《基于 Dify + FastAPI + PyTiDB 搭建大模型驱动的 TiDB 智能运维 Agent》

这两天一直在本地环境折腾数据库 Agent 的落地。本来是打算搞 Dify 适配达梦的 MCP-Server 方案，但是搞了许久最后还是没搞成功。想到少安在群里说可以试试 pyTiDB，于是今天上午换成 TiDB 官方的 pyTiDB 数据访问层，结合 FastAPI 封装微服务，再与 Dify Agent 进行全流程打通，终于成功构建出了一套支持自然语言交互的 TiDB 自动化运维助手。

1. 概念和部署说明

1.1 相关介绍

Dify ：一个开源的大语言模型（LLM）应用开发与编排平台，它的目标是降低 AI 应用的开发门槛。比如在 Dify 的画布里，把“大模型节点”、MCP Server、“条件判断分支”像画流程图一样拖拉拽串联起来，一个复杂的 AI 数据流就可以搭建好。
pyTiDB：TiDB 官方生态社区提供的面向 Python 的 SDK 与工具扩展。在 AI Agent 应用架构中（例如结合 Dify、FastAPI 等），Python 版本的 TiDB 接口模块负责将大模型（LLM）生成的 SQL 指令或自然语言查询请求转化为安全的数据库调用，充当控制层与 TiDB 分布式集群之间的中间对接桥梁。典型分层如下：

FastAPI（HTTP 层）
   ↓ 调用
pytidb（TiDB 数据访问层）
   ↓ SQL/向量协议
TiDB （数据库集群）

每层作用：

FastAPI（HTTP 层）：FastAPI 是独立的 Python Web/API 框架，负责路由、请求校验、异步接口，不绑定任何数据库。此次部署作为对外暴露的 RESTful API 接口，负责接收来自 Dify Agent 的 HTTP 请求，完成参数校验、权限控制以及把 JSON 数据反序列化。相当于一个协议转换器：
- 对于 Dify Agent（大模型）：它只能发送和接收 HTTP/JSON 协议。
- 对于 TiDB 数据库：它只接收 TCP 协议或 Python 的 SQL/SDK 命令。
- FastAPI 的作用：接收 Agent 传来的 HTTP 请求，调用底层的 PyTiDB 去连接数据库，拿回结果后再包装成标准的 JSON 返回给 Agent。
pytidb（TiDB 数据访问层）：作为官方的 Python SDK，封装了与 TiDB 的连接管理、对象映射或 SQL 组装逻辑，向下屏蔽底层通信细节。
TiDB 集群（数据存储层）：真正的数据库引擎，接收来自 pytidb 的 SQL 语句命令并执行，将结果回传。

OpenAPI Custom Tool（自定义 API 工具）：本次部署采用的是标准的 OpenAPI Custom Tool架构，而非 MCP（Model Context Protocol，模型上下文协议）。 它是一种让大语言模型连接外部业务系统的标准扩展机制。通过声明 Schema，可以快速将现有的后端服务注册为 Agent 可调用的工具。
Ollama：Ollama 是一个开源的本地大语言模型（LLM）运行与管理工具，可以让普通用户能够像使用 Docker 一样，在个人电脑或本地服务器上一键部署、运行和管理大模型。

1.2 部署环境说明

Windows 宿主机安装 Ollama ，本地部署了 deepseek-r1:1.5b 大模型，这样就可以不联网使用 AI，然后对接虚拟机里面的 Dify。当然也可以不本地部署，使用在线的模型，前提是 Dify 所在的虚拟机可以连公网。顺便提一句最好是使用 CentOS 8及以上或 Rocky Linux 的操作系统。因为后者核心 Glibc 与底层 C/C++ 运行时以及 Python的版本更高。

机器IP	配置大小	部署组件	备注
192.168.182.153	4C8G	Dify/pyTiDB微服务	Centos7.9 虚拟机
192.168.182.31	4C8G	TiDB-Server/PD/Tikv-Server	Centos7.9 虚拟机
192.168.182.32	4C8G	TiDB-Server/PD/Tikv-Server	Centos7.9 虚拟机
192.168.182.33	4C8G	TiDB-Server/PD/Tikv-Server	Centos7.9 虚拟机
192.168.182.1	64G	Ollama（可选）	宿主机

1.3 整体架构技术栈

控制层 (Brain)：Dify Agent，负责接收用户指令、语义分析、推理决策（ReAct 模式）及格式化输出。
大模型引擎 (LLM)：在线 DeepSeek API，提供强针对性的工具调用能力与 SQL 生成逻辑。
能力对接层 (Middle-tier)：FastAPI (本次部署其实启动 /opt/pytidb-main/venv/bin/python3 /opt/pytidb-main/app.py )，使用 SQLAlchemy 与 PyMySQL 连接池，将数据库查询与系统指令包装为标准 RESTful API 。
数据存储层 (Storage)：本地三节点 TiDB 分布式数据库集群（192.168.182.31/32/33）。

2. 配置 Deepseek 大模型（可选）

2.1 安装 `Ollama`

打开官网 https://ollama.com/download ，根据操作系统选择对应的版本，下载完并安装，Windows 系统默认安装到 C:\Users\用户名\.ollama 目录。

2.2 下载 DeepSeek 大模型

打开一个 cmd 终端，运行 ollama run deepseek-r1:1.5b ，会自动拉取 1.5b 的模型，大小约 1G 左右。下载到 C:\Users\用户名\.ollama\models 目录，如果不能正常运行，提示 GPU 方面的报错，则需配置系统变量。

按 Win + R 输入 sysdm.cpl 回车，打开系统属性。
切换到高级页签，点击 环境变量。
在 系统变量 中新建：
- 变量名：CUDA_VISIBLE_DEVICES ，变量值：-1 （设为 -1 会直接隐藏所有 CUDA 设备，强制走 CPU）
- 变量名：OLLAMA_HOST，变量值：0.0.0.0，（允许局域网其他设备直接访问， Ollama 默认只监听 127.0.0.1）
配置完后，重启 Ollama。

2.3 确认模型运行成功

ollama run deepseek-r1:1.5b
>>> 你好

你好！很高兴见到你，有什么我可以帮忙的吗？

3. 配置 dify

在 Linux 虚拟机里部署 dify，因此首先要安装 docker 。

3.1 安装 docker

# 使用 阿里云的 Centos 源
curl -o /etc/yum.repos.d/CentOS-Base.repo https://mirrors.aliyun.com/repo/Centos-7.repo

# 安装必要的系统工具
yum install -y yum-utils device-mapper-persistent-data lvm2

# 添加 Docker CE 镜像源（使用阿里云镜像源加速）
yum-config-manager --add-repo https://mirrors.aliyun.com/docker-ce/linux/centos/docker-ce.repo

# 安装 Docker CE 引擎和最新的 Compose 插件
yum install -y docker-ce docker-ce-cli containerd.io docker-buildx-plugin docker-compose-plugin

mkdir -p /etc/systemd/system/docker.service.d

# 配置 docker 使用宿主机的代理
cat > /etc/systemd/system/docker.service.d/http-proxy.conf << 'EOF'
[Service]
Environment="HTTP_PROXY=http://192.168.182.1:10811"
Environment="HTTPS_PROXY=http://192.168.182.1:10811"
Environment="NO_PROXY=localhost,127.0.0.1,0.0.0.0"
EOF

[root@tidb3 docker]# systemctl daemon-reload 

[root@tidb3 docker]# systemctl enable --now docker
Created symlink from /etc/systemd/system/multi-user.target.wants/docker.service to /usr/lib/systemd/system/docker.service.

[root@tidb3 docker]# systemctl show docker --property=Environment
Environment=HTTP_PROXY=http://192.168.182.1:10811 HTTPS_PROXY=http://192.168.182.1:10811 NO_PROXY=localh

[root@tidb3 docker]# docker --version 
Docker version 26.1.4, build 5650f9b

[root@tidb3 docker]# docker pull hello-world 
Using default tag: latest
latest: Pulling from library/hello-world
4f55086f7dd0: Pull complete 
Digest: sha256:5dd0d3e6e255913fc30f90b9f2b1d359cc2cbdb48090cc4b65f1676e203243cc
Status: Downloaded newer image for hello-world:latest
docker.io/library/hello-world:latest

3.2 安装 docker-compose

# 1. 下载 docker-compose, 如果较慢换国内的源
curl -L "https://github.com/docker/compose/releases/download/v2.29.1/docker-compose-$(uname -s)-$(uname -m)" -o /usr/local/bin/docker-compose

# 2.  赋予执行权限并创建软链接
chmod +x /usr/local/bin/docker-compose
ln -sf /usr/local/bin/docker-compose /usr/bin/docker-compose

# 3. 验证版本
[root@tidb3 ~]# docker-compose --version
Docker Compose version v2.29.1

3.3 安装 dify

# 1. 使用 git 克隆 dify
yum -y install git 
git clone https://github.com/langgenius/dify.git

# 2. 进入 Docker 编排目录
cd dify/docker

# 3. 复制生成环境变量文件
cp .env.example .env

# 4. 一键拉起 Dify 服务集群
[root@mysql docker]# docker compose up -d
[+] Running 110/16
 ✔ api Pulled                                                                                    297.3s 
 ✔ worker_beat Pulled                                                                            297.3s 
 ✔ db_postgres Pulled                                                                            294.2s 
 ✔ api_websocket Pulled                                                                          297.3s 
 ✔ sandbox Pulled                                                                                255.6s 
 ✔ ssrf_proxy Pulled                                                                              88.3s 
 ✔ weaviate Pulled                                                                               148.2s 
 ✔ worker Pulled                                                                                 297.3s 
 ✔ local_sandbox Pulled                                                                          123.3s 
 ✔ agent_backend Pulled                                                                          278.2s 
 ✔ init_permissions Pulled                                                                        58.8s 
 ✔ plugin_daemon Pulled                                                                          321.4s 
 ✔ agent_ssrf_proxy Pulled                                                                        88.3s 
 ✔ web Pulled                                                                                    276.8s 
 ✔ redis Pulled                                                                                  259.9s 
 ✔ nginx Pulled                                                                                  213.0s 
[+] Running 22/22
 ✔ Network docker_default                              Created                                     0.0s 
 ✔ Network docker_local_sandbox_proxy_network          Created                                     0.0s 
 ✔ Network docker_agent_sandbox_network                C...                                        0.0s 
 ✔ Network docker_ssrf_proxy_network                   Crea...                                     0.0s 
 ✔ Volume "docker_dify_agent_local_sandbox_home"       Created                                     0.0s 
 ✔ Volume "docker_dify_agent_local_sandbox_workspace"  Created                                     0.0s 
 ✔ Container docker-weaviate-1                         Started                                     1.0s 
 ✔ Container docker-web-1                              Started                                     1.1s 
 ✔ Container docker-init_permissions-1                 Ex...                                       4.6s 
 ✔ Container docker-db_postgres-1                      Healthy                                     4.6s 
 ✔ Container docker-redis-1                            Started                                     1.0s 
 ✔ Container docker-agent_ssrf_proxy-1                 St...                                       1.1s 
 ✔ Container docker-local_sandbox-1                    Start...                                    1.1s 
 ✔ Container docker-ssrf_proxy-1                       Started                                     1.1s 
 ✔ Container docker-sandbox-1                          Started                                     1.0s 
 ✔ Container docker-plugin_daemon-1                    Start...                                    3.8s 
 ✔ Container docker-worker_beat-1                      Started                                     3.8s 
 ✔ Container docker-api_websocket-1                    Start...                                    3.9s 
 ✔ Container docker-agent_backend-1                    Start...                                    4.1s 
 ✔ Container docker-api-1                              Started                                     4.9s 
 ✔ Container docker-worker-1                           Started                                     5.0s 
 ✔ Container docker-nginx-1                            Started                                     5.5s 
[root@mysql docker]#

3.4 配置 dify 控制台中添加 Ollama 模型

打开浏览器，输入 dify 所在的虚拟机 IP 地址，我的是 http://192.168.182.153
输入邮箱、用户名密码等信息；
选择模型供应商，安装 Ollama ；
在 Ollama 中添加模型，输入如下参数:

模型类型：LLM
模型名称：deepseek-r1:1.5b（必须与 ollama list 中显示的名称完全一致）
基础 URL (Base URL)：http://192.168.182.1:11434

4-添加模型 5. 点击工作室，创建空白应用，选择 Chatflow，点击预览，询问 AI，查看是否能正常对话。 5-大模型测试

4. 配置 TiDB 的 FastAPI 服务

将 FastAPI 服务和 Dify 在同一台机器，通过 Docker 默认网桥 IP，避开了跨机器防火墙和复杂网络联调。

4.1 创建 Python 3.11 环境

# Centos7 下载旧版 Miniconda（支持 GLIBC 2.17）
wget https://repo.anaconda.com/miniconda/Miniconda3-py311_23.11.0-2-Linux-x86_64.sh -O /opt/miniconda.sh

# 安装到 /opt/miniconda3
bash /opt/miniconda.sh -b -p /opt/miniconda3

# 初始化
/opt/miniconda3/bin/conda init bash
source ~/.bashrc

# 验证
(base) [root@mysql ~]# python --version
Python 3.11.5

#创建独立的 Python 3.11 虚拟环境
(base) [root@mysql opt]# conda create -n tidb-env python=3.11 -y                             (base) [root@mysql opt]# conda activate tidb-env                                             
(tidb-env) [root@mysql opt]#    

# 安装完成后，在创建 `pytidb` 项目虚拟环境时即可直接使用指定的 Python 版本：
(tidb-env) [root@mysql pytidb-main]# python3.11 -m venv /opt/pytidb-main/venv

(tidb-env) [root@mysql pytidb-main]# source venv/bin/activate
(venv) (tidb-env) [root@mysql pytidb-main]# 

# 安装依赖库
# 安装基础编译工具链 
yum install -y gcc gcc-c++ make
# 1. 确保 pip 和 wheel 工具是最新的 
pip install --upgrade pip wheel setuptools 
# 2. 指定直接安装预编译的 numpy 
pip install "numpy<3,>=1" --only-binary=:all: 
# 3. 重新安装目标依赖 
pip install --only-binary=:all: greenlet pytidb
pip install pytidb fastapi uvicorn pymysql

碰到了一堆 GCC 版本过低的报错，因此，建议使用 CentOS 8 以上或 Rocky Linux 的操作系统。

4.2 下载 pyTiDB 包上传到服务器并解压

下载链接如下： https://codeload.github.com/pingcap/pytidb/zip/refs/heads/main

4.3 编辑 app.py 文件

app.py 本质上是一个使用 FastAPI 框架编写的 Web 后端程序。它的核心工作有三件：

调用 PyTiDB / 连接数据库：它封装了与 TiDB 集群的底层通信逻辑，负责执行具体的 SQL 查询、获取节点拓扑、读取慢日志等。
暴露 RESTful API 接口：它在本地或服务器上监听端口（如 8000），将原本只能在 Python 内部运行的代码，变成了可以通过网络访问的 HTTP 接口（如 /cluster/nodes、/db/tables）。
自动生成 OpenAPI (Swagger) 规格说明：FastAPI 会根据 app.py 里的代码自动生成一份标准的 JSON/YAML 说明书，详细列出有哪些接口、需要传什么参数。

import os
from typing import Optional
from fastapi import FastAPI, HTTPException
from pydantic import BaseModel
from sqlalchemy import create_engine, text
from sqlalchemy.exc import SQLAlchemyError

app = FastAPI(
    title="PyTiDB Service for Dify",
    description="TiDB 集群运维与数据查询接口服务",
    version="0.2.0",
)

# ==================== 1. 读取环境变量与初始化 Engine ====================
TIDB_HOST = os.getenv("TIDB_HOST", "192.168.182.31")
TIDB_PORT = int(os.getenv("TIDB_PORT", "4000"))
TIDB_USER = os.getenv("TIDB_USER", "root")
TIDB_PASSWORD = os.getenv("TIDB_PASSWORD", "root")
TIDB_DATABASE = os.getenv("TIDB_DATABASE", "information_schema")

# 拼接数据库连接字符串
if TIDB_PASSWORD:
  db_url = f"mysql+pymysql://{TIDB_USER}:{TIDB_PASSWORD}@{TIDB_HOST}:{TIDB_PORT}/{TIDB_DATABASE}"
else:
  db_url = f"mysql+pymysql://{TIDB_USER}@{TIDB_HOST}:{TIDB_PORT}/{TIDB_DATABASE}"

# 创建 SQLAlchemy Engine
engine = create_engine(
    db_url,
    pool_recycle=3600,
    pool_pre_ping=True,
    pool_size=10,
    max_overflow=20,
)


def run_query(sql_statement: str, params: dict = None):
  """使用 SQLAlchemy 统一执行查询并返回字典列表"""
  try:
    with engine.connect() as conn:
      result = conn.execute(text(sql_statement), params or {})
      if result.returns_rows:
        return [dict(row._mapping) for row in result]
      return []
  except SQLAlchemyError as e:
    raise HTTPException(
        status_code=500, detail=f"数据库查询失败: {str(e)}"
    )


# ==================== 2. API 接口定义 ====================


@app.get("/", summary="心跳检查")
def read_root():
  return {"status": "ok", "message": "PyTiDB Service is running"}


# --- 【集群与节点管理】 ---


@app.get("/cluster/nodes", summary="获取集群所有节点 IP 及拓扑信息")
def get_cluster_nodes():
  """从 TiDB 内置元数据表中获取所有节点（TiDB/PD/TiKV等）的 IP、端口和角色信息"""
  sql = """
        SELECT TYPE, INSTANCE, STATUS, START_TIME 
        FROM INFORMATION_SCHEMA.CLUSTER_INFO;
    """
  nodes = run_query(sql)
  return {"status": "success", "count": len(nodes), "nodes": nodes}


@app.get("/cluster/static-ips", summary="获取预设的三台集群主节点 IP 静态列表")
def get_static_ips():
  """快速返回预设的三台节点 IP 列表"""
  return {
      "status": "success",
      "cluster_ips": [
          {"ip": "192.168.182.31", "role": "TiDB / PD / Control Node"},
          {"ip": "192.168.182.32", "role": "TiKV / Storage Node 1"},
          {"ip": "192.168.182.33", "role": "TiKV / Storage Node 2"},
      ],
  }


# --- 【数据库库表结构查询】 ---


@app.get("/db/databases", summary="获取所有的数据库名称")
def list_databases():
  """获取当前 TiDB 集群中的所有数据库名称"""
  rows = run_query("SHOW DATABASES;")
  dbs = [list(r.values())[0] for r in rows]
  return {"status": "success", "databases": dbs}


@app.get("/db/tables", summary="获取指定数据库中的所有表")
def list_tables(db_name: str = "test"):
  """获取指定数据库下的所有表名"""
  rows = run_query(f"SHOW TABLES FROM `{db_name}`;")
  tables = [list(r.values())[0] for r in rows]
  return {"status": "success", "database": db_name, "tables": tables}


# --- 【监控与性能分析】 ---


@app.get("/monitor/slow-queries", summary="查询最近的慢查询日志")
def get_slow_queries(limit: int = 10):
  """获取 TiDB 中最近执行的慢查询记录"""
  sql = f"""
        SELECT Time, Query_time, Process_time, Wait_time, User, Host, DB, query
        FROM INFORMATION_SCHEMA.SLOW_QUERY
        ORDER BY Time DESC
        LIMIT {limit};
    """
  try:
    rows = run_query(sql)
    return {"status": "success", "count": len(rows), "slow_queries": rows}
  except Exception as e:
    return {
        "status": "error",
        "message": f"无法查询慢日志: {str(e)}",
        "slow_queries": [],
    }


@app.get("/monitor/processlist", summary="查看当前正在执行的连接与会话")
def get_processlist():
  """查看数据库当前的活跃连接数和正在执行的 SQL 线程"""
  processes = run_query("SHOW PROCESSLIST;")
  return {
      "status": "success",
      "active_connections": len(processes),
      "processes": processes,
  }


# --- 【通用动态 SQL 查询】 ---


class DynamicSQLRequest(BaseModel):
  db_name: Optional[str] = "test"
  sql: str


@app.post("/db/execute-sql", summary="执行自定义 SELECT / SHOW 查询 SQL")
def execute_sql(req: DynamicSQLRequest):
  """出于安全限制，仅允许大模型执行只读查询 (SELECT / SHOW / EXPLAIN / DESC)"""
  sql_clean = req.sql.strip().lower()

  allowed_prefixes = ("select", "show", "explain", "desc")
  if not sql_clean.startswith(allowed_prefixes):
    raise HTTPException(
        status_code=400,
        detail=(
            "安全限制：该接口仅允许执行只读查询操作 (SELECT / SHOW / EXPLAIN"
            " / DESC)"
        ),
    )

  # 如果指定了库名，先切换上下文或直接执行
  if req.db_name:
    run_query(f"USE `{req.db_name}`;")

  result = run_query(req.sql)
  return {"status": "success", "row_count": len(result), "data": result}


if __name__ == "__main__":
  import uvicorn

  uvicorn.run("app:app", host="0.0.0.0", port=8000, reload=True)

4.4 配置后台服务

vim /etc/systemd/system/pytidb-service.service
[Unit]
Description=PyTiDB FastAPI Service for Dify
After=network.target

[Service]
Type=simple
User=root
WorkingDirectory=/opt/pytidb-main
ExecStart=/opt/pytidb-main/venv/bin/python3 -m uvicorn app:app --host 0.0.0.0 --port 8000
Restart=always

[Install]
WantedBy=multi-user.target

#  重新加载 systemd 配置
systemctl daemon-reload

#  重启 pytidb 服务
systemctl restart pytidb-service.service

#  检查服务运行状态
systemctl status pytidb-service.service
#  测试接口是否能正常响应
(base) [root@mysql pytidb-main]# curl http://127.0.0.1:8000/
{"status":"ok","message":"PyTiDB Service is running"}(base) [root@mysql pytidb-main]#

4.5 Dify 上集成 FastAPI

Dify 选择集成，点击 Swagger API 作为工具，创建并编辑自定义工具输入如下参数：

{
  "openapi": "3.0.0",
  "info": {
    "title": "PyTiDB Service for Dify",
    "description": "TiDB 集群运维与数据查询接口服务",
    "version": "0.2.0"
  },
  "servers": [
    {
      "url": "http://192.168.182.153:8000"
    }
  ],
  "paths": {
    "/": {
      "get": {
        "summary": "心跳检查",
        "operationId": "read_root",
        "responses": {
          "200": { "description": "Successful Response" }
        }
      }
    },
    "/cluster/nodes": {
      "get": {
        "summary": "获取集群所有节点 IP 及拓扑信息",
        "operationId": "get_cluster_nodes",
        "responses": {
          "200": { "description": "Successful Response" }
        }
      }
    },
    "/cluster/static-ips": {
      "get": {
        "summary": "获取预设的三台集群主节点 IP 静态列表",
        "operationId": "get_static_ips",
        "responses": {
          "200": { "description": "Successful Response" }
        }
      }
    },
    "/db/databases": {
      "get": {
        "summary": "获取所有的数据库名称",
        "operationId": "list_databases",
        "responses": {
          "200": { "description": "Successful Response" }
        }
      }
    },
    "/db/tables": {
      "get": {
        "summary": "获取指定数据库中的所有表",
        "operationId": "list_tables",
        "parameters": [
          {
            "name": "db_name",
            "in": "query",
            "required": false,
            "schema": {
              "type": "string",
              "default": "test"
            },
            "description": "要查询的数据库名，默认为 test"
          }
        ],
        "responses": {
          "200": { "description": "Successful Response" }
        }
      }
    },
    "/monitor/slow-queries": {
      "get": {
        "summary": "查询最近的慢查询日志",
        "operationId": "get_slow_queries",
        "parameters": [
          {
            "name": "limit",
            "in": "query",
            "required": false,
            "schema": {
              "type": "integer",
              "default": 10
            },
            "description": "返回的慢日志条数上限，默认 10 条"
          }
        ],
        "responses": {
          "200": { "description": "Successful Response" }
        }
      }
    },
    "/monitor/processlist": {
      "get": {
        "summary": "查看当前正在执行的连接与会话",
        "operationId": "get_processlist",
        "responses": {
          "200": { "description": "Successful Response" }
        }
      }
    },
    "/db/execute-sql": {
      "post": {
        "summary": "执行自定义 SELECT / SHOW 查询 SQL",
        "operationId": "execute_sql",
        "requestBody": {
          "required": true,
          "content": {
            "application/json": {
              "schema": {
                "type": "object",
                "properties": {
                  "db_name": {
                    "type": "string",
                    "description": "目标数据库名，默认 test",
                    "default": "test"
                  },
                  "sql": {
                    "type": "string",
                    "description": "要执行的 SQL 查询语句 (仅限 SELECT / SHOW / EXPLAIN / DESC)"
                  }
                },
                "required": ["sql"]
              }
            }
          }
        },
        "responses": {
          "200": { "description": "Successful Response" }
        }
      }
    }
  }
}

6-pytidb_service 随后点击保存。点击测试成功。

5. 配置Agent

创建 Agent，模型可选择刚刚的本地大模型，也可选择在线模型（输入 API key），工具选择刚刚新建的工具，点击应用便可询问 AI 相关问题，如图所示（本地模型有点问题，我这里选择的在线模型）。

询问集群拓扑状态：

询问会话情况：

上午那会儿创建了个 test 数据库卡住了，还没来得及排查。

总结

本次实践通过 FastAPI + PyTiDB 搭建起了底层安全可控的运维微服务，并借助 Dify Agent 的 ReAct 架构与 DeepSeek 的大模型能力，打通了自然语言与私有数据库之间的壁垒。虽然是个很小的 demo，但是可以帮我们理解 AI 的以下几个底层逻辑：

大脑（LLM / Dify）：擅长理解意图、逻辑推理、提取参数、组织语言。
手脚（FastAPI / PyTiDB）：擅长精准执行、高并发、安全控制、与现实物理系统交互。
理解：AI 并不是要取代现有的软件架构，而是作为一层 “智能调度协议” 挂载在传统软件之上。

这也为我们后面自己写 skills 提供了指导。如果本文对你有所帮助，欢迎点赞、推荐和转发，也欢迎关注后续文章，一起探索 AI 如何赋能数据库运维。

《基于 Dify + FastAPI + PyTiDB 搭建大模型驱动的 TiDB 智能运维 Agent》

《基于 Dify + FastAPI + PyTiDB 搭建大模型驱动的 TiDB 智能运维 Agent》

1. 概念和部署说明

1.1 相关介绍

1.2 部署环境说明

1.3 整体架构技术栈

2. 配置 Deepseek 大模型（可选）

2.1 安装 Ollama

2.2 下载 DeepSeek 大模型

2.3 确认模型运行成功

3. 配置 dify

3.1 安装 docker

3.2 安装 docker-compose

3.3 安装 dify

3.4 配置 dify 控制台中添加 Ollama 模型

4. 配置 TiDB 的 FastAPI 服务

4.1 创建 Python 3.11 环境

4.2 下载 pyTiDB 包上传到服务器并解压

4.3 编辑 app.py 文件

4.4 配置后台服务

4.5 Dify 上集成 FastAPI

5. 配置Agent

总结

2.1 安装 `Ollama`