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

このガイドでは、ClickHouseのSQLプレイグラウンドとClickHouseのMCPサーバーを使ってインタラクションできるLlamaIndex AIエージェントの構築方法を学習します。

例のノートブック

この例は、examplesリポジトリにノートブックとしてあります。

前提条件

• 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キー、または他のLLMプロバイダーからのAPIキーが必要です。

以下の手順は、Python REPLまたはスクリプトから実行できます。

ライブラリのインストール

必要なライブラリをインストールするために、以下のコマンドを実行してください：

!pip install -q --upgrade pip
!pip install -q llama-index
!pip install -q clickhouse-connect
!pip install -q llama-index-llms-anthropic
!pip install -q llama-index-tools-mcp

資格情報の設定

次に、AnthropicのAPIキーを提供する必要があります：

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

Enter Anthropic API Key: ········

別のLLMプロバイダーの利用

AnthropicのAPIキーを持っていない場合は、他のLLMプロバイダーを使用したい場合は、 LlamaIndexの「LLMs」ドキュメントを参照して資格情報を設定する手順を見つけてください。

MCPサーバーの初期化

次に、ClickHouse MCPサーバーを設定して、ClickHouse SQLプレイグラウンドを指すようにします。 Python関数からLlama Indexツールに変換する必要があります：

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()

エージェントの作成

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の最大数を10に設定します。このパラメーターは変更可能です：

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)

LLMの初期化

以下のコードを使用して、Claude Sonnet 4.0モデルを初期化します：

from llama_index.llms.anthropic import Anthropic
llm = Anthropic(model="claude-sonnet-4-0")

エージェントの実行

最後に、エージェントに質問をすることができます：

response = agent.query("What's the most popular repository?")

返答は長いため、以下の例の応答では省略されています：

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.