$ loading_
面向 Trino 的自然语言查询与元数据分析 MCP 工具
复制安装指令，让 AI 自动完成配置 · 推荐新手
"Enterprise Big Data Copilot" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
请把“过去 7 天各地区订单量”转换成适用于 Trino 的 SQL，并确保字段名和表结构匹配。
生成经过校验、符合表结构的 Trino SQL。
帮我查询这个数据源的表、字段和可用元信息，便于我写分析 SQL。
返回可用于建模和查询的元数据摘要。
请用 profiling 工具分析这条 Trino 查询的性能瓶颈，并给出优化方向。
输出查询性能分析和优化建议。
数据分析师可以直接用自然语言描述指标需求，由工具生成可执行的 Trino SQL。适合临时取数、快速验证口径。
开发者在写查询前，可先查看表和字段元数据，减少因 schema 变更导致的报错。也能借助 schema-aware SQL 生成提高准确率。
当 Trino 查询变慢时，可使用 profiling 工具查看瓶颈。适合需要定位慢查询并优化执行效率的场景。
它面向 Trino 大数据平台，支持用自然语言发起查询，并生成经过校验、感知 schema 的 SQL。它还通过 MCP 暴露元数据、查询和 profiling 工具。
根据描述，它依赖 Trino 大数据平台，并使用本地 LLM 推理与 RAG。更具体的部署要求见源码仓库。
它强调 schema-aware 与 validated SQL，目标是减少生成错误。同时还提供元数据与 profiling 能力，而不只是单次改写查询。
通过 MCP 在 Trino 集群上安全执行 SQL 查询与读写数据操作。
将自然语言转成 BigQuery 查询并安全执行，便于接入 Copilot、BI 与 Web 应用。
连接 BigQuery 分析搜索与业务数据，并输出结论与优化建议。
用自然语言查询和探索 BigQuery 数据库，快速获取数据与表结构信息。
为数据系统提供诊断解释、回归检查与运行记忆的运维助手
用自然语言查询、分析与对比 Google BigQuery 数据集和表结构。