AI时代云原生数据库一体机的思考

AI时代云原生数据库一体机演进

最新推荐文章于 2025-11-23 19:13:18 发布

原创

最新推荐文章于 2025-11-23 19:13:18 发布 · 1.3k 阅读

18 ·

CC 4.0 BY-SA版权

文章标签：

#人工智能 #云原生 #数据库 #IvorySQL #开源 #postgresql #架构

本文整理自 IvorySQL 2025 生态大会暨 PostgreSQL 高峰论坛的演讲分享，演讲嘉宾：唐成，中启乘数科技 CTO，资深 PostgreSQL 专家。

引言

AI 技术正从训练转向推理与应用，数据基础设施面临新的挑战。传统数据库难以满足 AI Agent 对实时性、多模态检索和弹性扩展的需求。PostgreSQL 因其扩展性成为 AI 时代的数据基石，云原生数据库一体机通过存算分离和多模融合实现全场景覆盖。本文探讨 AI 时代数据库一体机的演进路径、关键技术及对智能应用的支撑作用。

我们当前的 AI 时代

训练的时代接近尾声，但训练本身的问题依然存在，尤其是在存储层面 HOW225。
Inference（推理）：如何以高效、低成本的方式透出模型能力。
Database for Al Application：db4aia，如何支撑上下文管理、向量检索、数据调用与语义理解等数据层能力。
Agent 数量快速增长，数据底座成核心支撑。
Al Agent 正在大量创建数据库。
Inference（推理）和数据应用正在成为新焦点。
PostgreSQL：新兴数据库的共识基石。

AI 时代的 MCP 技术

MCP 起源于 2024 年 11 月 25 日 Anthropic 发布的文章：Introducing the Model Context Protocol。

MCP （ Model Context Protocol ，模型上下文协议）定义了应用程序和 AI 模型之间交换上下文信息的方式。这使得开发者能够以一致的方式将各种数据源、工具和功能连接到 AI 模型（一个中间协议层），就像 USB-C 让不同设备能够通过相同的接口连接一样。MCP 的目标是创建一个通用标准，使 AI 应用程序的开发和集成变得更加简单和统一。

MCP 的核心组件

模型（ Model ）：LLMs 是这个框架的引擎，负责生成最终的输出。用户可以通过“客户端”（如 Claude 桌面应用、IDE 或聊天机器人）访问模型。
上下文（Context）：这是模型回答问题时所需的额外信息，存储在“服务器”中。服务器可以是 Google Drive、GitHub 仓库、邮箱或 PDF 文件等。
协议（Protocol）：这是一套规则，允许模型访问不同的外部工具和 API，以获取与查询相关的上下文信息。

AI 时代的 RAG 技术

RAG 技术解决大模型的不精确问题，RAG 系统的工作流程可以分为以下几个步骤:

查询（Query）：用户的输入作为 RAG 系统的查询。
检索（Retrieval）：在 LLMs 生成回答之前，RAG 系统会检索与查询相关的知识库，找到最相关的信息。
增强（Augmentation）：将检索到的相关信息与原始查询结合，形成增强后的输入。
生成（Generation）：LLMs 根据增强后的输入生成更准确、更相关的回答，并将结果反馈给用户。

RAG 为 LLMs 提供了更丰富的知识，那么 MCP（Model Context Protocol，模型上下文协议）则赋予了 LLMs 行动的能力。2024 年，Anthropic 推出了 MCP，而在 2025 年，它终于得到了全世界的认可。MCP 允许 LLMs 实时连接外部工具、API 和数据源，这一开放标准让 LLMs 不再局限于文本生成，而是能够执行操作、触发工作流，并获取最新信息以支持决策。

RAG 的系统架构

RAG 架构通过将用户查询与从知识库中检索到的相关信息相结合，再输入大语言模型生成响应，显著提升了输出的准确性和可靠性。

RAG 技术与 MCP 技术的比较

Google Agent To Agent

A2A 是 Google 推出的一个开放通信协议，旨在让 AI 代理(Agent)之间可以互相沟通、协作、派发任务，并同步结果。它解决的核心问题是：“多个智能体如何像一个团队一样配合工作？”想象你是一个项目经理（AI Agent A），你指派另一个人（AI Agent B）去完成任务、实时查看进度、获取结果。

A2A 提供了一整套标准化接口与数据结构，主要包括：

任务发送（Task Initiation）：任何 Agent 都可以通过 tasks/send 或 tasks/sendSubscribe 向另一个 Agent 发出任务请求。
任务状态跟踪（Lifecycle & Streaming）：任务有完整的状态生命周期（如：submitted → working →completed)。若使用 sendSubscribe，Agent 可以订阅 SSE（Server-Sent Events）接收状态更新。
获取结果（Artifacts）：任务完成后，执行方返回一个 artifact 对象，内部是若干 part 组成的内容单元（文本、结构化数据、文件等）。
Agent 能力暴露（AgentCard）：每个 Agent 都需要提供一个标准的能力描述文件 /.well-known/agent.json，