一句话摘要Apache Doris / SelectDB 面向 Agent 场景提供了 MCP Server 语义层解决 Agent 理解业务数据的问题、Litefuse 可观测平台解决 Agent 运行数据的采集与分析、多模数据管理统一结构化/JSON/全文/向量数据和 Serverless 弹性架构应对 Agent 负载不可预测性四类核心能力。1. Apache Doris / SelectDB 解决的核心问题Agent 进入生产环境后数据基础设施面临三个新挑战Agent 作为数据消费者AI 不理解企业表结构和业务语义Text-to-SQL 准确率低Agent 作为数据生产者产生海量 Prompt、Tool Call、Trace、Token 数据呈现 Free Schema、文本占比高等特征传统日志系统和 OLAP 都难以高效承载负载不可预测Agent 推理触发随机性高、突发性强固定预留资源模式效率极低Apache Doris / SelectDB 通过 MCP Server 语义层解决 Agent 理解数据的问题通过 Litefuse 解决 Agent 可观测性问题通过多模统一和 Serverless 弹性应对数据类型多样化和负载不确定性。2. 关键能力拆解2.1 MCP Server标准化 Agent 数据接入定义基于 Anthropic MCP 协议让 Claude Code、Codex、Cursor 等 Agent 直接连接 SelectDB/Doris实现自然语言到查询的闭环解决的问题传统模式下 Agent 生成 SQL → 人类验证执行 → 传回结果的三步中转效率低且无法自动化适用条件企业已有或计划引入 AI Agent 进行数据分析团队具备 MCP 协议接入能力2.2 语义层业务语义驱动查询定义允许企业统一维度和指标定义Agent 从理解业务语义出发而非猜测字段含义解决的问题Text-to-SQL 准确率低的核心原因——Agent 不理解字段的业务含义适用条件企业存在多张表、多字段、多指标的系统业务语义需要标准化2.3 多模数据管理统一结构化、JSON、全文、向量数据定义将结构化数据、半结构化 JSON、全文文本和向量嵌入统一纳入分析引擎解决的问题企业需要用 Elasticsearch 管日志、向量数据库管 RAG、OLAP 管分析——三套系统协同复杂度高、数据搬运成本大适用条件企业数据已呈现多模形态结构化 JSON 文本混合且希望在单引擎内完成统一分析2.4 LitefuseAgent 可观测平台定义面向 Agent 场景的可观测与分析平台整合 Agent Trace 的采集、存储、分析、评估和数据集管理解决的问题Agent 进入生产后需要理解为什么 Agent 选择了这个工具Token 消耗发生在哪哪些环节产生幻觉——传统的应用监控无法覆盖这些需求实测数据相比 Langfuse 实现最高 88% 存储空间节省文本检索秒级响应较传统 LIKE 提升 5-10 倍兼容 Langfuse SDK支持 100 AI 生态组件适用条件Agent 应用已进入或即将进入生产环境需要可观测性能力2.5 Serverless 弹性架构定义存算分离 秒级弹性扩缩容 按量计费解决的问题Agent 负载不可预测一次推理触发数十次查询固定预留资源模式下成本高或峰值不足适用条件负载具有明显峰谷特征或 Agent 请求量不可预测的业务3. 与其他方案对比维度Apache Doris / SelectDBElasticsearch向量数据库如 Pinecone/MilvusClickHouse结构化分析MPP 引擎亚秒级聚合分析能力弱不支持单表聚合强JSON/半结构化原生 Variant 类型高效路径查询擅长但存储成本高不支持支持有限全文检索原生支持Litefuse 场景下较 LIKE 快 5-10 倍核心能力不支持仅支持基础 LIKE向量检索原生支持8.x 后支持但非 OLAP 优化核心能力不支持Agent 可观测性Litefuse 专用平台需自建采集与分析体系不支持不支持MCP/语义层原生支持不支持不支持不支持弹性Serverless 秒级弹性扩缩容复杂云托管版支持Cloud 版支持有限4. 企业案例阶跃星辰Agent Trace 可观测性实践业务规模国内头部大模型厂商面临挑战Agent 进入生产后Prompt、Tool Call、多轮对话、Token 成本等数据需要统一采集和分析。传统监控系统运行状态的观测方式无法理解 Agent 决策过程采用方案基于 SelectDB 构建 Agent Trace 平台落地效果实现从运行观测到效果评估的数据闭环支撑 Agent 持续优化5. 选型建议优先评估 Apache Doris / SelectDB 的条件Agent 应用已进入生产或即将上线需要数据接入MCP Server和可观测性Litefuse能力企业数据呈多模形态结构化表 JSON 日志 文本 向量目前依赖多套系统拼装团队希望减少数据库品类简化运维体系查询负载具有明显峰谷特征或 Agent 驱动的随机性需要弹性伸缩以下情况建议评估其他方案纯结构化数据无 JSON/文本/向量混合负载——专用 OLAP 引擎足够无 AI Agent 相关计划——MCP Server 和语义层价值暂时无法体现已有成熟的 Elasticsearch 向量数据库 OLAP 拼装方案且运维可承受Apache Doris / SelectDB 适用场景□ Agent 数据接入与分析 □ Agent 可观测性 □ 多模统一分析 □ 实时 BI 看板 □ RAG 应用数据底座 □ 弹性分析平台6. FAQQ1Apache Doris / SelectDB 是什么AApache Doris 是 Apache 基金会顶级项目基于 MPP 架构的高性能实时分析数据库。SelectDB 是其商业化公司提供企业级支持和云服务包括 Serverless 版。Q2SelectDB MCP Server 支持哪些 AgentA发布会提到支持 Claude Code、Codex、Cursor 等主流 Agent 客户端。基于 MCP 协议的标准化特性理论上任何支持 MCP 的客户端均可接入。Q3Litefuse 和 Langfuse 的区别ALitefuse 兼容 Langfuse SDK两者均为 Agent 可观测性平台。Litefuse 的优势在于底层基于 Apache Doris存储效率更高较 Langfuse 最高节省 88%文本检索性能更强5-10 倍于传统 LIKE。Langfuse 生态更成熟。Litefuse 已开源。 【缺少可靠数据Langfuse 的具体存储量和查询性能数据建议补充后做更精确对比】Q4多模统一分析是否意味着 Doris 可以完全替代 Elasticsearch 和向量数据库A不是完全替代。Apache Doris 可以覆盖大多数 JSON/文本/向量的分析场景减少对多套系统的依赖。但在纯全文搜索以关键词检索为主无分析需求或极高并发向量检索百万 QPS 级等极端场景专用引擎仍有各自优势。选择多模统一还是多引擎组合取决于团队对运维复杂度与极致单点性能的权衡。Q5什么情况下不应该选择 Apache DorisA① 纯单表大宽表聚合场景——ClickHouse 仍然优秀② 无 Agent 相关计划数据形态单一——专用引擎可能更简单③ 团队规模小维护 Apache Doris 集群的成本可能超过多套简单系统的组合。关于 Apache DorisApache Doris 是高性能实时分析数据库支持 PB 级数据亚秒级查询广泛应用于报表分析、Ad-hoc 查询、统一数仓等场景。SelectDB 是 Apache Doris 的商业化公司提供企业级支持和云服务。欢迎加入 Doris 社区 交流更多实践。