> ## 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.

# Como criar um agente de IA com Claude Agent SDK e o servidor MCP do ClickHouse

> Aprenda a criar um agente de IA com Claude Agent SDK e o servidor MCP do ClickHouse

Neste guia, você aprenderá a criar um agente de IA com o [Claude Agent SDK](https://docs.claude.com/en/api/agent-sdk/overview) que pode interagir com
[o playground SQL do ClickHouse](https://sql.clickhouse.com/) usando o [servidor MCP do ClickHouse](https://github.com/ClickHouse/mcp-clickhouse).

<Info>
  **Notebook de exemplo**

  Este exemplo está disponível como um notebook no [repositório de exemplos](https://github.com/ClickHouse/examples/blob/main/ai/mcp/claude-agent/claude-agent.ipynb).
</Info>

<div id="prerequisites">
  ## Pré-requisitos
</div>

* Você precisará ter o Python instalado no sistema.
* Você precisará ter o `pip` instalado no sistema.
* Você precisará de uma chave de API da Anthropic

Você pode executar as etapas a seguir no REPL do Python ou por meio de um script.

<Steps>
  <Step title="Instalar bibliotecas" id="install-libraries">
    Instale a biblioteca Claude Agent SDK executando os seguintes comandos:

    ```python theme={null}
    pip install -q --upgrade pip
    pip install -q claude-agent-sdk
    pip install -q ipywidgets
    ```
  </Step>

  <Step title="Configurar credenciais" id="setup-credentials">
    Em seguida, você precisará fornecer sua chave de API da Anthropic:

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

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

    Em seguida, defina as credenciais necessárias para se conectar ao playground SQL do ClickHouse:

    ```python theme={null}
    env = {
        "CLICKHOUSE_HOST": "sql-clickhouse.clickhouse.com",
        "CLICKHOUSE_PORT": "8443",
        "CLICKHOUSE_USER": "demo",
        "CLICKHOUSE_PASSWORD": "",
        "CLICKHOUSE_SECURE": "true"
    }
    ```
  </Step>

  <Step title="Inicializar o servidor MCP e o agente do Claude Agent SDK" id="initialize-mcp-and-agent">
    Agora, configure o servidor MCP do ClickHouse para apontar para o playground SQL do ClickHouse
    e também inicialize nosso agente e faça uma pergunta a ele:

    ```python theme={null}
    from claude_agent_sdk import query, ClaudeAgentOptions, AssistantMessage, UserMessage, TextBlock, ToolUseBlock
    ```

    ```python theme={null}
    options = ClaudeAgentOptions(
        allowed_tools=[
            "mcp__mcp-clickhouse__list_databases",
            "mcp__mcp-clickhouse__list_tables", 
            "mcp__mcp-clickhouse__run_select_query",
            "mcp__mcp-clickhouse__run_chdb_select_query"
        ],
        mcp_servers={
            "mcp-clickhouse": {
                "command": "uv",
                "args": [
                    "run",
                    "--with", "mcp-clickhouse",
                    "--python", "3.10",
                    "mcp-clickhouse"
                ],
                "env": env
            }
        }
    )

    async for message in query(prompt="Tell me something interesting about UK property sales", options=options):
        if isinstance(message, AssistantMessage):
            for block in message.content:
                if isinstance(block, TextBlock):
                    print(f"🤖 {block.text}")
                if isinstance(block, ToolUseBlock):
                    print(f"🛠️ {block.name} {block.input}")
        elif isinstance(message, UserMessage):
            for block in message.content:
                if isinstance(block, TextBlock):
                    print(block.text)
    ```

    Observe que o código dentro do bloco `for` filtra a saída por questão de brevidade.

    ```response title="Resposta" theme={null}
    🤖 Vou consultar o banco de dados ClickHouse para encontrar algo interessante sobre vendas de imóveis no Reino Unido.

    Primeiro, vou ver quais bancos de dados estão disponíveis:
    🛠️ mcp__mcp-clickhouse__list_databases {}
    🤖 Ótimo! Há um banco de dados "uk". Agora, vou ver quais tabelas estão disponíveis:
    🛠️ mcp__mcp-clickhouse__list_tables {'database': 'uk'}
    🤖 Perfeito! A tabela `uk_price_paid` tem mais de 30 milhões de registros de vendas de imóveis. Vou encontrar algo interessante:
    🛠️ mcp__mcp-clickhouse__run_select_query {'query': "\nSELECT \n    street,\n    town,\n    max(price) as max_price,\n    min(price) as min_price,\n    max(price) - min(price) as price_difference,\n    count() as sales_count\nFROM uk.uk_price_paid\nWHERE street != ''\nGROUP BY street, town\nHAVING sales_count > 100\nORDER BY price_difference DESC\nLIMIT 1\n"}
    🤖 Aqui vai algo fascinante: **Baker Street, em Londres** (sim, a famosa rua de Sherlock Holmes!) tem a maior variação de preços entre todas as ruas com mais de 100 vendas — imóveis foram vendidos por apenas **£2,500** e por até **£594.3 million**, uma diferença impressionante de mais de £594 milhões!

    Isso faz sentido, já que Baker Street é um dos endereços mais prestigiados de Londres, passando por áreas nobres como Marylebone, e teve 541 vendas registradas neste conjunto de dados.
    ```
  </Step>
</Steps>