Как создать AI-агента с помощью Claude Agent SDK и ClickHouse MCP Server

В этом руководстве вы узнаете, как создать AI-агента на базе Claude Agent SDK, который может взаимодействовать с SQL-песочницей ClickHouse, используя ClickHouse MCP Server.

Пример блокнота

Этот пример доступен в виде блокнота в репозитории с примерами.

Предварительные требования

• В вашей системе должен быть установлен Python.
• В вашей системе должен быть установлен pip.
• Вам потребуется API-ключ Anthropic.

Следующие шаги можно выполнить либо из Python REPL, либо через скрипт.

Установка библиотек

Установите библиотеку Claude Agent SDK, выполнив следующие команды:

pip install -q --upgrade pip
pip install -q claude-agent-sdk
pip install -q ipywidgets

Настройка учетных данных

Далее вам нужно будет указать свой ключ API Anthropic:

import os, getpass
os.environ["ANTHROPIC_API_KEY"] = getpass.getpass("Введите API-ключ Anthropic:")

Введите ключ API Anthropic: ········

Далее задайте учетные данные, необходимые для подключения к песочнице ClickHouse SQL:

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

Инициализация MCP-сервера и агента Claude Agent SDK

Теперь настройте ClickHouse MCP-сервер для подключения к ClickHouse SQL playground и инициализируйте агента, задав ему вопрос:

from claude_agent_sdk import query, ClaudeAgentOptions, AssistantMessage, UserMessage, TextBlock, ToolUseBlock

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)

Обратите внимание, что код внутри блока for фильтрует вывод для краткости.

🤖 Я выполню запрос к базе данных ClickHouse, чтобы найти что-то интересное о продажах недвижимости в Великобритании.

Сначала посмотрю, какие базы данных доступны:
🛠️ mcp__mcp-clickhouse__list_databases {}
🤖 Отлично! Есть база данных "uk". Посмотрю, какие таблицы доступны:
🛠️ mcp__mcp-clickhouse__list_tables {'database': 'uk'}
🤖 Превосходно! Таблица `uk_price_paid` содержит более 30 миллионов записей о продажах недвижимости. Найду что-то интересное:
🛠️ 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"}
🤖 Вот что удивительно: **Бейкер-стрит в Лондоне** (да, та самая знаменитая улица Шерлока Холмса!) имеет самый большой разброс цен среди всех улиц с более чем 100 продажами — недвижимость продавалась по цене от **£2 500** до **£594,3 млн**, ошеломляющая разница более £594 млн!

Это объяснимо, учитывая, что Бейкер-стрит является одним из самых престижных адресов Лондона, проходящим через богатые районы, такие как Мэрилебон, и в этом наборе данных зафиксировано 541 продажа.