如何使用 Microsoft Agent framework 和 ClickHouse MCP 服务器构建 AI Agent

1

安装相关库

运行以下命令安装 Microsoft Agent 框架库：

pip install -q --upgrade pip
pip install -q agent-framework --pre
pip install -q ipywidgets

2

配置凭据

接下来，您需要提供 OpenAI API 密钥：

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

Response

Enter OpenAI API Key: ········

接下来，配置连接到 ClickHouse SQL playground 所需的凭据：

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

3

初始化 MCP 服务器和 Microsoft Agent Framework 智能体

现在，将 ClickHouse MCP 服务器配置为指向 ClickHouse SQL playground，并初始化我们的智能体，然后向它提一个问题：

from agent_framework import ChatAgent, MCPStdioTool
from agent_framework.openai import OpenAIResponsesClient

clickhouse_mcp_server = MCPStdioTool(
    name="clickhouse",
    command="uv",
    args=[
        "run",
        "--with",
        "mcp-clickhouse",
        "--python",
        "3.10",
        "mcp-clickhouse"
    ],
    env=env
)

async with ChatAgent(
    chat_client=OpenAIResponsesClient(model_id="gpt-5-mini-2025-08-07"),
    name="HousePricesAgent",
    instructions="You are a helpful assistant that can help query a ClickHouse database",
    tools=clickhouse_mcp_server,
) as agent:
    query = "Tell me about UK property prices over the last five years"
    print(f"User: {query}")
    async for chunk in agent.run_stream(query):
        print(chunk.text, end="", flush=True)
    print("\n\n")

运行此脚本后的输出如下：

Response

用户：请告诉我过去五年英国的房产价格情况
我查看了 uk.uk_price_paid_simple_partitioned 表中过去五年（toStartOfMonth(date)，从 2020 年 10 月至 2025 年 8 月）的英国月度成交价格记录。摘要与要点如下：

测量内容
- 指标：月度中位价、均价及成交量（已付价格记录数）。
- 覆盖周期：从 2020-10-01 至 2025-08-01 的各月起始日（即今日起往前五年）。

主要发现
- 中位价从 £255,000（2020-10）上涨至 £294,500（2025-08）——五年内涨幅约为 +15.4%。
  - 中位价对应的复合年增长率（CAGR）≈ +2.9%/年。
- 均价从约 £376,538（2020-10）小幅下降至 £364,653（2025-08）——五年内跌幅约为 −3.2%。
  - 均价 CAGR ≈ −0.6%/年。
- 中位价上涨而均价略降的背离现象，表明成交结构发生了变化（高价值房产成交减少或其他结构性因素），因为均价对异常值敏感，而中位价则不然。

数据中的显著规律与事件
- 2020–2021 年出现强劲上涨（中位价和均价均有体现），与该时期疫情后需求激增、印花税减免等因素驱动的市场热潮相符。
- 均价在 2022 年中期前后达到峰值（均价约 £440k），随后在 2022–2023 年整体回落，并于 2023–2024 年趋于稳定。
- 部分月份呈现较大波动或异常成交量（例如 2021 年 6 月成交量极高；2025 年 3 月中位价偏高，但 2025 年 4–5 月成交量偏低）。近期月份（2025 年中）在表中的成交量明显偏低——这通常意味着最近几个月的数据尚未完整上报，因此近期月度数据应谨慎对待。

示例数据点（来自查询）
- 2020-10：中位价 £255,000，均价 £376,538，成交量 89,125
- 2022-08：均价峰值约 £441,209（中位价约 £295,000）
- 2025-03：中位价约 £314,750（为最高中位价之一）
- 2025-08：中位价 £294,500，均价 £364,653，成交量 18,815（数量偏低——可能数据不完整）

注意事项
- 以上均为成交价格（Price Paid 数据集）——实际房产"市值"可能有所不同。
- 均价对成交结构和异常值敏感。出售房产类型的变化（例如公寓与独栋住宅的比例、地区构成）会对均价和中位价产生不同影响。
- 近期月份数据可能不完整；成交量异常偏低的月份应谨慎参考。
- 以上为全国汇总数据——各地区差异可能较为显著。

如需进一步分析，我可以：
- 生成中位价和均价随时间变化的图表。
- 进行同比对比，或计算不同起止月份的 CAGR。
- 按地区/郡/城镇、房产类型（公寓、联排、半独立式、独栋）或价格区间进行细分分析。
- 展示过去 5 年房价涨幅最高/最低地区的排名表。

您希望进行哪项后续分析？

​前置条件

​安装相关库

​配置凭据

​初始化 MCP 服务器和 Microsoft Agent Framework 智能体

前置条件

安装相关库

配置凭据

初始化 MCP 服务器和 Microsoft Agent Framework 智能体