得物以Galaxy MCP打通数据研发工具

研发团队基于 MCP 为内部数据研发平台 Galaxy 构建标准化集成底座，让 Code LLM 不再依赖工程师手动复制表结构与日志。Galaxy MCP 提供统一 HTTP Streamable 接口与 Bearer Token 鉴权机制，使大模型可在安全受控前提下直接调用底层数据平台 API，并向模型暴露构成 Agent 任务原子的五类核心能力：分析数据结构（编写 SQL 前自动取目标表建表语句，确保字段名与类型准确以消除幻觉）、追溯数据来源（OneData 建模或排错时自动查上游血缘表梳理依赖链路）、逻辑审查（读取线上调度任务的真实 SQL 逻辑用于重构或口径比对）、排查任务失败（查找特定时间段内失败的运行实例）、根因分析（获取完整执行日志如 Spark 报错堆栈并结合上下文给出修复建议）。工程上已实现与主流 AI IDE 的无缝集成，开发者在 IDE 中输入「读这个表试试：xxx.table_name」等自然语言即可路由至 Galaxy MCP 并完成鉴权、API 调用与结果解析闭环。同期架构侧提出「认知运行时（LLM 负责语义推演，不触碰物理数据，只操作已授权元数据与 AST）/执行运行时（Spark、Flink、ClickHouse 等负责确定性算力）解耦」的范式，并明确数据确权的人机边界：管理审批由人类主导，技术实现由 Code LLM 在人工复核后执行。 为使 Code LLM 在容错率极低的数仓环境可控落地，团队建立了两类管控：幻觉风险抑制方面，严禁模型在无上下文情况下「裸写」SQL，必须通过 Galaxy MCP 实时获取真实表结构与分区信息，确保引用的表名与字段名真实存在（RAG 增强与 MCP 强绑定），且模型生成的 SQL 必须经数仓平台语法解析器做静态检查以阻断基础语法错误；数据安全与合规方面，鉴于数仓含大量商业机密与用户隐私（尤其调用外部公有云 API 时），在 Prompt 提交至模型前由网关层做正则表达式与 NLP 实体识别扫描，自动屏蔽或替换真实手机号、身份证号与真实交易金额等敏感数据，并实行元数据隔离——仅允许模型读取表结构 Schema 与脱敏后的 Mock 样例数据，严禁直接访问生产环境物理数据，同时规定所有 AI 辅助生成的代码变更在 Git 中必须带特定 AI 标签并记录对应 Prompt 与生成日志以便事后追溯。此外所有 Prompt 作为「认知运行时的配置文件」纳入 Git 版本管理与 Code Review。