> ## Documentation Index
> Fetch the complete documentation index at: https://clickhouse.com/docs/llms.txt
> Use this file to discover all available pages before exploring further.

# ClickHouse MCPサーバーを使用してLlamaIndex AIエージェントを構築する方法

> ClickHouse MCPサーバーと対話できるLlamaIndex AIエージェントの構築方法を学びます。

このガイドでは、[LlamaIndex](https://docs.llamaindex.ai) のAIエージェントを構築し、[ClickHouseのSQL Playground](https://sql.clickhouse.com/) を [ClickHouse MCPサーバー](https://github.com/ClickHouse/mcp-clickhouse) 経由で操作できるようにする方法を学びます。

<Info>
  **サンプルノートブック**

  このサンプルは、[examplesリポジトリ](https://github.com/ClickHouse/examples/blob/main/ai/mcp/llamaindex/llamaindex.ipynb) 内のノートブックとして入手できます。
</Info>

<div id="prerequisites">
  ## 前提条件
</div>

* システムに Python がインストールされている必要があります。
* システムに `pip` がインストールされている必要があります。
* Anthropic の API key、または別の LLMプロバイダーの API key が必要です

以下の手順は、Python REPL またはスクリプトから実行できます。

<Steps>
  <Step title="ライブラリをインストールする" id="install-libraries">
    以下のコマンドを実行して、必要なライブラリをインストールします。

    ```python theme={null}
    pip install -q --upgrade pip
    pip install -q llama-index clickhouse-connect llama-index-llms-anthropic llama-index-tools-mcp
    ```
  </Step>

  <Step title="認証情報の設定" id="setup-credentials">
    次に、Anthropic API key を指定します。

    ```python theme={null}
    import os, getpass
    os.environ["ANTHROPIC_API_KEY"] = getpass.getpass("Enter Anthropic API Key:")
    ```

    ```response title="Response" theme={null}
    Enter Anthropic API Key: ········
    ```

    <Info>
      **別のLLMプロバイダーを使用する**

      Anthropic API keyをお持ちでなく、別のLLMプロバイダーを使用したい場合は、
      [LlamaIndex "LLMs" ドキュメント](https://docs.llamaindex.ai/en/stable/examples/)でcredentialsの設定手順を確認できます
    </Info>
  </Step>

  <Step title="MCPサーバーを初期化する" id="initialize-mcp-and-agent">
    次に、ClickHouse MCP serverがClickHouse SQL playgroundを参照するように設定します。
    これらをPython関数からLlama Indexツールに変換する必要があります。

    ```python theme={null}
    from llama_index.tools.mcp import BasicMCPClient, McpToolSpec

    mcp_client = BasicMCPClient(
        "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"
        }
    )

    mcp_tool_spec = McpToolSpec(
        client=mcp_client,
    )

    tools = await mcp_tool_spec.to_tool_list_async()
    ```
  </Step>

  <Step title="エージェントを作成する" id="create-agent">
    これで、それらのツールにアクセスできるエージェントを作成する準備が整いました。1 回の実行でのツール呼び出し回数の上限を 10 に設定します。必要に応じて、このパラメーターは変更できます。

    ```python theme={null}
    from llama_index.core.agent import AgentRunner, FunctionCallingAgentWorker

    agent_worker = FunctionCallingAgentWorker.from_tools(
        tools=tools,
        llm=llm, verbose=True, max_function_calls=10
    )
    agent = AgentRunner(agent_worker)
    ```
  </Step>

  <Step title="LLM を初期化する" id="initialize-llm">
    次のコードで Claude Sonnet 4.0 モデルを初期化します。

    ```python theme={null}
    from llama_index.llms.anthropic import Anthropic
    llm = Anthropic(model="claude-sonnet-4-0")
    ```
  </Step>

  <Step title="エージェントを実行する" id="run-agent">
    最後に、エージェントに質問してみましょう。

    ```python theme={null}
    response = agent.query("What's the most popular repository?")
    ```

    返されるレスポンスは長いため、以下の
    レスポンス例では一部を省略しています:

    ```response title="Response" theme={null}
    Added user message to memory: What's the most popular repository?
    === LLM Response ===
    I'll help you find the most popular repository. Let me first explore the available databases and tables to understand the data structure.
    === Calling Function ===
    Calling function: list_databases with args: {}
    === Function Output ===
    meta=None content=[TextContent(type='text', text='amazon\nbluesky\ncountry\ncovid\ndefault\ndns\nenvironmental\nfood\nforex\ngeo\ngit\ngithub\nhackernews\nimdb\nlogs\nmetrica\nmgbench\nmta\nnoaa\nnyc_taxi\nnypd\nontime\nopensky\notel\notel_v2\npypi\nrandom\nreddit\nrubygems\nstackoverflow\nstar_schema\nstock\nsystem\ntw_weather\ntwitter\nuk\nwiki\nwords\nyoutube', annotations=None)] isError=False
    === LLM Response ===
    I can see there's a `github` database which likely contains repository data. Let me explore the tables in that database.
    === Calling Function ===
    Calling function: list_tables with args: {"database": "github"}
    === Function Output ===
    ...
    ...
    ...
    === LLM Response ===
    Based on the GitHub data, **the most popular repository is `sindresorhus/awesome`** with **402,292 stars**.

    Here are the top 10 most popular repositories by star count:

    1. **sindresorhus/awesome** - 402,292 stars
    2. **996icu/996.ICU** - 388,413 stars  
    3. **kamranahmedse/developer-roadmap** - 349,097 stars
    4. **donnemartin/system-design-primer** - 316,524 stars
    5. **jwasham/coding-interview-university** - 313,767 stars
    6. **public-apis/public-apis** - 307,227 stars
    7. **EbookFoundation/free-programming-books** - 298,890 stars
    8. **facebook/react** - 286,034 stars
    9. **vinta/awesome-python** - 269,320 stars
    10. **freeCodeCamp/freeCodeCamp** - 261,824 stars

    The `sindresorhus/awesome` repository is a curated list of awesome lists, which explains its popularity as it serves as a comprehensive directory of resources across many different topics in software development.
    ```
  </Step>
</Steps>