Как создать AI-агента LangChain/LangGraph с использованием ClickHouse MCP Server

В этом руководстве вы узнаете, как создать AI-агента LangChain/LangGraph, который может взаимодействовать с SQL-песочницей ClickHouse, используя ClickHouse MCP Server.

Пример ноутбука

Этот пример доступен в виде ноутбука в репозитории примеров.

Предварительные требования

• На вашей системе должен быть установлен Python.
• На вашей системе должен быть установлен pip.
• Вам понадобится ключ API Anthropic или ключ API от другого поставщика LLM.

Вы можете выполнить следующие шаги либо в интерактивной консоли Python (REPL), либо с помощью скрипта.

Установка библиотек

Установите необходимые библиотеки, выполнив следующие команды:

pip install -q --upgrade pip
pip install -q langchain-mcp-adapters langgraph "langchain[anthropic]"

Настройка учетных данных

Далее необходимо указать ваш API-ключ Anthropic:

import os, getpass
os.environ["ANTHROPIC_API_KEY"] = getpass.getpass("Enter Anthropic API Key:")

Enter Anthropic API Key: ········

Использование другого провайдера LLM

Если у вас нет API-ключа Anthropic и вы хотите использовать другого провайдера LLM, инструкции по настройке учетных данных см. в документации Langchain Providers

Инициализация MCP-сервера

Теперь настройте ClickHouse MCP Server для подключения к песочнице ClickHouse SQL:

from mcp import ClientSession, StdioServerParameters
from mcp.client.stdio import stdio_client

server_params = StdioServerParameters(
  command="uv",
  args=[
      "run",
      "--with", "mcp-clickhouse",
      "--python", "3.13",
      "mcp-clickhouse"
  ],
  env={
      "CLICKHOUSE_HOST": "sql-clickhouse.clickhouse.com",
      "CLICKHOUSE_PORT": "8443",
      "CLICKHOUSE_USER": "demo",
      "CLICKHOUSE_PASSWORD": "",
      "CLICKHOUSE_SECURE": "true"
  }
)

Настройка обработчика потоков

При работе с Langchain и ClickHouse MCP Server результаты запросов часто возвращаются в виде потоковых данных, а не единым ответом. Для больших наборов данных или сложных аналитических запросов, обработка которых может занять время, важно настроить обработчик потока. Без надлежащей обработки работа с таким потоковым выводом в вашем приложении может быть затруднена.

Настройте обработчик для потокового вывода, чтобы упростить его обработку:

class UltraCleanStreamHandler:
  def __init__(self):
      self.buffer = ""
      self.in_text_generation = False
      self.last_was_tool = False
      
  def handle_chunk(self, chunk):
      event = chunk.get("event", "")
      
      if event == "on_chat_model_stream":
          data = chunk.get("data", {})
          chunk_data = data.get("chunk", {})
          
          # Only handle actual text content, skip tool invocation streams
          if hasattr(chunk_data, 'content'):
              content = chunk_data.content
              if isinstance(content, str) and not content.startswith('{"'):
                  # Add space after tool completion if needed
                  if self.last_was_tool:
                      print(" ", end="", flush=True)
                      self.last_was_tool = False
                  print(content, end="", flush=True)
                  self.in_text_generation = True
              elif isinstance(content, list):
                  for item in content:
                      if (isinstance(item, dict) and 
                          item.get('type') == 'text' and 
                          'partial_json' not in str(item)):
                          text = item.get('text', '')
                          if text and not text.startswith('{"'):
                              # Add space after tool completion if needed
                              if self.last_was_tool:
                                  print(" ", end="", flush=True)
                                  self.last_was_tool = False
                              print(text, end="", flush=True)
                              self.in_text_generation = True
                              
      elif event == "on_tool_start":
          if self.in_text_generation:
              print(f"\n🔧 {chunk.get('name', 'tool')}", end="", flush=True)
              self.in_text_generation = False
              
      elif event == "on_tool_end":
          print(" ✅", end="", flush=True)
          self.last_was_tool = True

Вызов агента

Наконец, вызовите агента и спросите его, кто внёс больше всего кода в ClickHouse:

async with stdio_client(server_params) as (read, write):
  async with ClientSession(read, write) as session:
      await session.initialize()
      tools = await load_mcp_tools(session)
      agent = create_react_agent("anthropic:claude-sonnet-4-0", tools)
      
      handler = UltraCleanStreamHandler()        
      async for chunk in agent.astream_events(
          {"messages": [{"role": "user", "content": "Who's committed the most code to ClickHouse?"}]}, 
          version="v1"
      ):
          handler.handle_chunk(chunk)
          
      print("\n")

Вы должны увидеть ответ, аналогичный приведенному ниже:

I'll help you find who has committed the most code to ClickHouse by exploring the available databases and tables to locate git commit data.
🔧 list_databases ✅ I can see there's a `git` database which likely contains git commit information. Let me explore the tables in that database:
🔧 list_tables ✅ Perfect! I can see the `clickhouse_commits` table in the git database contains ClickHouse commit data with 80,644 commits. This table has information about each commit including the author, lines added/deleted, files modified, etc. Let me query this table to find who has committed the most code based on different metrics.
🔧 run_select_query ✅ Let me also look at just the lines added to see who has contributed the most new code:
🔧 run_select_query ✅ Based on the ClickHouse git commit data, **Alexey Milovidov** has committed the most code to ClickHouse by several measures:

## Key Statistics:

1. **Most Total Lines Changed**: Alexey Milovidov with **1,696,929 total lines changed** (853,049 added + 843,880 deleted)
2. **Most Lines Added**: Alexey Milovidov with **853,049 lines added**
3. **Most Commits**: Alexey Milovidov with **15,375 commits**
4. **Most Files Changed**: Alexey Milovidov with **73,529 files changed**

## Top Contributors by Lines Added:

1. **Alexey Milovidov**: 853,049 lines added (15,375 commits)
2. **s-kat**: 541,609 lines added (50 commits) 
3. **Nikolai Kochetov**: 219,020 lines added (4,218 commits)
4. **alesapin**: 193,566 lines added (4,783 commits)
5. **Vitaly Baranov**: 168,807 lines added (1,152 commits)

Alexey Milovidov is clearly the most prolific contributor to ClickHouse, which makes sense as he is one of the original creators and lead developers of the project. His contribution dwarfs others both in terms of total code volume and number of commits, with nearly 16,000 commits and over 850,000 lines of code added to the project.