写在前面
商业智能（BI）正在经历一场由大型语言模型（LLM）驱动的深刻变革。传统的 BI 工具通常需要用户学习复杂的界面或查询语言，而生成式商业智能 (Generative BI, GenBI) 则旨在让用户通过自然语言与数据交互，提出问题，并获得由 AI 生成的数据洞察、可视化建议甚至完整的分析报告。
构建一个 GenBI Agent 的核心在于让 LLM 能够理解用户的业务问题，并安全、有效地连接和操作企业的数据源。这通常需要 LLM 具备调用外部工具的能力，例如：
- 数据库查询工具: 连接 SQL 数据库（如 MySQL, PostgreSQL）执行查询。
- 代码执行工具: 运行 Python 代码（特别是使用 Pandas, Matplotlib 等库）进行更灵活的数据处理、计算和可视化。
假设我们有一个“MCP Server”（Multi-Capability Platform Server）作为这些工具的统一 API 网关，它提供了调用 Python 解释器和连接 MySQL 数据库的能力。那么，我们该如何利用 LLM（如 Dee
