★ FEATURED ARTICLE 后端数据库负载均衡【免费下载链接】proxysqlHigh-performance proxy for MySQL and PostgreSQL项目地址https://gitcode.com/gh_mirrors/pr/proxysql点击查看免费下载本文以 multi_agent_discovery_reference.mdDatabase Discovery System Prompt为骨架结合 multi_agent_discovery_prompt.md、headless_db_discovery.py、test_catalog.sh 与 示例发现报告 等仓库文件系统讲解如何在 ProxySQL 的 MCP 服务器之上编排 4 个协作子智能体对后端数据库进行全维度分析结构、统计、语义与查询优化。读完本文你将掌握智能体分工、MCP Catalog 协作协议、四轮执行流程、报告模板与按需裁剪的方法能够直接复用这套提示词体系搭建自己的数据库发现编排器。1. 定位与核心约束什么是 Database Discovery Orchestrator该提示词把主智能体Orchestrator定义为Database Discovery Orchestrator其使命是通过 4 个协作子智能体subagents以及 MCPModel Context Protocol服务器工具对数据库执行全面的多维度分析。它面向 Claude Code 这类具备Task工具、可并行拉起子智能体的环境也是仓库中 ClaudeCode_Headless 无头headless数据库发现方案的核心提示词之一。协议定义了三条关键约束是整套体系能够正确运行的底线MCP-Only 访问只允许使用mcp__proxysql-stdio__*工具访问数据库绝不直连后端数据库。在 mcp_config.example.json 中可以看到该 MCP 服务器的标准配置——通过python3启动 proxysql_mcp_stdio_bridge.py桥接https://127.0.0.1:6071/mcp/query端点这意味着所有数据库操作都经由 ProxySQL 暴露的 MCP 层完成天然具备只读、可审计、可限权的特性。Catalog 协作所有智能体通过 MCP 目录catalog_upsert、catalog_search共享发现结果而不是靠直接对话传递。四轮执行盲探Blind Exploration→ 模式识别Pattern Recognition→ 假设检验Hypothesis Testing→ 综合Final Synthesis最终产出一份综合报告。需要说明的是该参考文档描述的是4 智能体 4 轮的基线协议v1.0同目录下的精简版系统提示词 multi_agent_discovery_prompt.md 与 README.md 已演进为6 智能体5 分析 1 META 5 轮的 v1.3 版本本文会以参考文档为基线同时标注这些演进点。2. 四个分析智能体的职责与工具矩阵每个智能体被赋予独立职责与专属 MCP 工具集合。参考文档定义的 4 个智能体如下。2.1 STRUCTURAL Agent结构与关系测绘职责绘制表、关系、索引与约束的完整地图。工具用途list_schemasSchema 枚举list_tables表清单describe_table详细结构列、索引get_constraints约束发现suggest_joins关系推断find_reference_candidates外键候选分析输出重点完整 Schema 清单、表结构列/类型/可空性、关系映射主键、外键、推断关系、索引目录、约束分析、设计模式识别。在 示例发现报告 中可以看到其典型产物schema 清单customers/orders/order_items/products 视图、文本化 ERD、索引汇总表以及零外键约束这样的关键发现。2.2 STATISTICAL Agent数据分布画像职责刻画数据分布、模式与异常。工具用途table_profile表统计行数、大小sample_rows数据采样column_profile列统计去重数、空值、Top 值sample_distinct去重值采样run_sql_readonly统计查询COUNT/SUM/AVG 等输出重点数据量指标、基数与选择性、分布画像频次/直方图、数据质量指标完整性/唯一性/一致性、异常检测离群/偏斜/空洞、统计洞察相关性/模式。2.3 SEMANTIC Agent业务语义推断职责推断业务领域与实体类型回答这个数据库是什么系统。工具用途sample_rows真实数据查验sample_distinct领域值分析run_sql_readonly业务逻辑查询describe_tableSchema 语义列名/类型输出重点业务领域识别什么类型的系统、带业务含义的实体类型目录、业务规则推断工作流/约束/策略、领域术语表、商业智能能力评估、实体间语义关系。2.4 QUERY Agent访问模式与优化职责分析访问模式与优化机会。工具用途describe_table索引信息explain_sql执行计划suggest_joinsJoin 优化run_sql_readonly模式测试查询table_profile性能指标输出重点索引覆盖度与效率、Join 性能分析、查询模式识别、优化机会缺失索引/劣化计划、性能改进建议、查询优化路线图。演进注记v1.3 精简提示词在此基础上新增了SECURITY Agent敏感数据/访问模式/漏洞/合规与META Agent报告质量评审与提示词改进建议分析智能体从 4 个扩展到 5 个参考文档描述的四智能体分工仍作为基线被完整保留。3. MCP Catalog 协作协议智能体如何共享发现这是整套体系与多个独立分析的本质区别——智能体之间不直接对话而是通过目录持久化与检索各自的发现。3.1 写入与读取原语写入发现Python 风格示意catalog_upsert( kindstructural|statistical|semantic|query|collaborative|validation|final_report, keyspecific_identifier, documentdetailed_findings_markdown, tagsoptional_tags )读取发现catalog_search( kindagent_type, querysearch_terms, limit10 ) catalog_get( kindagent_type, keyspecific_key )在仓库中test_catalog.sh 提供了这些原语的端到端验证catalog_upsert写入表结构/领域知识条目、catalog_get精确取回、catalog_search全文本检索含customer*通配、user authentication短语、OR/NOT组合、kind/tags过滤等 FTS5 增强查询以及catalog_delete清理——可以据此确认目录系统真实具备 JSON 文档持久化、标签过滤与 FTS 检索能力。3.2 按轮次的 Catalog kind 规范参考文档要求不同轮次使用不同的 kind 分类避免数据混淆RoundKind用途1structural,statistical,semantic,query各智能体独立盲探发现2collaborative_round2跨智能体模式识别3validation_round3假设检验结果4final_report综合报告在 v1.3 中该规范进一步收紧Round 1-3 的发现只允许写入 Catalogkindstructural,keyround1_discovery等禁止用 Write 工具为单个智能体创建中间文件仅 Round 4 的综合报告允许同时写入 Catalog 与本地文件database_discovery_report.md。这一约束保证了目录成为唯一的协作总线避免产物碎片化。3.3 目标作用域target_id结合 doc/multi_agent_database_discovery.md 中的说明发现类与目录类工具都是目标作用域target-scoped的discovery.run_static(target_id..., schema_filter...)、catalog.*(target_id..., run_id...)均需显式传target_id。原因在于run_id解析不再是全局唯一的——同一 schema 名可能存在于多个目标上必须依靠target_id才能解析到正确的发现运行实例。4. 四轮执行流程详解Round 1盲探Blind Exploration并行同时拉起全部 4 个智能体。每个智能体用各自分配的工具独立探索数据库在未看到其他智能体发现的前提下形成初步模式以kindstructural|statistical|semantic|query写入目录使用特定 keyround1_schemas、round1_tables、round1_profiles等。交付物目录中的 4 份独立发现文档。盲探的价值在于消除锚定偏差——每个智能体先给出不受他人结论影响的独立观察后续交叉验证才有意义。Round 2模式识别Pattern Recognition协作所有智能体用catalog_search读取其余智能体的 Round 1 发现识别跨领域模式与异常协作分析重大发现检验其他智能体发现所暗示的假设以kindcollaborative_round2写入协作发现。关键协作问题可直接嵌入提示词哪些模式跨越了多个领域哪些发现需要跨领域验证哪些异常需要深入调查哪些假设应由 Round 3 检验交付物含跨领域洞察的协作分析文档。Round 3假设检验Hypothesis Testing验证每个智能体验证 3-4 条具体假设读取 Round 2 协作发现用 MCP 工具设计具体测试执行测试并以 PASS/FAIL/MIXED 记录结果以kindvalidation_round3写入验证结果。参考文档给出了假设文档的固定模板## H[1-15]: [Hypothesis Title] **Agent:** [STRUCTURAL|STATISTICAL|SEMANTIC|QUERY] **Test Method:** - Tools used: [list MCP tools] - Query/Test: [specific test performed] **Result:** PASS / FAIL / MIXED **Evidence:** - [Direct evidence from database] **Confidence:** [HIGH/MEDIUM/LOW]交付物15 条带证据的已验证假设。在 示例发现报告 中能看到这类验证的实战痕迹通过卡方检验χ²0, p1.0 的完美均匀分布、本福德定律p0.001以及价格-销量相关r0.0等统计证据确认数据为合成数据——这正是假设检验必须量化原则的体现。Round 4最终综合Final Synthesis所有智能体协作产出综合报告读取所有前几轮的发现综合为结构化报告必须包含以下章节Executive Summary、Structural Analysis、Statistical Analysis、Semantic Analysis、Query Analysis、Critical Findings、Cross-Domain Insights、Recommendations Roadmap、Appendices以kindfinal_report,keycomprehensive_database_discovery_report写入最终报告。交付物一份完整的综合 Markdown 报告。v1.3 演进Round 4 结束后每个分析智能体还需额外生成Question Catalog问题目录——记录关于该数据库我能回答哪些问题 如何用 MCP 工具一步步回答分别以kindquestion_catalog、keystructural_questions等键值存入目录随后进入Round 5META Agent 元分析对报告逐节评分并提出提示词改进建议kindmeta_analysis。5. 报告结构模板最终产物的九段式骨架参考文档要求最终报告遵循固定骨架确保任何一次发现的产物都结构一致、可机器解析# COMPREHENSIVE DATABASE DISCOVERY REPORT ## Executive Summary - Database identity and purpose - Scale and scope - Critical findings - Overall health score (X/10 → Y/10 after optimization) - Top 3 recommendations ## 1. STRUCTURAL ANALYSIS ### Complete Schema Inventory - Schema(s) and table counts - Table structures (columns, types, keys) - Relationship diagrams (ASCII or text-based) ### Index and Constraint Catalog - Index inventory with coverage analysis - Constraint analysis (FKs, unique, check) ### Design Patterns - Patterns identified (surrogate keys, audit trails, etc.) - Anti-patterns found ### Issues and Recommendations ## 2. STATISTICAL ANALYSIS ### Data Distribution Profiles - Table sizes and row counts - Cardinality analysis ### Data Quality Assessment - Completeness, consistency, validity, uniqueness scores - Anomalies detected ### Statistical Insights - Distribution patterns (skew, gaps, outliers) - Correlations and dependencies ## 3. SEMANTIC ANALYSIS ### Business Domain Identification - What type of system is this? - Domain characteristics ### Entity Types and Relationships - Core entities with business meanings - Relationship map with business semantics ### Business Rules Inference - Workflow rules / Data policies / Constraint logic ### Business Intelligence Capabilities - What analytics are supported? - What BI insights can be derived? ## 4. QUERY ANALYSIS ### Index Coverage and Efficiency ### Join Performance Analysis ### Query Patterns and Optimization ### Optimization Roadmap - Prioritized index additions - Expected improvements ## 5. CRITICAL FINDINGS ### [Finding Title] - Description / Impact quantification / Root cause analysis / Remediation strategy ## 6. CROSS-DOMAIN INSIGHTS ### Interconnections Between Domains ### Collaborative Discoveries ### Validation Results Summary ### Consensus Findings ## 7. RECOMMENDATIONS ROADMAP ### Priority Matrix - URGENT / HIGH / MODERATE / LOW ### Expected Improvements - Timeline with metrics ### Implementation Sequence ## Appendices ### A. Detailed Table Structures (DDL) ### B. Query Examples and EXPLAIN Results ### C. Statistical Distributions ### D. Business Glossary ## Final Summary - Overall health score - Top recommendations - Next steps该模板与 示例发现报告 的输出形态一一对应示例报告中的 Executive Summary健康分 25/100、生产就绪度 5-30%、结构分析ERD 索引汇总、关键问题数据重复 3×、零外键、缺失复合索引、合成数据、按优先级排列的推荐附可执行 SQL都是对模板的忠实落地。6. 任务管理与质量标尺6.1 用 TodoWrite 跟踪进度参考文档要求用TodoWrite管理四轮进度并为每轮维护状态TodoWrite([ {content: Round 1: Blind exploration, status: pending}, {content: Round 2: Pattern recognition, status: pending}, {content: Round 3: Hypothesis testing, status: pending}, {content: Round 4: Final synthesis, status: pending} ])每完成一轮即更新状态为长耗时任务提供可见的进度追踪。v1.3 版本为 5 轮Round 5 增加 meta analysis。6.2 数据质量维度维度检查内容Completeness空值百分比、缺失数据Uniqueness重复检测、基数Consistency引用完整性、数据格式违规Validity领域违规、类型不匹配Accuracy业务规则违规、逻辑不一致6.3 健康分计算Overall Score (Data Quality Schema Design Index Coverage Query Performance Data Integrity) / 5 Each dimension: 0-10 scale五维平均得到总体健康分报告中以当前 X/10 → 优化后 Y/10的形式呈现预期提升空间。示例报告中 25/100 的数据质量分、200% 的指标通胀量化都是该评分体系的实战化产物。7. 智能体拉起模式Agent Launch Pattern参考文档给出了并行拉起的标准写法——四个分析智能体全部使用general-purpose子智能体类型并行启动主智能体作为编排者# Round 1: Parallel launch Task(Structural Agent Round 1, promptSTRUCTURAL_ROUND1, subagentgeneral-purpose) Task(Statistical Agent Round 1, promptSTATISTICAL_ROUND1, subagentgeneral-purpose) Task(Semantic Agent Round 1, promptSEMANTIC_ROUND1, subagentgeneral-purpose) Task(Query Agent Round 1, promptQUERY_ROUND1, subagentgeneral-purpose) # Round 2: Collaborative Task(Collaborative Round 2, promptCOLLABORATIVE_ROUND2, subagentgeneral-purpose) # Round 3: Validation Task(Validation Round 3, promptVALIDATION_ROUND3, subagentgeneral-purpose) # Round 4: Synthesis Task(Final Synthesis Round 4, promptSYNTHESIS_ROUND4, subagentgeneral-purpose)注意Round 2 与 Round 4 各只需一个协作任务实例所有智能体在单个协作会话中完成交叉读取与综合这与目录即协作总线的设计一致。无头Headless执行支撑仓库提供了把上述协议落地的无头执行器 headless_db_discovery.py它以claude --print --no-session-persistence --permission-mode bypassPermissions非交互模式运行自动加载prompts/multi_agent_discovery_prompt.md作为系统提示词支持--database/--schema注入目标作用域超时默认 3600 秒。常用示例python scripts/mcp/DiscoveryAgent/ClaudeCode_Headless/headless_db_discovery.py --database mydb --output my_report.md若提示词版本较旧找不到 claude 可执行文件可通过CLAUDE_PATH环境变量指定路径MCP 配置则用--mcp-config指向 mcp_config.example.json 这样的文件。8. 最终输出与七条铁律8.1 报告回收完成后通过目录检索取回最终报告并同时落盘一份本地文件# Retrieve final report catalog_search(kindfinal_report, querycomprehensive) # Also create a local file Write(database_discovery_report.md, final_report_content)8.2 Important Notes不可妥协的七条MCP-Only Access绝不绕过 MCP 服务器工具Catalog Collaboration所有发现必须写入目录供其他智能体使用Evidence-Based所有结论必须有数据库证据支撑Specific Recommendations所有推荐都要给出确切 SQLPrioritized Actions推荐永远按 URGENT → LOW 排序Quantified Impact预期改进必须带数字Markdown Format所有输出使用结构良好的 Markdown。9. 按需定制数据库类型与发现深度9.1 数据库类型适配数据库需关注的差异点PostgreSQL分区表、扩展、枚举类型MySQL存储引擎、字符集SQL Server存储过程、触发器Oracle表空间、PL/SQL 对象SQLiteWAL 模式、pragma将这些要点注入各智能体的提示词即可避免用 MySQL 的思维分析 PostgreSQL这类偏差。9.2 发现深度分级Quick Scan仅 Round 1约 15 分钟StandardRound 1-2约 30 分钟Comprehensive全部 4 轮约 1 小时Deep Analysis全部轮次 额外验证约 2 小时按需求选择轮次组合即可在速度与深度之间取平衡。10. 从参考到落地仓库中的配套资源要在当前仓库中完整复现这套体系可按以下路径取用配套材料系统提示词multi_agent_discovery_reference.md本文骨架4 智能体参考版与 multi_agent_discovery_prompt.md6 智能体 v1.3 精简版无头执行器headless_db_discovery.py 与 headless_db_discovery.shMCP 配置样例mcp_config.example.json目录协议测试test_catalog.sh覆盖 upsert/get/search/delete 与 FTS5 检索示例输出DATABASE_DISCOVERY_REPORT.md真实形态的综合报告架构说明doc/multi_agent_database_discovery.md含目录协作代码示例与 target_id 作用域说明两阶段方案对比ClaudeCode_Headless/README.md 中说明的 Two-Phase Discovery静态采集 LLM 语义分析与本文的多智能体方案互为补充前者见 doc/Two_Phase_Discovery_Implementation.md。最后需要说明版本差异参考文档标注为System Prompt Version 1.04 智能体/4 轮当前仓库中同目录的 v1.3 提示词已扩展为 6 智能体新增 SECURITY 与 META与 5 轮新增 Meta Analysis并补充了性能基线实测QUERY Agent 对主键查找/全表扫描/范围扫描/JOIN/聚合的真实耗时测量与效率评分与统计显著性检验Shapiro-Wilk、Pearson/Spearman、卡方、修正 Z 分数离群检测等。无论使用哪个版本MCP-Only 访问、Catalog 协作、证据驱动、量化推荐这四大设计原则始终不变——它们正是这套多智能体数据库发现协议能够产出可复用、可引用、可执行结论的根本保证。赞分享后端数据库负载均衡【免费下载链接】proxysqlHigh-performance proxy for MySQL and PostgreSQL项目地址https://gitcode.com/gh_mirrors/pr/proxysql点击查看免费下载相关推荐ProxySQL 多智能体数据库发现系统基于 MCP 的六 Agent 五轮协作深度分析指南ProxySQL 多智能体数据库发现系统基于 MCP 的六 Agent 五轮协作深度分析指南 本指南聚焦 ProxySQL 仓库中基于 MCPModel C后端数据库负载均衡如何快速构建智能旅行助手基于MCP协议的多智能体协作实战指南如何快速构建智能旅行助手基于MCP协议的多智能体协作实战指南 想要快速构建一个能自动规划行程、搜索景点、查询天气、推荐酒店的智能旅行助手吗本文将带你从零开始教程文档AI Agent人工智能大模型oh-my-claudecode 编排协议全解从 CLAUDE.md 理解 Claude Code 多智能体协作体系oh my claudecode 编排协议全解从 CLAUDE.md 理解 Claude Code 多智能体协作体系 本文以仓库根目录下的 CLAUDE.md人工智能AI Agent多智能体Agent 编排Agent 工作流AI 技能CLI开发工具上一篇小红书内容采集与下载完整指南XHS-Downloader终极解决方案下一篇如何3分钟解决公司电脑限制微信网页版免安装终极指南创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
阅读完成 · 觉得有帮助？
