见即所得。
  • 人工反馈机制：独创的 Human-in-the-loop 机制，支持用户在计划生成阶段进行干预和调整。
  • RAG 检索增强：集成向量数据库，支持对业务元数据、术语库的语义检索，提升 SQL生成准确率。
  • 多模型调度：内置模型注册表，支持运行时动态切换不同的 LLM 和 Embedding 模型。
  • MCP 服务器：遵循 MCP 协议，支持作为 Tool Server 对外提供 NL2SQL 和 智能体管理能力。
  • API Key 管理：完善的 API Key 生命周期管理，支持细粒度的权限控制。

适用与不适用场景

  • 适用场景：企业级数据分析、自然语言查询数据库、自动化报告生成、需要结合业务知识进行数据洞察的场景。
  • 不适用场景：仓库资料未提供。

技术架构与依赖

  • 编程语言：Java 17+
  • 框架：Spring Boot 3.4.8+, Spring AI Alibaba 1.1.2.2
  • 前端：Node.js 22+, Nuxt
  • 数据库：MySQL 5.7+
  • 容器化：Docker（Python 工作流必需）
  • AI 模型：兼容 OpenAI 接口规范的对话模型与 Embedding 模型（如 Qwen, Deepseek）
  • 向量数据库：支持内存向量库、Milvus、Elasticsearch 等
  • 协议：MCP (Model Context Protocol)

安装与快速开始

1. 准备环境

  • JDK 17+
  • MySQL 5.7+
  • Node.js 22+
  • pnpm 11+
  • Docker（工作流需要执行 Python 步骤时必需）

2. 启动服务

# 1. 导入数据库
mysql -u root -p < data-agent-management/src/main/resources/sql/schema.sql

# 2. 启动后端
./mvnw -pl data-agent-management spring-boot:run

# 3. 在另一个终端启动前端
cd data-agent-frontend-nuxt
pnpm install && pnpm dev

3. 访问系统

打开浏览器访问 http://localhost:3000，开始创建您的第一个数据智能体！

典型使用方法

  1. 创建智能体：在 Web 界面创建并配置数据智能体。
  2. 配置数据源：连接业务数据库，选择数据表。
  3. 配置知识：设置语义模型、业务知识和智能体知识库，提升 NL2SQL 准确率。
  4. 运行分析：输入自然语言问题，系统自动生成 SQL、执行 Python 分析并输出报告。
  5. 人工反馈：在计划生成阶段进行干预和调整。
  6. MCP 集成：作为 MCP 服务器集成到 Claude Desktop 等工具中。

配置与部署要点

  • 模型配置：支持通过 Web 界面添加和管理 LLM 及 Embedding 模型。
  • 向量库配置：默认使用内存向量库，可切换至 Milvus、Elasticsearch 等持久化向量库。
  • Python 沙盒配置：需配置 Docker 环境，支持动态依赖安装。
  • API Key 管理：支持生成、重置、删除与启用/禁用 API Key。
  • Langfuse 可观测性：可选集成 Langfuse 进行 LLM 调用追踪和性能监控。

限制、风险与许可证

  • 许可证：Apache License 2.0
  • 限制：仓库资料未提供。
  • 风险：仓库资料未提供。

官方链接

信息来源和分析时间

  • 信息来源：GitHub 仓库 README 及文档
  • 分析时间：2026-08-03