에이전트형 분석이란 무엇입니까?
할 수 있는 작업
- 자연어로 질문하고 자체 데이터에서 도출된 답변을 받을 수 있습니다.
- 코드 없이 에이전트를 구축할 수 있습니다. 에이전트에 에이전트 지침과 도구를 제공한 뒤 재사용하면 됩니다.
- 에이전트와 대화를 공유할 수 있습니다. 읽기 전용 링크로 공유하면 다른 사용자가 답변의 근거가 된 쿼리를 추적할 수 있습니다.
- 대화 내에서 쿼리 결과를 바탕으로 대화형 차트와 시각화를 생성할 수 있습니다.
- 답변을 평가하고 개선할 수 있습니다. Langfuse에서 사람의 검토 또는 LLM 판정으로 응답을 점수화하고, 프롬프트와 에이전트를 개선하면 됩니다.
에이전트형 데이터 스택이 어떻게 맞물려 작동하는지
구성 요소
| 구성 요소 | 역할 | 자세히 알아보기 |
|---|---|---|
| ClickHouse | 에이전트가 쿼리하는 분석 엔진 | ClickHouse 시작하기 |
| ClickHouse MCP 서버 | 에이전트가 도구로 사용할 수 있도록 ClickHouse를 노출하는 개방형 표준 | MCP 서버 |
| LibreChat | 사용자가 상호작용하는 채팅 및 에이전트 프런트엔드 | LibreChat |
| Langfuse | 모든 프롬프트, 도구 호출, 응답에 대한 관측성 | Langfuse |
시작하기
- 관리형(ClickHouse Cloud): 별도 설정 없이 가장 빠르게 시작할 수 있는 방식입니다. ClickHouse Agents는 데이터를 기반으로 호스팅형 채팅 및 에이전트를 제공합니다. 각 구성 요소도 관리형으로 제공됩니다: 원격 MCP 서버 및 Langfuse Cloud.
- 자체 호스팅(오픈 소스): Docker Compose를 사용해 전체 스택을 직접 실행하고, 자체 모델을 연결하며, 데이터를 자체 환경에 유지할 수 있습니다.
- AI 기반 SQL 생성: ClickHouse Client 및 clickhouse-local에서 자연어를 SQL로 변환
- QBit을 사용한 벡터 검색: 런타임에서 조정할 수 있는 벡터 검색