AI Translate 51-ai-functions to Simplified-Chinese

.translation-init

@@ -1 +1 @@
-Translation initialization: 2025-08-07T01:11:56.293652
+Translation initialization: 2025-08-07T08:04:44.577984

docs/cn/guides/51-ai-functions/01-external-functions.md

@@ -1,26 +1,28 @@
 ---
-title: 使用外部函数实现自定义 AI/ML
+title: 使用外部函数（External Function）自定义 AI/ML
 ---
 
-# 使用外部函数实现自定义 AI/ML
+# 使用外部函数（External Function）自定义 AI/ML
 
-对于高级 AI/ML 场景，Databend 支持外部函数（External Function），可将您的数据与使用 Python 等语言编写的自定义 AI/ML 基础设施连接起来。
+通过将 Databend 与您自己的基础设施连接，构建强大的 AI/ML 能力。外部函数（External Function）让您部署自定义模型、利用 GPU 加速，并与任何 ML 框架集成，同时确保数据安全。
 
-| 特性 | 描述 | 优势 |
-|---------|-------------|----------|
-| **模型灵活性** | 使用开源模型或您内部的 AI/ML 基础设施 | • 自由选择任何模型<br/>• 利用现有的 ML 投资<br/>• 紧跟最新的 AI 发展 |
-| **GPU 加速** | 在配备 GPU 的机器上部署外部函数服务器 | • 加快深度学习模型的推理速度<br/>• 处理更大的批处理大小<br/>• 支持计算密集型工作负载 |
-| **自定义 ML 模型** | 部署和使用您自己的机器学习模型 | • 专有算法<br/>• 领域特定模型<br/>• 针对您的数据进行微调 |
-| **高级 AI Pipeline（流水线）** | 使用专业库构建复杂的 AI 工作流 | • 多步处理<br/>• 自定义转换<br/>• 与 ML 框架集成 |
-| **可扩展性** | 在 Databend 外部处理资源密集型 AI 操作 | • 独立扩展<br/>• 优化资源分配<br/>• 高吞吐量处理 |
+## 核心能力
 
-## 实现概述
+| 功能 | 优势 |
+|---------|----------|
+| **自定义模型** | 使用任何开源或专有的 AI/ML 模型 |
+| **GPU 加速** | 部署在配备 GPU 的机器上以加快推理速度 |
+| **数据隐私** | 将数据保留在您的基础设施内 |
+| **可扩展性** | 独立扩展并优化资源 |
+| **灵活性** | 支持任何编程语言和 ML 框架 |
 
-1. 使用您的 AI/ML 代码（Python 配合 [databend-udf](https://pypi.org/project/databend-udf)）创建一个外部服务器
-2. 使用 `CREATE FUNCTION` 在 Databend 中注册该服务器
-3. 在 SQL 查询中直接调用您的 AI/ML 函数
+## 工作原理
 
-## 示例：自定义 AI 模型集成
+1. **创建 AI 服务器**：使用 Python 和 [databend-udf](https://pypi.org/project/databend-udf) 构建您的 AI/ML 服务器
+2. **注册函数**：使用 `CREATE FUNCTION` 将您的服务器连接到 Databend
+3. **在 SQL 中使用**：直接在 SQL 查询中调用您的自定义 AI 函数
+
+## 示例：文本嵌入函数
 
 ```python
 # 简单的嵌入 UDF 服务器演示
@@ -37,17 +39,17 @@ model = SentenceTransformer('all-mpnet-base-v2')  # 768 维向量
 def ai_embed_768(inputs: list[str], headers) -> list[list[float]]:
     """为输入文本生成 768 维嵌入"""
     try:
-        # 在单个批次中处理输入
+        # 单批次处理输入
         embeddings = model.encode(inputs)
         # 转换为列表格式
         return [embedding.tolist() for embedding in embeddings]
     except Exception as e:
         print(f"生成嵌入时出错：{e}")
-        # 如果出错，则返回空列表
+        # 如果出错则返回空列表
         return [[] for _ in inputs]
 
 if __name__ == '__main__':
-    print("正在端口 8815 上启动嵌入 UDF 服务器...")
+    print("在 8815 端口启动嵌入 UDF 服务器...")
     server = UDFServer("0.0.0.0:8815")
     server.add_function(ai_embed_768)
     server.serve()
@@ -74,7 +76,7 @@ ORDER BY similarity ASC
 LIMIT 5;
 ```
 
-## 后续步骤
+## 了解更多
 
-1. **[外部函数指南](/guides/query/external-function)** - 详细的设置说明
-2. **[Databend Cloud](https://databend.cn)** - 免费试用 AI 函数
+- **[外部函数（External Function）指南](/guides/query/external-function)** - 完整的设置和部署说明
+- **[Databend Cloud](https://databend.cn)** - 使用免费账户试用外部函数（External Function）

docs/cn/guides/51-ai-functions/02-mcp.md

@@ -0,0 +1,227 @@
+# 适用于 Databend 的 MCP 服务器
+
+[mcp-databend](https://github.com/databendlabs/mcp-databend) 是一个 MCP（Model Context Protocol，模型上下文协议）服务器，它让 AI 助手能够使用自然语言直接与你的 Databend 数据库交互。
+
+## mcp-databend 能做什么
+
+- **execute_sql** - 执行 SQL 查询，并带有超时保护
+- **show_databases** - 列出所有可用数据库
+- **show_tables** - 列出数据库中的表（支持可选过滤）
+- **describe_table** - 获取详细的表结构信息
+
+## 构建 ChatBI 工具
+
+本教程将演示如何使用 mcp-databend 和 Agno 框架构建一个对话式商业智能（Business Intelligence）工具。你将创建一个本地代理，能够用自然语言回答数据问题。
+
+## 分步教程
+
+### 步骤 1：配置 Databend 连接
+
+首先，你需要一个可连接的 Databend 数据库：
+
+1. **注册 [Databend Cloud](https://app.databend.cn)**（提供免费套餐）
+2. **创建计算集群（Warehouse）和数据库**
+3. **在控制台获取连接字符串**
+
+有关 DSN 格式和示例的详细信息，请参阅[连接字符串文档](https://docs.databend.cn/developer/drivers/#connection-string-dsn)。
+
+| 部署方式 | 连接字符串示例 |
+|------------|---------------------------|
+| **Databend Cloud** | `databend://user:pwd@host:443/database?warehouse=wh` |
+| **自托管** | `databend://user:pwd@localhost:8000/database?sslmode=disable` |
+
+### 步骤 2：安装依赖
+
+创建虚拟环境并安装所需包：
+
+```bash
+# Create virtual environment
+python3 -m venv .venv
+source .venv/bin/activate
+
+# Install packages
+pip install packaging openai agno openrouter sqlalchemy fastapi mcp-databend
+```
+
+### 步骤 3：创建 ChatBI 代理
+
+现在创建 ChatBI 代理，它将使用 mcp-databend 与数据库交互。
+
+创建文件 `agent.py`：
+
+```python
+from contextlib import asynccontextmanager
+import os
+import logging
+import sys
+
+from agno.agent import Agent
+from agno.playground import Playground
+from agno.storage.sqlite import SqliteStorage
+from agno.tools.mcp import MCPTools
+from agno.models.openrouter import OpenRouter
+from fastapi import FastAPI
+
+logging.basicConfig(level=logging.INFO)
+logger = logging.getLogger(__name__)
+
+def check_env_vars():
+    """Check required environment variables"""
+    required = {
+        "DATABEND_DSN": "https://docs.databend.cn/developer/drivers/#connection-string-dsn",
+        "OPENROUTER_API_KEY": "https://openrouter.ai/settings/keys"
+    }
+
+    missing = [var for var in required if not os.getenv(var)]
+
+    if missing:
+        print("❌ Missing environment variables:")
+        for var in missing:
+            print(f"  • {var}: {required[var]}")
+        print("\nExample: export DATABEND_DSN='...' OPENROUTER_API_KEY='...'")
+        sys.exit(1)
+
+    print("✅ Environment variables OK")
+
+check_env_vars()
+
+class DatabendTool:
+    def __init__(self):
+        self.mcp = None
+        self.dsn = os.getenv("DATABEND_DSN")
+
+    def create(self):
+        env = os.environ.copy()
+        env["DATABEND_DSN"] = self.dsn
+        self.mcp = MCPTools(
+            command="python -m mcp_databend",
+            env=env,
+            timeout_seconds=300
+        )
+        return self.mcp
+
+    async def init(self):
+        try:
+            await self.mcp.connect()
+            logger.info("✓ Connected to Databend")
+            return True
+        except Exception as e:
+            logger.error(f"✗ Databend connection failed: {e}")
+            return False
+
+databend = DatabendTool()
+
+agent = Agent(
+    name="ChatBI",
+    model=OpenRouter(
+        id=os.getenv("MODEL_ID", "anthropic/claude-sonnet-4"),
+        api_key=os.getenv("OPENROUTER_API_KEY")
+    ),
+    tools=[],
+    instructions=[
+        "You are ChatBI - a Business Intelligence assistant for Databend.",
+        "Help users explore and analyze their data using natural language.",
+        "Always start by exploring available databases and tables.",
+        "Format query results in clear, readable tables.",
+        "Provide insights and explanations with your analysis."
+    ],
+    storage=SqliteStorage(table_name="chatbi", db_file="chatbi.db"),
+    add_datetime_to_instructions=True,
+    add_history_to_messages=True,
+    num_history_responses=5,
+    markdown=True,
+    show_tool_calls=True,
+)
+
+@asynccontextmanager
+async def lifespan(app: FastAPI):
+    tool = databend.create()
+    if not await databend.init():
+        logger.error("Failed to initialize Databend")
+        raise RuntimeError("Databend connection failed")
+
+    agent.tools.append(tool)
+    logger.info("ChatBI initialized successfully")
+
+    yield
+
+    if databend.mcp:
+        await databend.mcp.close()
+
+playground = Playground(
+    agents=[agent],
+    name="ChatBI with Databend",
+    description="Business Intelligence Assistant powered by Databend"
+)
+
+app = playground.get_app(lifespan=lifespan)
+
+if __name__ == "__main__":
+    print("🤖 Starting MCP Server for Databend")
+    print("Open http://localhost:7777 to start chatting!")
+    playground.serve(app="agent:app", host="127.0.0.1", port=7777)
+```
+
+### 步骤 4：配置环境
+
+设置 API 密钥和数据库连接：
+
+```bash
+# Set your OpenRouter API key
+export OPENROUTER_API_KEY="your-openrouter-key"
+
+# Set your Databend connection string
+export DATABEND_DSN="your-databend-connection-string"
+```
+
+### 步骤 5：启动 ChatBI 代理
+
+运行代理以启动本地服务器：
+
+```bash
+python agent.py
+```
+
+你应该会看到：
+```
+✅ Environment variables OK
+🤖 Starting MCP Server for Databend
+Open http://localhost:7777 to start chatting!
+INFO Starting playground on http://127.0.0.1:7777                                                                                                                                          
+INFO:     Started server process [189851]
+INFO:     Waiting for application startup.
+INFO:agent:✓ Connected to Databend
+INFO:agent:ChatBI initialized successfully
+INFO:     Application startup complete.
+INFO:     Uvicorn running on http://127.0.0.1:7777 (Press CTRL+C to quit)
+```
+
+### 步骤 6：设置 Web 界面
+
+为获得更佳体验，可配置 Agno 的 Web 界面：
+
+```bash
+# Create the Agent UI
+npx create-agent-ui@latest
+
+# Enter 'y' when prompted, then run:
+cd agent-ui && npm run dev
+```
+
+**连接到代理：**
+1. 打开 [http://localhost:3000](http://localhost:3000)
+2. 选择 "localhost:7777" 作为端点
+3. 开始用自然语言提问数据问题！
+
+**试试这些查询：**
+- "Show me all databases"
+- "What tables do I have?"
+- "Describe the structure of my tables"
+- "Run a query to show sample data"
+
+## 资源
+
+- **GitHub 仓库**：[databendlabs/mcp-databend](https://github.com/databendlabs/mcp-databend)
+- **PyPI 包**：[mcp-databend](https://pypi.org/project/mcp-databend)
+- **Agno 框架**：[Agno MCP](https://docs.agno.com/tools/mcp/mcp)
+- **Agent UI**：[Agent UI](https://docs.agno.com/agent-ui/introduction)

docs/cn/guides/51-ai-functions/index.md

@@ -1,19 +1,31 @@
-# Databend 中的 AI 函数
+# AI 与 ML 集成
 
-Databend 通过外部函数（External Function）提供 AI 和 ML 功能，允许您集成自定义 AI 模型并利用先进的 ML 基础设施，同时确保数据隐私与可控性。
+Databend 通过两种互补的方法实现强大的 AI 和 ML 功能：使用您自己的基础设施构建自定义 AI 函数，或使用自然语言创建对话式数据体验。
 
-## 外部函数（External Function）- 推荐方案
+## 外部函数（External Function） - 推荐方法
 
-外部函数（External Function）能够将您的数据与自定义 AI/ML 基础设施连接，为 AI 工作负载提供最大的灵活性和性能。
+外部函数（External Function）使您能够将数据与自定义的 AI/ML 基础设施连接，为 AI 工作负载提供最大的灵活性和性能。
 
 | 特性 | 优势 |
 |---------|----------|
 | **自定义模型** | 使用任何开源或专有的 AI/ML 模型 |
 | **GPU 加速** | 部署在配备 GPU 的机器上以加快推理速度 |
 | **数据隐私** | 将数据保留在您的基础设施内 |
-| **可扩展性** | 独立扩展与资源优化 |
+| **可扩展性** | 独立扩展和资源优化 |
 | **灵活性** | 支持任何编程语言和 ML 框架 |
 
-## 快速入门
+## MCP 服务器（MCP Server） - 自然语言数据交互
 
-**[外部函数指南](01-external-functions.md)** - 学习如何通过实践示例和实施指导创建并部署自定义 AI 函数。
+模型上下文协议（Model Context Protocol，MCP）服务器使 AI 助手能够使用自然语言与您的 Databend 数据库进行交互，非常适合构建对话式 BI 工具。
+
+| 特性 | 优势 |
+|---------|----------|
+| **自然语言** | 使用简单的英语查询您的数据 |
+| **AI 助手集成** | 可与 Claude、ChatGPT 和自定义代理配合使用 |
+| **实时分析** | 从您的数据中即时获取洞察 |
+
+## 入门指南
+
+**[外部函数（External Function）指南](01-external-functions.md)** - 学习如何通过实际示例和实施指导创建和部署自定义 AI 函数
+
+**[MCP 服务器（MCP Server）指南](02-mcp.md)** - 使用 mcp-databend 和自然语言查询构建对话式 BI 工具