基于Hologres和PAI-LangStudio构建ChatBI数据分析Agent应用_实时数仓 Hologres(Hologres)-阿里云帮助中心

本文为您介绍如何使用PAI-LangStudio和Qwen3构建基于MCP协议的Hologres ChatBI智能应用。该应用通过将Agent、MCP Server等技术与阿里最新的推理模型Qwen3整合在同一应用流中，为大模型提供了MCP+OLAP的智能数据分析能力。用户只需使用自然语言，即可实现OLAP数据分析的查询效果，从而有效减少了大模型幻觉的发生。开发者可基于该模板进行灵活扩展和二次开发，以满足特定场景的需求。

背景信息

PAI-LangStudio：大模型&Agent应用开发平台（PAI-LangStudio）是依托阿里云PAI产品核心能力构建的面向企业级用户的一站式大模型应用开发平台。LangStudio Agent智能体支持通过HTTP with SSE或Streamable HTTP传输方式调用MCP Server，利用MCP协议进行工具的发现与调用。
Qwen3：作为Qwen系列最新一代的大语言模型，提供了一系列密集（Dense）和混合专家 (MOE）模型。基于广泛的训练，Qwen3在推理、指令跟随、代理能力和多语言支持方面取得了突破性的进展。
Hologres实时数仓：阿里云自研一站式实时数仓产品，不仅支持海量数据多维分析（OLAP）、高并发低延迟的在线数据服务（Serving），还与达摩院自研高性能向量计算软件库Proxima深度整合，支持高性能、低延时、简单易用的向量计算能力。
MCP大模型协议：模型上下文协议（Model Context Protocol，MCP）是Anthropic于2024年推出的开源标准，旨在解决大模型与外部工具、数据源的集成难题。其核心作用是通过标准化接口架构，将AI模型的决策逻辑与外部资源解耦，形成智能大脑和外接四肢的协同模式。
Hologres MCP Server：Hologres MCP服务器作为AI代理与Hologres数据库之间的通用接口，支持AI代理与Hologres之间的无缝通信，帮助AI代理获取Hologres数据库元数据并执行SQL操作。

使用PAI-LangStudio和Qwen3构建基于MCP协议的Hologres ChatBI智能应用（支持VPC部署环境和SSE接入模式）主要分为以下步骤：

步骤一：搭建Hologres MCP Server。
步骤二：部署Qwen3模型。
步骤三：搭建ChatBI Agent。
步骤四：验证ChatBI Agent。
步骤五：部署EAS模型服务。

前提条件

已创建专有网络VPC、交换机和安全组。具体操作请参见专有网络和交换机。
已开通PAI。具体操作请参见开通PAI并创建默认工作空间。
已购买Hologres并创建数据库。
已创建存储空间（Bucket）。具体操作请参见OSS快速入门。

说明

Qwen3模型服务、Hologres实例、MCP Server服务和LanStudio Agent运行时所属的网络必须配置在同一VPC网络环境下。
Bucket必须与PAI控制台创建的Qwen3模型服务在同一地域下。

准备工作

Hologres数据来源于TPC-H数据集中的customer表。您可以直接下载customer数据。通过一键上传本地文件，将数据导入customer_holo_table表中，用于后续模型问答测试。

表结构创建SQL如下。

CREATE TABLE customer_holo_table
(
  c_custkey    BIGINT ,
  c_name       TEXT   ,
  c_address    TEXT   ,
  c_nationkey  INT    ,
  c_phone      TEXT   ,
  c_acctbal    DECIMAL(15,2) ,
  c_mktsegment TEXT   ,
  c_comment    TEXT
);

步骤一：搭建Hologres MCP Server

登录Function AI控制台，进入探索页面。
重要
首次使用需要您根据页面完成角色授权。
在筛选应用模板中，选择MCP Server。
在搜索框输入Hologres。
单击实时数仓 Hologres模板，进入模板详情页面。

单击立即部署，进入创建项目页面。配置相关参数，其他参数默认保持不变。

参数	配置说明
地域	选择与Qwen3模型所在地域一致。
服务名称	填写`hologres-mcp-server-studio`。部署后服务名称不可修改。
函数计算访问Hologres服务角色	`AliyunFcDefaultRole`默认不变。
专有网络	选择您已创建的VPC，交换机和安全组。
交换机
安全组
Hologres实例Host	进入Hologres管理控制台，选择左侧导航栏实例列表，单击目标实例，在实例详情页网络信息中获取指定VPC网络地址和端口。 Host：`hgpostcn-cn-****-cn-hangzhou-vpc-st.hologres.aliyuncs.com`。端口：80。
Hologres实例端口
Hologres数据库名称	已创建的数据库名。例如`holostudio`。

单击部署项目，等待部署完成。
进入项目中在访问地址中记录VPC访问地址信息，在配置下的MCP服务配置中记录Bearer Token信息。
为函数计算访问Hologres服务的角色AliyunFcDefaultRole在Hologres数据库中授予查询（Viewer）权限。若您需要对数据库执行更高级别权限操作，可授予Developer及以上权限。步骤如下：
1. 登录Hologres 管理控制台，单击上面创建的实例名称，单击右上方的登录实例，进入 HoloWeb 页面。
2. 单击顶部菜单中的安全中心，然后在左侧边栏，单击用户管理。
  1. 按照下图所示，单击新增用户。
  2. 搜索框中输入AliyunFcDefaultRole，勾选全部角色，然后单击确认。
3. 按照以下步骤完成 DB 授权。
  1. 在左侧边栏，单击DB 授权，在holostudio数据库操作列，单击用户授权。
  2. 在数据库用户授权页面，单击新增授权。
  3. 在弹框中，下拉选择用户role/AliyunFcDefaultRole，用户组选择Viewer，然后单击确认。

步骤二：部署Qwen3模型

登录PAI控制台。
在左侧导航栏单击快速开始 > Model Gallery，进入Model Gallery页面。
单击模型Qwen3-8B，进入Qwen3-8B模型介绍页面。

单击右上角部署，选择已创建的工作空间，在部署页面完成参数配置，其他参数默认保持不变。

参数	配置说明
服务名称	使用默认，例如`quickstart_deploy_20250528_uwax`。
部署资源	使用默认，例如`ecs.gn7i-c8g1.2xlarge`。您也可选择其他资源，较高的配置将会导致更高的计费。
专有网络	选择您已创建的VPC，交换机和安全组。

单击部署，等待部署完成。

步骤三：搭建ChatBI Agent

登录PAI控制台。
在左侧导航栏单击模型应用 > 大模型应用开发（LangStudio）。
选择已创建的工作空间，单击进入LangStudio。

新建运行时

选择运行时，单击新建运行时，进入运行时配置页面。配置相关参数，其他参数保持不变。

参数	配置说明
运行时名称	自定义配置，例如`holo_studio_runtime`。
运行时工作路径	选择已创建存储空间（Bucket）路径。例如`oss://holo_studio_bucket.oss-cn-hangzhou-internal.aliyuncs.com/`。
资源规格	默认不变，例如`ecs.c6.large（2 vCPU, 4 GiB）`。您也可选择其他资源，较高的配置将会导致更高的计费。
专有网络配置	选择您已创建的VPC，交换机和安全组。
安全组
交换机

单击确定，完成配置。

新建连接

选择连接，单击新建连接。进入到新建连接页面，配置相关参数。

参数	配置说明
名称	自定义配置，例如`holo_studio_link`。
连接类型	默认选择通用LLM模型服务连接。
服务提供方	默认选择PAI-EAS模型服务。
EAS服务	选择步骤一所创建的Qwen3模型服务。例如`quickstart_deploy_20250528_uwax`。
模型名称	自动映射Qwen3-8B。
Tool Call	选择支持。
base_url	Qwen3模型服务VPC访问地址。
api_key	Qwen3模型服务Token。

单击确定，完成配置。

新建应用流

选择应用流，单击新建应用流。进入到新建应用流页面，配置相关参数。

参数	配置说明
新建方式	选择从模板新建。
选择模板	选择智能数据Agent。
名称	自定义名称，例如`holo_studio_stream`。
选择运行时	选择已创建的运行时，例如`holo_studio_runtime`。
工作路径	选择已创建存储空间（Bucket）路径。例如`oss://holo_studio_bucket.oss-cn-hangzhou-internal.aliyuncs.com/`。说明该路径必须与运行时的路径保持一致。

单击确定，完成配置。

Agent配置

选择应用流，单击创建的目标应用流ID，进入应用流详情页。

单击数据分析Agent节点。在数据分析Agent配置页面，进行参数相关配置，其他参数保持不变。

参数	配置说明
Agent策略	选择`FunctionCalling`。
模型设置	选择已新建的连接holo_studio_link > Qwen3-8B。
MCP服务配置	url：已创建MCP服务的VPC访问地址。 Authorization：已创建MCP服务的Bearer Token。格式`"Bearer <Bearer Token>"`。示例如下： `{ "mcpServers": { "hologres-mcp-server": { "type": "sse", "url": "https://aliyun-ng-**.cn-hangzhou-vpc.fcapp.run/sse", "headers": { "Authorization": "Bearer FB9A----F5A8**" }, "timeout":30 } } }`

配置完成后，直接关闭即可。

步骤四：验证ChatBI Agent

在应用流详情页，单击右上角运行，弹出对话框。在对话框中输入问题进行提问。

问题一：MCP提供了哪些工具呢？
问题二：查询public.customer_holo_table有多少条数据？

步骤五：部署EAS模型服务

在应用流详情页，单击右上角部署。进入部署配置页面，进行相关参数配置，其他参数保持默认不变。

参数	配置说明
服务创建方式	选择新建服务。
服务名称	默认`langstudio_20250528162801_lkpa`。
资源类型	选择公共资源。
部署资源	选择`ecs.c7.large(2 vCPU, 4GiB)`。您也可选择其他资源，较高的配置将会导致更高的计费。
专有网络（VPC）	选择您已创建的VPC，交换机和安全组。
交换机
安全组名称
选择路径	选择已创建存储空间（Bucket）路径。例如`oss://holo_studio_bucket.oss-cn-hangzhou-internal.aliyuncs.com/`。说明该路径必须与运行时的路径保持一致。

单击确定，进行服务部署。

通过以上步骤，您可快速使用LangStudio构建基于Qwen3和Hologres MCP Server的智能数据分析ChatBI Agent应用，满足专业分析场景需求。

后续步骤

使用LangStudio完成应用部署后，可以调用服务，实现您的业务场景需求。

说明

若您只是用于测试或学习，使用完成后，需要删除对应产品的实例，避免继续产生费用。