Agentic Data Stack

ClickHouse 上的智能体分析：可在 ClickHouse Cloud 中完全托管运行，或以 ClickHouse、MCP Server、LibreChat 和 Langfuse 组成的开源技术栈进行自托管。

在 ClickHouse 上运行智能体分析，最简单的方式是使用 ClickHouse Cloud 中的 ClickHouse agent：完全托管，无需自行运维基础设施。用户只需用自然语言提问，AI agent 就会通过直接查询数据库给出答案。

如果要自托管，Agentic Data Stack 是一个可组合的开源技术栈。你可以自行运行它，接入自己的模型，并将聊天记录和数据保留在自己的环境中。它由 ClickHouse、ClickHouse MCP 服务器、LibreChat 和 Langfuse 组成。

​

什么是智能体分析？

在智能体分析中，模型会通过针对您的数据运行查询来为其答案提供依据。收到一个问题后，agent 会检查可用的数据库和表，判断需要运行哪些查询，在 ClickHouse 中执行这些查询，并根据结果组织出答案。它可以优化查询、执行后续查询，或将多个步骤串联起来。当查询失败或返回异常结果时，它会进行调整并再次尝试，而不是直接停止。

​

你可以做什么

• 用自然语言提问，并获得基于你自身数据的答案。
• 通过为智能体配置指令和工具并重复使用它，无需编写代码即可构建智能体。
• 将智能体和对话共享为只读链接，以便其他人追踪答案背后的查询。
• 在对话中根据查询结果生成交互式图表和可视化。
• 通过在 Langfuse 中借助人工审核或 LLM 评审为响应打分，并优化你的提示词和智能体，来评估并改进答案。

​

技术栈如何协同工作

用户在 LibreChat 中提出问题。模型会规划如何回答，并通过 MCP 服务器调用工具来浏览和查询 ClickHouse。结果返回后，智能体会组织生成最终答案。Langfuse 基于 OpenTelemetry 构建，可记录每次运行从提示词到工具调用再到响应的全过程，支持自动或人工审核对输出进行评分，并跟踪质量、成本和延迟。

ClickHouse MCP 服务器基于开放标准 Model Context Protocol 构建，因此它可与任何兼容 MCP 的客户端或智能体框架配合使用，而不仅限于 LibreChat。有关客户端和智能体库，请参阅 MCP 指南。

​

组件

组件	作用	了解更多
ClickHouse	agent 查询使用的分析引擎	开始使用 ClickHouse
ClickHouse MCP 服务器	将 ClickHouse 以工具形式提供给 agent 的开放标准	MCP 服务器
LibreChat	用户与之交互的聊天和智能体前端	LibreChat
Langfuse	为每个 提示词、工具调用和响应提供可观测性	Langfuse

​

开始使用

有两种方式可在 ClickHouse 上运行智能体分析：

• 托管 (ClickHouse Cloud) ： 最快捷的方式，无需任何设置。ClickHouse 智能体 可在您的数据之上提供托管的聊天和智能体功能。各个独立组件也提供托管版本：Remote MCP server 和 Langfuse Cloud。
• 自托管 (开源) ： 使用 Docker Compose 自行运行完整技术栈，连接您自己的模型，并将数据保留在您自己的环境中。

如果您想在无需安装任何内容的情况下，基于公开数据集试用这套技术栈，可使用托管演示版 AgentHouse。

​

相关

ClickHouse 上的其他开源 AI 功能：

• AI 驱动的 SQL 生成：在 ClickHouse Client 和 clickhouse-local 中将自然语言转换为 SQL
• 结合 QBit 的向量搜索：支持运行时调优的向量搜索