AI Translate 51-ai-functions to Simplified-Chinese (#2653)

* [INIT] Start translation to Simplified-Chinese

* 🌐 Translate 02-mcp.md to Simplified-Chinese

---------

Co-authored-by: github-actions[bot] <github-actions[bot]@users.noreply.github.com>

Author: github-actions[bot]

.translation-init

@@ -1 +1 @@
-Translation initialization: 2025-08-07T08:04:44.577984
+Translation initialization: 2025-08-07T09:16:55.714367

docs/cn/guides/51-ai-functions/02-mcp.md

@@ -1,26 +1,28 @@
 # 适用于 Databend 的 MCP 服务器
 
-[mcp-databend](https://github.com/databendlabs/mcp-databend) 是一个 MCP（Model Context Protocol，模型上下文协议）服务器，它让 AI 助手能够使用自然语言直接与你的 Databend 数据库交互。
+[mcp-databend](https://github.com/databendlabs/mcp-databend) 是一个 MCP（Model Context Protocol）服务器，它让 AI 助手能够使用自然语言直接与你的 Databend 数据库交互。
 
 ## mcp-databend 能做什么
 
-- **execute_sql** - 执行 SQL 查询，并带有超时保护
+- **execute_sql** - 执行带超时保护的 SQL 查询
 - **show_databases** - 列出所有可用数据库
-- **show_tables** - 列出数据库中的表（支持可选过滤）
+- **show_tables** - 列出数据库中的表（可带可选过滤）
 - **describe_table** - 获取详细的表结构信息
 
 ## 构建 ChatBI 工具
 
-本教程将演示如何使用 mcp-databend 和 Agno 框架构建一个对话式商业智能（Business Intelligence）工具。你将创建一个本地代理，能够用自然语言回答数据问题。
+本教程将演示如何使用 mcp-databend 和 Agno 框架构建对话式商业智能工具。你将创建一个本地代理，用自然语言回答数据问题。
+
+![Databend MCP ChatBI](@site/static/img/connect/databend-mcp-chatbi.png)
 
 ## 分步教程
 
-### 步骤 1：配置 Databend 连接
+### 第 1 步：配置 Databend 连接
 
 首先，你需要一个可连接的 Databend 数据库：
 
 1. **注册 [Databend Cloud](https://app.databend.cn)**（提供免费套餐）
-2. **创建计算集群（Warehouse）和数据库**
+2. **创建计算集群和数据库**
 3. **在控制台获取连接字符串**
 
 有关 DSN 格式和示例的详细信息，请参阅[连接字符串文档](https://docs.databend.cn/developer/drivers/#connection-string-dsn)。
@@ -30,25 +32,28 @@
 | **Databend Cloud** | `databend://user:pwd@host:443/database?warehouse=wh` |
 | **自托管** | `databend://user:pwd@localhost:8000/database?sslmode=disable` |
 
-### 步骤 2：安装依赖
+### 第 2 步：安装依赖
 
 创建虚拟环境并安装所需包：
 
 ```bash
-# Create virtual environment
+# 创建虚拟环境
 python3 -m venv .venv
 source .venv/bin/activate
 
-# Install packages
+# 安装包
 pip install packaging openai agno openrouter sqlalchemy fastapi mcp-databend
 ```
 
-### 步骤 3：创建 ChatBI 代理
+### 第 3 步：创建 ChatBI 代理
 
-现在创建 ChatBI 代理，它将使用 mcp-databend 与数据库交互。
+现在创建使用 mcp-databend 与数据库交互的 ChatBI 代理。
 
 创建文件 `agent.py`：
 
+<details>
+<summary>点击查看 agent.py 代码</summary>
+
 ```python
 from contextlib import asynccontextmanager
 import os
@@ -66,7 +71,7 @@ logging.basicConfig(level=logging.INFO)
 logger = logging.getLogger(__name__)
 
 def check_env_vars():
-    """Check required environment variables"""
+    """检查必需的环境变量"""
     required = {
         "DATABEND_DSN": "https://docs.databend.cn/developer/drivers/#connection-string-dsn",
         "OPENROUTER_API_KEY": "https://openrouter.ai/settings/keys"
@@ -75,13 +80,13 @@ def check_env_vars():
     missing = [var for var in required if not os.getenv(var)]
 
     if missing:
-        print("❌ Missing environment variables:")
+        print("❌ 缺少环境变量：")
         for var in missing:
             print(f"  • {var}: {required[var]}")
-        print("\nExample: export DATABEND_DSN='...' OPENROUTER_API_KEY='...'")
+        print("\n示例：export DATABEND_DSN='...' OPENROUTER_API_KEY='...'")
         sys.exit(1)
 
-    print("✅ Environment variables OK")
+    print("✅ 环境变量检查通过")
 
 check_env_vars()
 
@@ -103,10 +108,10 @@ class DatabendTool:
     async def init(self):
         try:
             await self.mcp.connect()
-            logger.info("✓ Connected to Databend")
+            logger.info("✓ 已连接到 Databend")
             return True
         except Exception as e:
-            logger.error(f"✗ Databend connection failed: {e}")
+            logger.error(f"✗ Databend 连接失败：{e}")
             return False
 
 databend = DatabendTool()
@@ -119,11 +124,11 @@ agent = Agent(
     ),
     tools=[],
     instructions=[
-        "You are ChatBI - a Business Intelligence assistant for Databend.",
-        "Help users explore and analyze their data using natural language.",
-        "Always start by exploring available databases and tables.",
-        "Format query results in clear, readable tables.",
-        "Provide insights and explanations with your analysis."
+        "你是 ChatBI - Databend 的商业智能助手。",
+        "帮助用户使用自然语言探索和分析数据。",
+        "始终从探索可用数据库和表开始。",
+        "将查询结果格式化为清晰易读的表格。",
+        "在分析中提供见解和解释。"
     ],
     storage=SqliteStorage(table_name="chatbi", db_file="chatbi.db"),
     add_datetime_to_instructions=True,
@@ -137,11 +142,11 @@ agent = Agent(
 async def lifespan(app: FastAPI):
     tool = databend.create()
     if not await databend.init():
-        logger.error("Failed to initialize Databend")
-        raise RuntimeError("Databend connection failed")
+        logger.error("初始化 Databend 失败")
+        raise RuntimeError("Databend 连接失败")
 
     agent.tools.append(tool)
-    logger.info("ChatBI initialized successfully")
+    logger.info("ChatBI 初始化成功")
 
     yield
 
@@ -151,77 +156,79 @@ async def lifespan(app: FastAPI):
 playground = Playground(
     agents=[agent],
     name="ChatBI with Databend",
-    description="Business Intelligence Assistant powered by Databend"
+    description="由 Databend 驱动的商业智能助手"
 )
 
 app = playground.get_app(lifespan=lifespan)
 
 if __name__ == "__main__":
-    print("🤖 Starting MCP Server for Databend")
-    print("Open http://localhost:7777 to start chatting!")
+    print("🤖 正在启动 Databend 的 MCP 服务器")
+    print("打开 http://localhost:7777 开始聊天！")
     playground.serve(app="agent:app", host="127.0.0.1", port=7777)
 ```
 
-### 步骤 4：配置环境
+</details>
+
+### 第 4 步：配置环境
 
 设置 API 密钥和数据库连接：
 
 ```bash
-# Set your OpenRouter API key
+# 设置 OpenRouter API 密钥
 export OPENROUTER_API_KEY="your-openrouter-key"
 
-# Set your Databend connection string
+# 设置 Databend 连接字符串
 export DATABEND_DSN="your-databend-connection-string"
 ```
 
-### 步骤 5：启动 ChatBI 代理
+### 第 5 步：启动 ChatBI 代理
 
 运行代理以启动本地服务器：
 
 ```bash
 python agent.py
 ```
 
-你应该会看到：
+你将看到：
 ```
-✅ Environment variables OK
-🤖 Starting MCP Server for Databend
-Open http://localhost:7777 to start chatting!
-INFO Starting playground on http://127.0.0.1:7777                                                                                                                                          
-INFO:     Started server process [189851]
-INFO:     Waiting for application startup.
-INFO:agent:✓ Connected to Databend
-INFO:agent:ChatBI initialized successfully
-INFO:     Application startup complete.
-INFO:     Uvicorn running on http://127.0.0.1:7777 (Press CTRL+C to quit)
+✅ 环境变量检查通过
+🤖 正在启动 Databend 的 MCP 服务器
+打开 http://localhost:7777 开始聊天！
+INFO 正在 http://127.0.0.1:7777 启动 playground                                                                                                                                          
+INFO:     已启动服务器进程 [189851]
+INFO:     等待应用程序启动。
+INFO:agent:✓ 已连接到 Databend
+INFO:agent:ChatBI 初始化成功
+INFO:     应用程序启动完成。
+INFO:     Uvicorn 正在 http://127.0.0.1:7777 运行（按 CTRL+C 退出）
 ```
 
-### 步骤 6：设置 Web 界面
+### 第 6 步：设置 Web 界面
 
-为获得更佳体验，可配置 Agno 的 Web 界面：
+为获得更好体验，可设置 Agno 的 Web 界面：
 
 ```bash
-# Create the Agent UI
+# 创建 Agent UI
 npx create-agent-ui@latest
 
-# Enter 'y' when prompted, then run:
+# 出现提示时输入 'y'，然后运行：
 cd agent-ui && npm run dev
 ```
 
 **连接到代理：**
 1. 打开 [http://localhost:3000](http://localhost:3000)
 2. 选择 "localhost:7777" 作为端点
-3. 开始用自然语言提问数据问题！
+3. 开始提问关于数据的问题！
 
 **试试这些查询：**
-- "Show me all databases"
-- "What tables do I have?"
-- "Describe the structure of my tables"
-- "Run a query to show sample data"
+- "显示所有数据库"
+- "我有哪些表？"
+- "描述我的表结构"
+- "运行查询显示示例数据"
 
 ## 资源
 
-- **GitHub 仓库**：[databendlabs/mcp-databend](https://github.com/databendlabs/mcp-databend)
-- **PyPI 包**：[mcp-databend](https://pypi.org/project/mcp-databend)
-- **Agno 框架**：[Agno MCP](https://docs.agno.com/tools/mcp/mcp)
-- **Agent UI**：[Agent UI](https://docs.agno.com/agent-ui/introduction)
+- **GitHub 仓库**: [databendlabs/mcp-databend](https://github.com/databendlabs/mcp-databend)
+- **PyPI 包**: [mcp-databend](https://pypi.org/project/mcp-databend)
+- **Agno 框架**: [Agno MCP](https://docs.agno.com/tools/mcp/mcp)
+- **Agent UI**: [Agent UI](https://docs.agno.com/agent-ui/introduction)