Как создать агента PydanticAI с использованием сервера ClickHouse MCP

В этом руководстве вы узнаете, как создать агента PydanticAI, который может взаимодействовать с SQL‑песочницей ClickHouse, используя сервер ClickHouse MCP.

Пример ноутбука

Этот пример доступен в виде ноутбука в репозитории примеров.

Предварительные требования

• В вашей системе должен быть установлен Python.
• В вашей системе должен быть установлен pip.
• Вам потребуется API-ключ Anthropic или API-ключ от другого провайдера LLM.

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

Установка библиотек

Установите необходимые библиотеки, выполнив следующие команды:

pip install -q --upgrade pip
pip install -q "pydantic-ai-slim[mcp]"
pip install -q "pydantic-ai-slim[anthropic]" # замените на соответствующий пакет при использовании другого провайдера LLM

Настройка учетных данных

Далее необходимо указать ключ API Anthropic:

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

Введите ключ API Anthropic: ········

Использование другого провайдера LLM

Если у вас нет ключа API Anthropic и вы хотите использовать другого провайдера LLM, вы можете найти инструкции по настройке учетных данных в документации PydanticAI

Затем определите учетные данные, необходимые для подключения к демо-среде ClickHouse SQL playground:

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

Инициализация MCP Server и агента PydanticAI

Теперь настройте ClickHouse MCP Server так, чтобы он использовал песочницу ClickHouse SQL:

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])

Задайте вопрос агенту

Наконец, вы можете задать вопрос агенту:

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

Вы получите ответ, аналогичный приведенному ниже:

На основе данных из репозитория ClickHouse на GitHub, вот топ-контрибьюторов по количеству созданных pull request'ов:

**Топ-контрибьюторы ClickHouse по открытым PR:**

1. **alexey-milovidov** - 3,370 открытых PR
2. **azat** - 1,905 открытых PR
3. **rschu1ze** - 979 открытых PR
4. **alesapin** - 947 открытых PR
5. **tavplubix** - 896 открытых PR
6. **kssenii** - 871 открытых PR
7. **Avogar** - 805 открытых PR
8. **KochetovNicolai** - 700 открытых PR
9. **Algunenano** - 658 открытых PR
10. **kitaisreal** - 630 открытых PR

**Алексей Миловидов** выделяется как безусловно самый активный контрибьютор с более чем 3,370 открытыми pull request'ами, что значительно больше, чем у любого другого контрибьютора. Это логично, поскольку Алексей Миловидов является одним из основателей и ведущих разработчиков ClickHouse.

Данные также показывают, что alexey-milovidov был очень активен в управлении PR, с 12,818 событиями "закрытия" (вероятно, проверка и закрытие PR от других контрибьюторов) в дополнение к созданию собственных PR.

Стоит отметить, что я отфильтровал различные аккаунты роботов/ботов, которые обрабатывают автоматизированные процессы, сосредоточившись на человеческих контрибьюторах, чтобы дать вам наиболее значимый ответ о том, кто внес наибольший вклад в PR для ClickHouse.