电商ChatBI 数据分析智能助手产品系统

某电商公司为高效处理大量碎片化、高时效、低复用的数据分析和建模需求，需开发一个对话型ChatBI智能体，以替代传统低效的多角色协作流程，实现从自然语言提问到最终结果（如计算、查询、分析、可视化）的一站式交付。

基于LangGraph多智能体框架，通过编排不同功能的智能体节点（如问题分类、NL2SQL、NL2Python、模型预测等）来构建对话流，并利用Model Context Protocol（MCP）将各类工具（如数据库查询、Python代码执行器、机器学习算法）封装成标准化的外部资源供智能体调用。核心的开发工作包括：开发NL2SQL和NL2Python、机器学习算法、设计业务分流等MCP Server，实现自然语言到代码的转换与执行、以及深度数据分析与建模、业务转向判断。此外，我们还做了规范数据库元数据注释，确保LLM能准确理解并生成SQL。最后，使用LangGraph编排整体对话流程，并将MCP工具集成到对应的智能体节点中实现不同分支的流程编排。

(1)通过LangGraph多智能体框架+编写MCPserver的方式实现整个业务的流程编排。
(2)需要编写NL2sql和NL2Python的MCP server，用于完成自然语言->SQL语句，以及自然语言->python代码的转化。
(3)编写机器学习算法实现的工具实现并封装成MCP，用于NL2SQL后拿到的结果，深度算法建模分析。
(4)NL2Python中不光需要完成Python代码的LLM自动化编写，还需要驱动Python代码解释器去执行Python代码，拿到执行结果。
(5)对数据库中的业务数据(包括表名、字段名)进行标准化注视，确保LLM能理解数据库中的表和字段各代表什么含义，并能正确写出相对应的SQL语句。
(6)定义一个业务分流模块，能够根据用户询问的问题选择业务转向。
(7)通过编排对话LangGraph图结构对话流，并将MCP绑定到响应图结构的节点上。在使用时，根据用户在当前流程图上所在的位置，根据实际场景进行MCP工具调用。