bolt (Pratik 11)

MCP文档知识

提供方 Pratik-11

文档知识 stdio · 本地进程 无需鉴权 社区 / 第三方
查看接入方式

Bolt是一款自托管的AI数据代理,结合Ollama的本地AI模型和Snowflake的数据仓库,通过模型上下文协议(MCP)实现自然语言查询数据并生成智能SQL查询和洞察。

一句话选型结论

按资料字段整理

bolt (Pratik 11) 属于文档知识类 MCP 服务器,stdio · 本地进程,无需鉴权,有可直接执行的安装命令。接入前先确认权限范围;涉及写入、删除或付款的操作,建议先在测试环境验证。

分类文档知识 传输方式stdio · 本地进程 鉴权无需鉴权 部署方式本地部署
GitHub 星标 1 仓库热度,无公开仓库时显示未标注
工具数 未标注 暴露给模型的工具数量
资源 / 提示词 0 / 0 资源与提示词模板数量
维护方 社区 / 第三方 核验等级 仅资料核对

工具与能力

文档知识
数量来自来源目录的标注,具体工具清单以官方文档为准
工具数量未标注暴露给模型可调用的工具个数
资源数量0可读取的资源条目
提示词数量0内置提示词模板数量

能力标签

适用场景

Jupyter Notebook本地部署AI数据代理自然语言查询SQL生成Snowflake集成本地AI

安装与配置

stdio · 本地进程 无需鉴权
客户端在本机拉起子进程,数据不出本机
pip install snowflake-connector-python==3.0.0 python-dotenv jupyter

这条命令只是入口,具体启动参数请按官方文档补齐,不要直接照搬到别的服务器。

  1. 1
    准备运行环境

    stdio 服务在本地起进程,需要先装好 Node.js 等运行时,再按安装命令拉取依赖。

  2. 2
    安装服务

    复制上面的安装命令执行;命令里带占位符的位置,换成自己的密钥或路径。

  3. 3
    写入客户端配置

    在客户端的 MCP 配置里填好启动命令和参数,保存后完全退出客户端再打开,让新配置生效。

  4. 4
    验证是否可用

    连接成功后随便调一个只读工具,确认能返回结果,再接入正式流程。

典型使用场景

3 类
按分类与标签整理的常见用法,具体以官方文档为准
文档检索问答

在你的文档库里按问题找答案。

知识库读写

把新资料写进知识库,随用随取。

内容整理

把零散资料归纳成结构化笔记。

选择建议

选之前先看这几条
按条目字段给出的判断,不替你决定用不用

值得选的地方

  • 有现成的安装命令,不用自己找入口,照着跑就能起服务。
  • 资料标注无需鉴权,装好就能连。

先想清楚的地方

  • stdio 方式要求本地装好运行时(如 Node.js),换机器要重新装一遍。
  • 资料没标注工具数量,实际能力要装好后确认。
  • 版本更新与行为细节以官方仓库为准。

更适合

  • 需要在文档知识场景里让模型直接调用外部能力的人。
  • 想先快速试一下、能接受在本地或自有环境跑服务的人。

不太适合

  • 完全不想在本地装环境的人。
  • 需要厂商级 SLA 和技术支持的生产环境。

同类对比

6 个同类
同分类里挑最接近的几条,字段以各自详情页为准
MCP 服务器工具数传输方式部署方式安装命令最后核验
bolt (Pratik 11)当前 未标注 stdio · 本地进程 本地部署 有 2026-05-17
dify 未标注 stdio · 本地进程 本地部署 有 2026-04-11
open-webui 未标注 stdio · 本地进程 本地部署 有 2026-04-11
JeecgBoot 未标注 stdio · 本地进程 本地部署 有 2026-04-11
Cherry Studio 未标注 未标注 未标注 无 2026-05-17
mempalace 未标注 stdio · 本地进程 本地部署 有 2026-04-11

服务器档案

文档知识
字段来自项目仓库与公开索引,中文说明由本站标注
提供方Pratik-11上游标注的维护方 Pratik-11
分类文档知识本站按上游分类展示
连接方式stdio · 本地进程客户端在本机拉起子进程,数据不出本机
鉴权方式无需鉴权远程服务建议用最小权限凭据
维护方社区 / 第三方核验等级 仅资料核对
包名 / 运行时未标注 · 未标注本地安装时用到的包标识与运行时
部署类型本地部署上游给出的部署形态
最近核验2026-05-17上游最后核验时间

详细介绍

9.3 KB
来自项目仓库与上游目录的原文,未做删改

🚀 Bolt-自托管AI数据代理

强大的自托管Gen AI代理,集成MCP服务器,用于解决组织数据驱动的查询和任务


🎯 什么是Bolt?

Bolt是一款尖端产品 自托管AI数据代理 它结合了 Ollama的本地人工智能模型 随着 雪花数据仓库 通过 模型上下文协议(MCP)。它使组织能够就其数据提出自然语言问题,并获得智能的、人工智能生成的SQL查询和见解,同时保持一切安全和内部部署。

🌟 为什么是博尔特?

  • 🔒 隐私第一:将您的数据和人工智能处理完全本地化
  • 🧠 智能数据查询:使用AI将自然语言转换为SQL
  • 🏢 企业就绪:组织数据的无缝雪花集成
  • 📊 实时洞察:即时数据分析和可视化
  • 💰 成本效益高:自测试解决方案,无需外部API成本
  • 🔧 轻松设置:在Google Colab上一键部署

✨ 特性

🤖 人工智能驱动的数据交互

  • 自然语言查询:用简单的英语就你的数据提问
  • 智能SQL生成:AI自动生成优化的Snowflake查询
  • 多模型支持:根据您的需求从7B到14B参数模型中选择
  • 上下文感知响应:了解您的数据模式和关系

🔗 无缝集成

  • 雪花集成:直接连接到Snowflake数据仓库
  • MCP协议:行业标准模型上下文协议实现
  • Olama支持:Calma 2、Mistral、CodeCalma等的本地托管
  • 谷歌Colab就绪:云笔记本中的零设置部署

🛡️ 安全与隐私

  • 本地AI:没有数据发送到外部人工智能服务
  • 凭据管理:数据库凭据的安全处理
  • 环境隔离:容器化执行环境
  • 访问控制:内置安全最佳实践

📈 分析与洞察

  • 互动结果:漂亮的数据可视化和格式化
  • 查询历史:跟踪和重用以前的查询
  • 性能指标:监视查询执行时间和结果
  • 导出功能:以多种格式保存结果

🚀 快速开始

选项1:谷歌Colab(推荐)

  1. 在Colab开放:

  2. 上传笔记本:上传 model.ipynb 和 mcp.ipynb 到你的Colab

  3. 遵循引导设置:

  • 从开始 model.ipynb 建立Ollama
  • 然后运行 mcp.ipynb 用于雪花集成

选项2:本地设置```bash

Clone the repository

git clone https://github.com/Pratik-11/Bolt.git
cd Bolt

Install Ollama (Linux/macOS)

curl -fsSL https://ollama.com/install.sh | sh

Install Python dependencies

pip install snowflake-connector-python==3.0.0 python-dotenv jupyter

Start Jupyter

jupyter notebook


### **设置第一个查询**```python
# 1. Start with model setup
# Open model.ipynb and follow the cells to:
# - Install Ollama
# - Download your preferred AI model (7B or 14B)
# - Test the model

# 2. Configure data connection
# Open mcp.ipynb and:
# - Set up Snowflake credentials
# - Initialize MCP server
# - Test data connectivity

# 3. Ask your first question!
result = ai_with_data.execute_ai_query("Show me top 10 customers by order value")

📚 文档

架构概述```

┌─────────────────┐ ┌─────────────────┐ ┌─────────────────┐
│ User Query │───▶│ Ollama AI │───▶│ Snowflake │
│ (Natural Lang.) │ │ (SQL Gen.) │ │ (Data Exec.) │
└─────────────────┘ └─────────────────┘ └─────────────────┘
▲ │ │
│ ▼ ▼
┌─────────────────┐ ┌─────────────────┐ ┌─────────────────┐
│ Formatted │◀───│ MCP Server │◀───│ Query Results │
│ Results │ │ (Orchestrator) │ │ (Raw Data) │
└─────────────────┘ └─────────────────┘ └─────────────────┘


### **支持的型号**

|型号|大小|内存|用例|
|-------|------|--------|----------|
| **火焰27b** |4-6GB |免Colab |通用,快速响应|
| **CodeLlama 7B** |4-6GB |无Colab |代码生成,以SQL为中心|
| **火焰213b** |8-12GB | Colab Pro |更高质量、更复杂的查询|
| **代码Llama 13B** |8-12GB | Colab Pro |高级代码生成|

### **环境变量**```bash
# Snowflake Configuration
SNOWFLAKE_USER=your_username
SNOWFLAKE_PASSWORD=your_password
SNOWFLAKE_ACCOUNT=your_account
SNOWFLAKE_DATABASE=your_database
SNOWFLAKE_WAREHOUSE=your_warehouse

🛠️ 发展

项目结构```

Bolt/
├── model.ipynb # Ollama model setup and configuration
├── mcp.ipynb # MCP server and Snowflake integration
├── README.md # Project documentation
├── .gitignore # Git ignore rules
└── requirements.txt # Python dependencies (if local setup)


### **关键组件**

- **`EmbeddedMCPServer`**:核心MCP服务器实现
- **`OllamaWithMCP`**:具有数据集成功能的AI客户端
- **雪花连接器**:安全的数据库连接
- **查询生成器**:自然语言到SQL的转换

______________________________________________________________________

## 🤝 **贡献**

我们欢迎社区的贡献!以下是您可以提供帮助的方式:

### **贡献方式**

- 🐛 **错误报告**:发现问题? 打开一个问题
- 💡 **功能请求**:有主意吗? 开始讨论
- 📝 **文档**:改进我们的文档和示例
- 🧪 **测试**:帮助测试新功能和边缘情况
- 🔧 **代码**:提交bug修复和功能的pull请求

### **开发设置**

1. **分叉存储库**
1. **创建要素分支**: `git checkout -b feature/amazing-feature`
1. **进行更改** 并进行彻底测试
1. **提交您的更改**: `git commit -m 'Add amazing feature'`
1. **推到您的分支**: `git push origin feature/amazing-feature`
1. **打开拉取请求**

### **贡献指南**

- 遵循现有的代码样式和结构
- 为新功能添加测试
- 根据需要更新文档
- 确保所有笔记本电脑都能成功运行
- 为复杂逻辑添加注释

______________________________________________________________________

## 🧪 **测试**

### **手动测试**

1. **模型测试**:验证AI模型响应
1. **数据库测试**:测试雪花连接
1. **集成测试**:端到端查询执行
1. **性能测试**:监控响应时间

### **测试场景**

- 简单数据查询(SELECT语句)
- 复杂的分析查询(JOIN、聚合)
- 错误处理(无效查询、连接问题)
- 不同型号尺寸和类型

______________________________________________________________________

## 🗺️ **路线图**

### **1.1版本(即将推出)**

- \[\]支持其他数据库(PostgreSQL、MySQL)
- \[\]基于Web的用户界面
- \[\]查询结果缓存
- \[\]增强的错误处理

### **1.2版本(未来)**

- \[\]多租户支持
- \[\]高级可视化功能
- \[\]用于外部集成的API端点
- \[\]Docker容器化

### **2.0版本(愿景)**

- \[\]多模式AI支持(文本+图表)
- \[\]实时数据流
- \[\]高级安全功能
- \[\]企业SSO集成

______________________________________________________________________

## 👥 **贡献者**

### **核心团队**

Pratik Singh
Creator & Lead Developer

### **想加入这个列表吗?**

查看我们的 贡献指南 今天就开始贡献吧!

______________________________________________________________________

## 📄 **许可证**

该项目根据 **MIT许可证** -看看 许可证 文件以获取详细信息。```
MIT License - Feel free to use, modify, and distribute
Commercial use permitted - Build amazing products with Bolt!

💬 支持与社区

获得帮助

  • 📖 文档:查看我们上面的综合指南
  • 🐛 问题: GitHub问题 用于错误报告
  • 💬 讨论: GitHub讨论 回答问题
  • 📧 电子邮件:用于私人咨询和企业支持

保持联系

  • ⭐ 标记此回购 表示支持
  • 👁️ 手表 获取更新和新版本
  • 🍴 分叉 开始构建自己的版本
  • 📢 分享 与您的团队和社区

🙏 致谢

特别感谢:

  • 没有 使本地AI可访问
  • 雪花 因为他们强大的数据平台
  • MCP协议 用于标准化AI数据连接
  • 谷歌Colab 免费云计算
  • 开源社区 寻求灵感和支持

由以下材料制成❤️ 靠近 普拉提克·辛格

星⭐ 如果你觉得这个仓库有用的话!

常见问题

7 问
答案由本站依据条目字段整理,不引用上游原文
bolt (Pratik 11) 怎么安装?

在客户端按下面的安装命令接入:pip install snowflake-connector-python==3.0.0 python-dotenv jupyter。装完在客户端配置里引用同一个包或端点。

bolt (Pratik 11) 怎么在客户端里配置?

它的传输方式未标注,在客户端 MCP 配置里按官方文档填写启动命令和参数,保存后重启客户端生效。

bolt (Pratik 11) 收费吗?

本站不代收费用,也没有标注具体价格。是否收费取决于服务本身和背后的接口额度,正式使用前按官方说明确认。

bolt (Pratik 11) 需要 API Key 吗?

资料标注为无需认证,装好就能连;如果实际调用时报鉴权错误,按官方文档补上凭据。

bolt (Pratik 11) 能提供哪些能力?

资料显示能力标签包括 Jupyter Notebook、本地AI、自然语言查询。具体工具清单以官方文档为准。

bolt (Pratik 11) 需要什么运行环境?

属于本地进程,需要在本机装好运行环境。

bolt (Pratik 11) 是本地还是远程?

它是本地进程(stdio),由客户端在本机拉起。传输方式为stdio · 本地进程。

热门专题

按标签挑服务器
全部专题 →

服务器信息以作者仓库与官方文档为准;分类、传输方式与鉴权方式的中文说明为中文整理,最近核验 2026-05-17。