系统讲解

D脑运维通

这是一套以 LangChain ReAct 智能体为核心的运维问答与执行系统, 通过 MCP 协议把知识库、数据库与统计图生成等工具接入到统一的执行链路中。

ReAct 核心 MCP 工具解耦 知识库检索 数据库查询 统计图生成
01

项目背景

为什么要做这个系统

  • 大模型已经具备自然语言理解、内容生成和代码推理能力。
  • 单纯对话还不够,需要让模型真正调用工具去完成业务动作。
  • 项目目标是让智能体既能“理解问题”,也能“执行任务”。

讲解顺序

  1. 先讲 ReAct 智能体核心,说明系统如何思考与调度。
  2. 再讲 MCP 工具分离,说明工具如何独立接入和调整。
  3. 最后按工具类型展开知识库、数据库和统计图能力。
02

ReAct 智能体核心

ReAct 是整套系统的核心大脑,负责理解用户问题、组织推理过程,并决定应该调用哪一个工具。

理解问题

接收用户输入,识别当前要解决的是知识问答、数据库查询,还是图表生成。

规划动作

根据问题类型推断要走的工具链路,而不是直接凭空生成答案。

调用工具

把请求交给合适的 MCP 工具,并读取工具返回结果继续后续推理。

组织输出

将工具结果整理为对用户可读的最终回答或图表链接。

ReAct 智能体运行逻辑
这张图展示了从用户输入到工具调用再到结果返回的核心链路。
03

MCP 工具分离与可调整

为什么要分离

  • 智能体核心负责思考与调度,工具负责执行具体业务。
  • 新增工具、修改工具、停用工具时,不需要重写智能体主逻辑。
  • 开发和管理可以在后台页面独立完成,利于持续扩展。

这里要讲清什么

  • MCP 是工具接入协议,不是业务能力本身。
  • 工具可以单独配置、检查、执行和维护。
  • 后面的知识库、数据库、统计图能力,都是挂在这个工具层下面。
04

华为知识库工具

当用户提出知识问答类问题时,系统会进入知识库工具链路,按“先找库、再检索、后生成”的方式作答。

  • 先查看当前有哪些知识库可用。
  • 根据问题内容筛选相关知识库,若都不相关则不继续检索。
  • 从华为知识库中召回相关文本块。
  • 由大模型基于召回结果组织最终答案。
华为知识库工具设计构架图
这张时序图说明了客户端、MCP 服务、知识库接口和大模型之间的协作关系。
05

数据库工具总览

工具一:生成 SQL

负责理解用户意图、匹配关联视图,并生成合法且真实存在字段的 SQL 查询语句。

工具二:执行 SQL

负责拿到通过校验的 SQL 后连接数据库执行,并把结果整理成用户可读格式。

先审查再执行

系统把生成与执行拆开,目的是先做安全与真实性检查,再访问真实数据库。

适合连续对话

数据库工具会结合历史对话判断用户是在查数据,还是在询问某个视图本身。

06

SQL 生成流程

生成链路

  • 先结合用户问题,从视图提示词管理工具维护的视图与字段信息里筛选相关视图。
  • 再结合历史对话和视图上下文,生成可执行的 SQL 查询语句。
  • SQL 生成后会交给 SQL 检查工具,检查语法、字段真实性和安全性。
  • 任何校验失败都会触发重试,直到输出合法 SQL。
SQL 生成流程图
这里展示的是“选视图并生成 SQL,再交给 SQL 检查工具校验”的前半段流程。
07

SQL 执行流程

执行链路

  • 只接收已经通过 SQL 检查工具校验的合法 SQL。
  • 把 SQL 交给 SQL 执行工具,连接真实数据库执行查询。
  • 成功时转成易读格式,例如 Markdown 表格。
  • 失败时如实返回错误结果,方便定位问题。
SQL 执行流程图
执行阶段负责接收已校验 SQL,调用执行工具查库,并把结果或错误返回给用户。
08

统计图工具

工作流程

  1. 大模型先解析需求,输出结构化的数据描述。
  2. 系统调用专用绘图程序,把描述还原成真实图表。
  3. 图表生成后上传到华为 OBS,并把访问链接返回页面。
统计图生成设计构架图
这部分强调“先生成图表规格,再交给程序绘制并交付链接”的完整链路。
09

总结

核心清晰

ReAct 负责理解、推理和调度,是整个系统的大脑。

工具解耦

MCP 让工具层可以独立接入、调整和维护,便于扩展。

能力分层

知识库、数据库和统计图各自承担不同任务,但都由统一智能体编排。

适合讲解

网页 PPT 已按“核心架构在前、具体工具在后”的顺序组织,便于对外演示。

1 / 10