04 ClickHouse Agents
基于你的出租车数据创建一个 ClickHouse Agent，并在 ai.clickhouse.cloud 上以对话方式探索它。
起点
你位于 build-workshop-v1，无需 checkout。预留约 10 分钟。本模块完全在 ClickHouse
Cloud 控制台中进行；本地没有任何东西需要运行。
前置条件：模块 01 和 03 已完成（你的 Cloud 服务中既有导入的历史数据，也有一条实时 CDC 流）。
为什么
你现在有了一份内容丰富的数据集。ClickHouse Agents 让你能用自然语言向它提问，并得到有据可依 的 SQL 和答案，这就是对话式 BI，不用自己写每一条查询。这是探索你刚刚组装好的数据的 最快方式。
目标
在你的出租车表上创建一个 ClickHouse Agent，它能回答至少一个非平凡的分析问题，并展示它 生成的 SQL。
第 1 步：打开 ClickHouse Agents
两个入口，都使用你已有的 ClickHouse Cloud 身份：
- 控制台 - 你的服务 -> ClickHouse agents -> Launch
- 或者直接访问 ai.clickhouse.cloud。
在 Cloud 控制台的左侧边栏中找到 ClickHouse Agents（或直接访问 ai.clickhouse.cloud）。
第 2 步：基于你的出租车数据创建一个 agent
点击 Create New Agent，为它填写 Name、Instructions（例如：回答关于
nyc_tlc_data 中纽约出租车数据的问题），并选择一个 Model。
添加一个名为 ClickHouse 的工具，并确认它显示为 Connected，正是它让 agent 能够 探查你的表结构并对你的服务执行 SQL。如果没有连接上的 ClickHouse 工具，agent 就没有任何 可查询的东西。
然后开始对话。agent 会探查你的表结构，因此它生成的 SQL 是有据可依的。
第 3 步：以对话方式探索
提出难度递增的问题，并阅读它生成的 SQL。例如：
Which pickup zones had the highest average fare from July 18–24, 2022, and how did that
change versus July 11–17, 2022?然后提出你自己关于这项网约车业务的问题，这是留给你自由发挥的一步。
你应该会看到 agent 返回一段文字答案，旁边同时展示生成的 SQL，而且它的数字应当与 Historical 看板上同一时间段显示的结果一致。
第 4 步：通过 ClickHouse MCP 交叉验证
使用模块 00 中配置的连接来独立验证其中一个数字：
Use the clickhouse-cloud MCP to run the generated SELECT as read-only SQL. Compare its
result with the ClickHouse Agent answer and report any difference.这些值应该一致。如果不一致，先比较筛选条件和时间范围，然后再决定是否接受这个自然语言答案。
如何验证你已完成
- 你的 agent 回答了一个关于出租车数据的问题，并展示了生成的 SQL。
- ClickHouse MCP 的交叉验证返回了相同的结果。
小结
你现在可以用对话方式访问你的应用所服务的同一份数据，其背后是你构建的历史数据和实时数据流。 接下来，你会把注意力从数据转向应用自身的健康状况。
最终状态
你可以用自然语言探索你的数据。继续前往 05 ClickStack，开始观测应用本身。