> ## Documentation Index
> Fetch the complete documentation index at: https://private-7c7dfe99-mintlify-8c05c8a2.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.
# Agentic Data Stack
> Analítica agéntica en ClickHouse: totalmente gestionada en ClickHouse Cloud o autogestionada como un stack de código abierto de ClickHouse, el servidor MCP, LibreChat y Langfuse.
export const Image = ({img, alt, size}) => {
return
;
};
La forma más sencilla de usar analítica agéntica en ClickHouse es [ClickHouse Agents](/es/products/cloud/features/ai-ml/agents) en ClickHouse Cloud: completamente gestionado, sin infraestructura que administrar. Los usuarios hacen preguntas en lenguaje natural, y un agente de IA responde consultando la base de datos directamente.
Si prefieres autoalojarlo, **Agentic Data Stack** es un stack open-source y componible. Lo ejecutas tú mismo, conectas tus propios modelos y mantienes tu chat y tus datos en tu propio entorno. Está compuesto por [ClickHouse](/es/core/get-started/setup/install), el [servidor MCP de ClickHouse](/es/products/agentic-data-stack/components/mcp-server), [LibreChat](/es/products/agentic-data-stack/components/librechat) y [Langfuse](/es/products/agentic-data-stack/components/langfuse).
## ¿Qué es la analítica agéntica?
En la analítica agéntica, el modelo fundamenta sus respuestas ejecutando consultas sobre tus datos. Ante una pregunta, el agente examina las bases de datos y tablas disponibles, decide qué consultas ejecutar, las lanza en ClickHouse y construye una respuesta a partir de los resultados. Puede refinar una consulta, ejecutar una consulta de seguimiento o encadenar varios pasos. Cuando una consulta falla o devuelve algo inesperado, se reajusta y vuelve a intentarlo en lugar de detenerse.
## Qué puedes hacer
* **Haz preguntas en lenguaje natural** y obtén respuestas a partir de tus propios datos.
* **Crea agentes sin necesidad de código** dándole instrucciones y herramientas a un agente, y luego reutilizándolo.
* **Comparte agentes y conversaciones** como enlaces de solo lectura, para que otros puedan seguir las consultas detrás de una respuesta.
* **Genera gráficos y visualizaciones interactivas** a partir de los resultados de las consultas dentro de una conversación.
* **Evalúa y mejora las respuestas** puntuándolas en Langfuse con revisión humana o con un LLM como juez, y perfeccionando tus prompts y agentes.
## Cómo encajan los componentes del stack
Un usuario hace una pregunta en LibreChat. El modelo prepara una respuesta y, a través del servidor MCP, invoca herramientas para explorar y consultar ClickHouse. Los resultados vuelven, y el agente elabora una respuesta. Langfuse, basado en OpenTelemetry, registra cada ejecución desde el prompt hasta la llamada a la herramienta y la respuesta, permite evaluar los resultados automáticamente o mediante revisión humana, y hace un seguimiento de la calidad, el costo y la latencia.
El servidor MCP de ClickHouse se basa en [Model Context Protocol](https://modelcontextprotocol.io/), un estándar abierto, por lo que funciona con cualquier client compatible con MCP o framework de agentes, no solo con LibreChat. Consulta las [guías de MCP](/es/core/guides/use-cases/ai-ml/MCP) para clients y bibliotecas de agentes.
## Componentes
| Componente | Función | Más información |
| -------------------------- | ----------------------------------------------------------------------- | --------------------------------------------------------------------- |
| ClickHouse | El motor analítico que consulta el agente | [Primeros pasos con ClickHouse](/es/core/get-started/setup/install) |
| servidor MCP de ClickHouse | El estándar abierto que expone ClickHouse al agente como herramientas | [Servidor MCP](/es/products/agentic-data-stack/components/mcp-server) |
| LibreChat | La interfaz de chat y agente con la que interactúan los usuarios | [LibreChat](/es/products/agentic-data-stack/components/librechat) |
| Langfuse | Observabilidad para cada prompt, invocación de herramientas y respuesta | [Langfuse](/es/products/agentic-data-stack/components/langfuse) |
## Primeros pasos
Hay dos formas de ejecutar analítica agéntica en ClickHouse:
* **Gestionado (ClickHouse Cloud):** la vía más rápida, sin necesidad de configuración. [ClickHouse Agents](/es/products/cloud/features/ai-ml/agents) ofrece chat y agentes alojados con sus datos. Los componentes individuales también están disponibles como servicios gestionados: el [Remote MCP server](/es/products/cloud/features/ai-ml/remote-mcp) y [Langfuse Cloud](https://cloud.langfuse.com).
* **Autogestionado (de código abierto):** ejecute todo el stack usted mismo con [Docker Compose](/es/products/agentic-data-stack/docker-setup), conecte sus propios modelos y mantenga sus datos en su propio entorno.
Para probar el stack con conjuntos de datos públicos sin instalar nada, use [AgentHouse](https://llm.clickhouse.com), la demo alojada.
## Relacionado
Otras capacidades de IA de código abierto en ClickHouse:
* [Generación de SQL impulsada por IA](/es/core/guides/use-cases/ai-ml/ai-powered-sql-generation): de lenguaje natural a SQL en ClickHouse Client y clickhouse-local
* [Vector search con QBit](/es/core/guides/use-cases/ai-ml/vector-search): vector search ajustable en tiempo de ejecución