DataAgent：让 Agent 替你跑数据分析

// 1. 数据库 MCP server（连公司的分析库）
dbServer, _ := mcp.NewStdioServer(ctx, "analytics_db",
    exec.Command("mcp-server-postgres", "--connection-string=..."),
    mcp.Options{
        AllowedTools: []string{"query_sql", "list_tables", "get_schema"},
        RequireApproval: func(toolName string) bool {
            return toolName == "query_sql"  // 查询要审批（防恶意 SQL）
        },
    })

// 2. Python Sandbox（跑分析代码）
sb, _ := sandbox.NewLocal()  // 生产用 Docker
analysisTool := sandbox.CodeTool(sb, sandbox.CodeToolConfig{
    Name: "run_analysis",
})

// 3. 结构化输出，分析报告
type AnalysisReport struct {
    Summary   string         `json:"summary" jsonschema:"description=一句话总结"`
    Findings  []Finding      `json:"findings" jsonschema:"description=发现列表"`
    Data      []DataPoint    `json:"data" jsonschema:"description=支撑数据"`
    Charts    []ChartRef     `json:"charts" jsonschema:"description=图表引用"`
    Conclusion string        `json:"conclusion" jsonschema:"description=结论和建议"`
}

// 4. DataAgent
dataAgent := &agents.Agent{
    Name: "数据分析师",
    Instructions: agents.StaticInstructions(`你是数据分析师。
- 先理解分析目标
- 用 MCP 工具查数据（query_sql 等）
- 需要复杂分析时，用 run_analysis 跑 Python
- 每个结论都要有数据支撑
- 输出结构化的分析报告`),
    Model: "openai/gpt-4o",
    MCPServers: []agents.MCPServer{dbServer},
    Tools: []agents.Tool{analysisTool},
    OutputType: agents.OutputType[AnalysisReport](),
}

用户："分析华东区上周销售下滑的原因"

Agent Thought: 需要先看华东区上周销售数据
Agent Action: query_sql("SELECT * FROM sales WHERE region='华东' AND week=last_week")
Observation: 销售额 500 万，环比 -15%

Agent Thought: 下降明显，看品类细分
Agent Action: query_sql("SELECT category, SUM(amount) ... GROUP BY category")
Observation: 电子产品 -40%，其他平稳

Agent Thought: 电子产品暴跌，可能是断货。跑 Python 做趋势分析
Agent Action: run_analysis(代码：画电子产品销售趋势图，检测断货点)
Observation: 图表显示第 4 天销售归零，持续 5 天 → 断货

Agent Thought: 确认是断货。生成报告
Final Output: AnalysisReport{
    Summary: "华东区销售下滑因电子产品主力型号断货 5 天",
    Findings: [{Title: "电子产品暴跌 40%", Evidence: "..."},
               {Title: "主力型号断货", Evidence: "第4天起库存为0"}],
    Conclusion: "建议补货主力型号，预计可恢复 30% 销售额"
}