基于Hologres和PAI-LangStudio构建ChatBI数据分析Agent应用

本文为您介绍如何使用PAI-LangStudioQwen3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 SSEStreamable 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Anthropic2024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-LangStudioQwen3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:

  1. 步骤一:搭建Hologres MCP Server

  2. 步骤二:部署Qwen3模型

  3. 步骤三:搭建ChatBI Agent

  4. 步骤四:验证ChatBI Agent

  5. 步骤五:部署EAS模型服务

前提条件

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

  1. 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。

  2. 筛选应用模板中,选择MCP Server

  3. 在搜索框输入Hologres

  4. 单击实时数仓 Hologres模板,进入模板详情页面。

  5. 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

  6. 单击部署项目,等待部署完成。

  7. 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。

  8. 为函数计算访问Hologres服务的角色AliyunFcDefaultRoleHologres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

        hhh

      2. 搜索框中输入AliyunFcDefaultRole,勾选全部角色,然后单击确认

        ioiotytrty

    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

        ddddd

      2. 在数据库用户授权页面,单击新增授权

        lklklklklkl

      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

        nhnhnhnhnhh

步骤二:部署Qwen3模型

  1. 登录PAI控制台

  2. 在左侧导航栏单击快速开始 > Model Gallery,进入Model Gallery页面。

  3. 单击模型Qwen3-8B,进入Qwen3-8B模型介绍页面。

  4. 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。

  5. 单击部署,等待部署完成。

步骤三:搭建ChatBI Agent

  1. 登录PAI控制台

  2. 在左侧导航栏单击模型应用 > 大模型应用开发(LangStudio)

  3. 选择已创建的工作空间,单击进入LangStudio

新建运行时

  1. 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

  2. 单击确定,完成配置。

新建连接

  1. 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。

  2. 单击确定,完成配置。

新建应用流

  1. 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。

  2. 单击确定,完成配置。

Agent配置

  1. 选择应用流,单击创建的目标应用流ID,进入应用流详情页。

  2. 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
            }
        }
    }
  3. 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?

    1234

  • 问题二:查询public.customer_holo_table有多少条数据?

    image

步骤五:部署EAS模型服务

  1. 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。

  2. 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Qwen3Hologres 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。

相关文档