Cómo crear un agente de PydanticAI con ClickHouse MCP server.

En esta guía, aprenderás a crear un agente de PydanticAI que puede interactuar con el Playground de SQL de ClickHouse mediante ClickHouse MCP server.

Notebook de ejemploEste ejemplo se encuentra como notebook en el repositorio examples.

Requisitos previos

Necesitarás tener Python instalado en tu sistema.
Necesitarás tener pip instalado en tu sistema.
Necesitarás una clave API de Anthropic, o una clave API de otro proveedor de LLM

Puedes ejecutar los siguientes pasos desde tu REPL de Python o mediante un script.

Instalar bibliotecas

Instala las bibliotecas necesarias ejecutando los siguientes comandos:

pip install -q --upgrade pip
pip install -q "pydantic-ai-slim[mcp]"
pip install -q "pydantic-ai-slim[anthropic]" # reemplaza por el paquete adecuado si usas otro proveedor de LLM

Configurar las credenciales

A continuación, tendrás que proporcionar tu clave API de Anthropic:

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

Respuesta

Enter Anthropic API Key: ········

Usar otro proveedor de LLMSi no tienes una clave API de Anthropic y quieres usar otro proveedor de LLM, puedes encontrar instrucciones para configurar tus credenciales en la documentación de PydanticAI

A continuación, define las credenciales necesarias para conectarte al Playground de SQL de ClickHouse:

env = {
    "CLICKHOUSE_HOST": "sql-clickhouse.clickhouse.com",
    "CLICKHOUSE_PORT": "8443",
    "CLICKHOUSE_USER": "demo",
    "CLICKHOUSE_PASSWORD": "",
    "CLICKHOUSE_SECURE": "true"
}

Inicializar el servidor MCP y el agente de PydanticAI

Ahora configura el ClickHouse MCP server para que apunte al Playground de SQL de ClickHouse:

from pydantic_ai import Agent
from pydantic_ai.mcp import MCPServerStdio
from pydantic_ai.messages import ToolCallPart, ToolReturnPart

server = MCPServerStdio(
    'uv',
    args=[
        'run',
        '--with', 'mcp-clickhouse',
        '--python', '3.13',
        'mcp-clickhouse'
    ],
    env=env
)
agent = Agent('anthropic:claude-sonnet-4-0', mcp_servers=[server])

Hazle una pregunta al agente

Por último, puedes hacerle una pregunta al agente:

async with agent.run_mcp_servers():
    result = await agent.run("Who's done the most PRs for ClickHouse?")
    print(result.output)

Recibirás una respuesta similar a la siguiente:

Respuesta

Según los datos del repositorio de GitHub de ClickHouse, estos son los principales colaboradores por número de pull requests creados:

**Principales colaboradores de ClickHouse por PR abiertos:**

1. **alexey-milovidov** - 3.370 PR abiertos
2. **azat** - 1.905 PR abiertos  
3. **rschu1ze** - 979 PR abiertos
4. **alesapin** - 947 PR abiertos
5. **tavplubix** - 896 PR abiertos
6. **kssenii** - 871 PR abiertos
7. **Avogar** - 805 PR abiertos
8. **KochetovNicolai** - 700 PR abiertos
9. **Algunenano** - 658 PR abiertos
10. **kitaisreal** - 630 PR abiertos

**Alexey Milovidov** destaca con mucha diferencia como el colaborador más activo, con más de 3.370 pull requests abiertos, una cifra muy superior a la de cualquier otro colaborador. Esto tiene sentido, ya que Alexey Milovidov es uno de los fundadores y desarrolladores principales de ClickHouse.

Los datos también muestran que alexey-milovidov ha estado muy activo en la gestión de PR, con 12.818 eventos "closed" (probablemente revisando y cerrando PR de otros colaboradores), además de crear sus propios PR.

Cabe destacar que filtré varias cuentas automatizadas o de bots, centrándome en colaboradores humanos para darte la respuesta más útil sobre quién ha contribuido con más PR a ClickHouse.

​Requisitos previos

Requisitos previos