DSPy と ClickHouse MCP Server を使って AI エージェントを構築する方法
このガイドでは、DSPy を使って、 ClickHouse の MCP Server を介して ClickHouse の SQL playground と対話できる AI エージェントを構築する方法を説明します。
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、または別の LLM プロバイダーの API キーが必要です。
以下の手順は、Python REPL からでも、スクリプトとしてでも実行できます。
サンプルノートブック
この例は、examples リポジトリ内のノートブックとして参照できます。
ライブラリのインストール
pipを使用して以下のコマンドを実行し、必要なライブラリをインストールします：
pip install -q --upgrade pip
pip install -q dspy
pip install -q mcp
認証情報の設定
次に、Anthropic APIキーを指定する必要があります:
import os
os.environ["ANTHROPIC_API_KEY"] = getpass.getpass("Anthropic APIキーを入力:")
別のLLMプロバイダーを使用する場合
Anthropic APIキーをお持ちでない場合や、別のLLMプロバイダーを使用したい場合は、 DSPyドキュメントで認証情報の設定手順をご確認ください。
次に、ClickHouse SQLプレイグラウンドに接続するための認証情報を定義します：
env = {
"CLICKHOUSE_HOST": "sql-clickhouse.clickhouse.com",
"CLICKHOUSE_PORT": "8443",
"CLICKHOUSE_USER": "demo",
"CLICKHOUSE_PASSWORD": "",
"CLICKHOUSE_SECURE": "true"
}
MCPサーバーの初期化
次に、ClickHouse MCP ServerをClickHouse SQLプレイグラウンドに接続するように設定します。
from mcp import ClientSession, StdioServerParameters
from mcp.client.stdio import stdio_client
import dspy
server_params = StdioServerParameters(
command="uv",
args=[
'run',
'--with', 'mcp-clickhouse',
'--python', '3.13',
'mcp-clickhouse'
],
env=env
)
エージェントを実行する
最後に、エージェントを初期化して実行します。
class DataAnalyst(dspy.Signature):
"""あなたはデータアナリストです。質問を受け取り、利用可能なツールを使用して回答してください。"""
user_request: str = dspy.InputField()
process_result: str = dspy.OutputField(
desc=(
"クエリへの回答"
)
)
from utils import print_dspy_result
async with stdio_client(server_params) as (read, write):
async with ClientSession(read, write) as session:
await session.initialize()
tools = await session.list_tools()
dspy_tools = []
for tool in tools.tools:
dspy_tools.append(dspy.Tool.from_mcp_tool(session, tool))
react = dspy.ReAct(DataAnalyst, tools=dspy_tools)
result = await react.acall(user_request="最も人気のあるAmazon製品カテゴリは何ですか")
print_dspy_result(result)
================================================================================
🤖 DSPy ReAct 結果
================================================================================
📍 ステップ 1
----------------------------------------
🧠 思考: Amazonの製品カテゴリに関する情報を見つけ、最も人気のあるカテゴリを特定する必要があります。まず、Amazon関連のデータがあるかどうかを確認するために、利用可能なデータベースを調査します。
🔧 ツール: list_databases
📊 結果:
amazon
bluesky
country
covid
default
dns
environmental
food
forex
geo
git
github
hackernews
imdb
logs
metrica
mgbench
mta
noaa
nyc_taxi
nypd
ontime
opensky
otel
otel_v2
pypi
random
reddit
rubygems
sta...
📍 ステップ 2
----------------------------------------
🧠 思考: 素晴らしい!「amazon」データベースが利用可能であることが確認できました。これはAmazonの製品カテゴリに関する情報を見つけるために必要なものです。amazonデータベース内のテーブルを調査して、どのようなデータが利用可能かを確認します。
🔧 ツール: list_tables
引数: {'database': 'amazon'}
📊 結果:
{
"database": "amazon",
"name": "amazon_reviews",
"comment": "",
"columns": [
{
"name": "review_date",
"type": "Date",
"default_type": "",
"default_expression": "",...
📍 ステップ 3
----------------------------------------
🧠 思考: 完璧です!product_category列を含むamazon_reviewsテーブルを見つけました。このテーブルには1億5000万行を超えるAmazonレビューデータがあり、製品の人気度を適切に表現できるはずです。最も人気のあるAmazon製品カテゴリを見つけるには、カテゴリごとのレビュー数をカウントし、カウント数の降順で並べ替える必要があります。最も多くのレビューを持つカテゴリが最も人気があると見なされます。
🔧 ツール: run_select_query
引数: {'query': 'SELECT product_category, COUNT(*) as review_count FROM amazon.amazon_reviews GROUP BY product_category ORDER BY review_count DESC LIMIT 10'}
📊 結果:
1. Books: 19,530,930件のレビュー
2. Digital_Ebook_Purchase: 17,622,107件のレビュー
3. Wireless: 9,001,567件のレビュー
4. PC: 6,908,245件のレビュー
5. Home: 6,221,321件のレビュー
... その他5件
📍 ステップ 4
----------------------------------------
🧠 思考: 完璧です!ユーザーの質問に対する答えが見つかりました。Amazonレビューデータに基づくと、「Books」が19,530,930件のレビューで最も人気のあるAmazon製品カテゴリであることが明確にわかります。次いで「Digital_Ebook_Purchase」が17,622,107件のレビューとなっています。データは、各カテゴリが受け取ったレビュー数に基づいて、製品カテゴリの人気度の明確なランキングを示しています。ユーザーの質問に答えるために必要なすべての情報が揃いました。
🔧 ツール: finish
📊 結果:
完了しました。
🎯 推論
----------------------------------------
最も人気のあるAmazon製品カテゴリに関する質問に答えるため、Amazonデータベースにアクセスし、1億5000万件を超えるレビューレコードを含む「amazon_reviews」というテーブルを見つけました。このテーブルには「product_category」列があり、レビュー数に基づいて製品の人気度を分析できます。製品カテゴリごとのレビュー数をカウントし、カウント数の降順で並べ替えるクエリを実行しました。ここでの前提は、より多くのレビューを持つカテゴリがより高い人気を示すということです。これは、より多くのレビューが通常、より多くの購入と顧客エンゲージメントに相関するためです。
✅ 最終結果
----------------------------------------
1億5000万件を超えるレコードを含むAmazonレビューデータに基づくと、最も人気のあるAmazon製品カテゴリは**Books**で、19,530,930件のレビューがあります。
レビュー数による上位10のAmazon製品カテゴリは以下の通りです:
1. **Books** - 19,530,930件のレビュー
2. **Digital_Ebook_Purchase** - 17,622,107件のレビュー
3. **Wireless** - 9,001,567件のレビュー
4. **PC** - 6,908,245件のレビュー
5. **Home** - 6,221,321件のレビュー
6. **Apparel** - 5,906,085件のレビュー
7. **Health & Personal Care** - 5,331,239件のレビュー
8. **Beauty** - 5,115,462件のレビュー
9. **Video DVD** - 5,069,014件のレビュー
10. **Mobile_Apps** - 5,033,164件のレビュー
興味深いことに、BooksとDigital Ebook Purchase(関連するカテゴリ)を合わせると3700万件を超えるレビューがあり、Amazonプラットフォームにおける読書資料の高い人気を示しています。
================================================================================
