目录

一、背景介绍

二、思路介绍

2.1. 工具调用

2.2. AI自动调用

三、工作流展示

3.1. 工具调用

3.2 AI自动调用

四、详细操作步骤

4.1 工具调用

4.2. AI自动调用

五、表格展示

5.1.工具调用

5.2. AI自动调用

六、演示效果

6.1. 方案一：工具调用

6.2. 方案二：AI自动调用

七、总结

八、详细视频地址

---

一、背景介绍

当用户在 Coze 平台进行数据分析相关操作（如数据查询、可视化图表生成）时，工作流搭建流程繁琐是普遍面临的痛点。SQLBot 能有效优化数据查询与可视化的生成环节，然而其核心的数据交互机制与功能落地，高度依赖与 MCP 系统的无缝对接。

二、思路介绍

为应对前述问题，本文提供了两种与 MCP 对接的实现路径。工具调用路径依赖人工配置组件和逻辑，以此保障对接过程的稳定性；AI 自动调用路径则通过提示词赋能 AI，使其自主完成工具调用与工作流搭建，不仅简化了操作流程、降低了使用门槛，还能匹配轻量灵活的数据分析场景。两类方案分别适配不同技术水平用户的使用需求，从而实现高效的数据查询与可视化呈现。

2.1. 工具调用

通过传入参数来调用两个MCP工具，达成搭建MCP工作流的效果。

2.2. AI自动调用

与工具调用的区别在于工具调用的工作流是人工进行搭建的，而AI自动调用则是通过提示词的方式让AI帮我们进行MCP工具的调用，让AI帮我们搭建工作流，实现步骤比较简单。

三、工作流展示

3.1. 工具调用

3.2 AI自动调用

四、详细操作步骤

4.1 工具调用

①先在开始组件的输入字段中添加三个参数：username、password、question，用来给mcp工具传参。

②添加文本处理节点，传入username和password，输入：

{"username":"{{String1}}","password":"{{String2}}"}

进行字符串的拼接。（如果报错，请检查是否有多余空格）

③获取access_token：

1.添加MCP SSE Client组件，选择call_tool，传入文本处理的结果，填写sse_url：

http://<YOUR IP>/mcp

，填写工具名称：mcp_start。

2.调用一个代码组件，添加输入变量input，将mcp_start工具获取的结果传入，然后使用一段python代码将输入进行json格式的标准化处理，返回我们所需的access_token、chat_id（Number）参数（在输出变量中添加）。（如果报错请检查是否为Python IDE）

import json

def main(args) -> dict:
        # 从args获取params字典
        params = args.params
        
        # 从params字典获取input值（这是我们需要的JSON字符串）
        input_json_str = params.get('input')
        
        # 解析JSON字符串
        json_obj = json.loads(input_json_str)
        
        # 获取data部分
        data = json_obj.get('data')
        
        # 提取所需字段
        chat_id = data.get('chat_id')
        access_token = data.get('access_token')
        
        return {
            "chat_id": chat_id,
            "access_token": access_token
        }

    

④再次调用文本处理组件，传入username、password和question，输入：

{"token":"{{String1}}","chat_id":"{{String2}}","question":"{{String3}}"}

进行字符串拼接。（如果报错，请检查是否有多余空格）

⑤再次调用MCP SSE Client组件，选择call_tool，输入文本处理的结果，填写sse_url，填写工具名称：mcp_question。

⑥结束组件，将调用mcp_question工具的结果进行展示。

4.2. AI自动调用

①在开始的输入字段添加三个参数：input、username、password

②添加大模型组件，选择一个AI模型；添加一个技能：MCP Compatible，选择call_tool，添加MCP服务配置，其他按钮都开启（AI会自动判断，可以在提示词里引导）；传入开始添加的三个参数；填写系统提示词；填写用户提示词；输出设置默认即可，无需修改。

​

③结束组件，将大模型组件的输出结果添加到输出变量。

系统/用户提示词填写参考：

# 回答要求：
按需调用 mcp_start 和 mcp_question 工具获取信息回答问题。

mcp_start 账号密码：
{{username}}
{{password}}

工具调用逻辑：
首先调用 mcp_start 工具，获取 access_token 和 chat_id ，帮我记住这两个参数，之后不要重复调用 mcp_start，直接使用即可；然后再调用 mcp_question 工具，其中 token 和 chat_id 参数是调用 mcp_start 工具返回，question 是用户提问。

# 用户提问：
{{input}}

# 输出要求
 - 如果 mcp_question 中有图片，请直接返回图片
 - 请将 mcp_question 的执行结果中的数据、SQL以及图片内容展示
 - 请将 mcp_question 的执行过程在结尾进行总结
   
# 限制
 - 不要输出MCP详细执行过程
 - 生成内容不要放在 mcp_question 执行过程中
 - 严格按照输出要求输出内容，不要输出MCP调用过程

五、表格展示

5.1.工具调用

组件	设置	截图
开始	添加输入字段：username、password、question	​
文本处理	①输入username和password ②字符串拼接	​
Mcp调用工具	①传入文本处理的结果 ②填写sse_url ③填写工具名称：mcp_start	​
代码	①在input输入中传入mcp_start调用的结果 ②添加python代码 ③添加输出变量access_token和chat_id	​
文本处理	①将代码节点的access_token和chat_id以及开始的question传入 ②字符串拼接	​
Mcp调用工具	①传入文本处理的结果 ②填写sse_url ③填写工具名称：mcp_question	​
结束	将调用mcp_question工具的结果添加为输出	​

5.2. AI自动调用

组件	设置	截图
开始	添加输入字段：input、username、password	​
大模型	①选择AI模型 ②添加技能并配置MCP服务 ③添加三个输入变量 ④填写系统提示词 ⑤填写用户提示词 ⑥设置输出	​ ​ ​
结束	添加大模型输出的结果	​

六、演示效果

6.1. 方案一：工具调用

​

​

6.2. 方案二：AI自动调用

​

​

​

七、总结

工具调用会显示查询的SQL语句，查询结果以及要求作的图，输出固定但稳定；AI自动调用不仅能展示工具调用的内容，还可以添加提示词输出总结等，让输出更丰富。但较不稳定。

八、详细视频地址

【Coze+SQLBot 3分钟让你的智能体学会“读心”问数！】 https://www.bilibili.com/video/BV1FzbnzEEFb/?share_source=copy_web&vd_source=d66e1339b701dc8f348d56b0063218ec