# mofa-aios

**Repository Path**: lookingstars/mofa-aios

## Basic Information

- **Project Name**: mofa-aios
- **Description**: 基于MoFA Agent 开发的 text2sql agent 
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 2
- **Forks**: 0
- **Created**: 2025-09-07
- **Last Updated**: 2025-11-20

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# Text2SQL数据分析 Agent

## 项目介绍

该项目是一个基于MoFA的Text2SQL数据分析智能体，它可以将自然语言转换为SQL查询语句，来完成数据分析任务。
基于 Chinook.db sqlite数据库来进行验证。

## 核⼼应⽤场景:

用户通过自然语言提问，系统自动理解意图并生成对应的 SQL 查询语句，从数据库中提取数据并返回结果。适用于非技术用户快速获取数据支持，如业务分析、报表生成、数据查询等。

## 价值:

1.	降低数据查询门槛，无需掌握 SQL 语法
2.	提升数据使用效率，支持快速决策
3.	支持多轮交互与自动错误修正，保障查询准确性

## 项目架构
![项目架构](./assets/structure.png)

### Text-to-SQL 流程
![Text-to-SQL 流程](./assets/1338-324-max.png)

## 配置环境变量

### 数据库 MCP 环境配置

```
DB_URI=sqlite:///Chinook.db  # 数据库URI
```
或者在项目`根目录下`目录下创建一个`.env`文件，内容如下：
```
DB_URI=sqlite:///Chinook.db  # 数据库URI
```

### Agent 环境配置

```
export LLM_API_KEY=sk-你的API密钥
export LLM_API_BASE=https://api.deepseek.com/v1  # 或其他API地址
export LLM_MODEL=deepseek-chat  # 或其他模型名称
```
或者
在项目`examples/text2sql`目录下创建一个`.env`文件，内容如下：
```
LLM_API_KEY=sk-你的API密钥
LLM_API_BASE=https://api.deepseek.com/v1  # 或其他API地址
LLM_MODEL=deepseek-chat  # 或其他模型名称
```

## **运行程序**

### Step 1

启动数据库mcp服务

```bash
uv run mcp_server.py
```

### Step 2

启动Text2SQL Agent

```bash
cd examples/text2sql/

# 启动数据流
dora destroy && \
dora up && \
dora build dataflow.yml && \
dora start dataflow.yml
```

### Step 3

在另一个终端运行输入节点

```bash
terminal-input
```

## 改进

1. 在原来MoFA Agent基础上添加对 `async` 异步支持
```python
from mofa.agent_build.base.base_agent import MofaAgent
from aios import OpenAIClient, async_run_agent

@async_run_agent
async def arun(agent: MofaAgent):
    pass

def main():
    agent = MofaAgent(agent_name="sql_generate_query")
    import anyio
    anyio.run(arun, agent)

if __name__ == "__main__":
    main()
```