云上玩转 Qwen3 系列之三：PAI-LangStudio x Hologres 构建 ChatBI 数据分析 Agent 应用
本文详细介绍了如何使用 LangStudio 和 Qwen3 构建基于 MCP 协议的 Hologres ChatBI 智能 Agent 应用。该应用通过将 Agent、MCP Server 等技术和阿里最新的推理模型 Qwen3 编排在一个应用流中，为大模型提供了 MCP+OLAP 的智能数据分析能力，使用自然语言即可实现 OLAP 数据分析的查询效果，减少了幻觉。开发者可以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
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，具有以下关键特性：
独特支持在思考模式（用于复杂逻辑推理、数学和编码）和 非思考模式（用于高效通用对话）之间无缝切换，确保在各种场景下的最佳性能。
显著增强的推理能力，在数学、代码生成和常识逻辑推理方面超越了之前的 QwQ （在思考模式下）和 Qwen2.5 指令模型（在非思考模式下）。
擅长 Agent 能力，可以在思考和非思考模式下精确集成外部工具，在复杂的基于代理的任务中在开源模型中表现领先。可与 LangStudio 大模型开发平台无缝集成：结合 MCP Server 服务，增强智能数据分析能力。
支持 100 多种语言和方言，具有强大的多语言理解、推理、指令跟随和生成能力。
PAI-LangStudio - 大模型应用开发平台
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。简化了企业级大模型应用的开发流程，同时提供了灵活的可编程能力、实时调试能力与链路追踪的能力，帮助开发者快速构建端到端的 AI 应用。原生兼容支持通义系列 Qwen 系列大模型。LangStudio 专注于提供 LLM 全链路开发部署能力，可支持发布有状态、多 Agent 的复杂工作流发布部署成 PAI-EAS 模型服务，并在生产环境提供 API 应用服务。
LangStudio Agent 智能体支持调用 MCP Server 通过 HTTP with SSE 或 Streamable HTTP 传输方式使用 MCP 协议来发现和调用工具 Tool Use。
参考：https://help.aliyun.com/zh/pai/user-guide/langstudio/
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 + 外接四肢" 的协同模式。
参考：https://modelcontextprotocol.io/introduction
Hologres - 实时数仓
Hologres 是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。
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。
参考：https://github.com/aliyun/alibabacloud-hologres-mcp-server
前提条件
已创建专有网络 VPC、交换机和安全组。具体操作，请参见搭建IPv4专有网络和创建安全组。需将 Hologres MCP Server 实例和 LangStudio Agent 运行时配置于同一 Region 内。
对接阿里云 Function AI MCP 服务- Hologres MCP Serverhttps://cap.console.aliyun.com/template-detail?template=232
登录 PAI 控制台，在左侧导航栏单击工作空间列表(如无 已有工作空间列表)。在工作空间列表页面中单击待操作的工作空间名称，进入对应工作空间内。如您尚未创建工作空间，请创建工作空间。
PAI-LangStudio 应用流方案-企业部署步骤
步骤一：Model Gallery 部署 Qwen3 模型设置
1. 进入 PAI 控制台 > Model Gallery，选择 大语言模型 场景。
2. 根据业务场景选择部署合适的 Qwen3 模型，此实践中选择 Qwen3-8B。
以下是 Qwen3 系列不同模型的建议配置信息
Agent 节点需要使用到模型的工具调用能力，部署时需要参考模型文档确认打开 tool call 配置，以 SGLang 部署 Qwen3-8B 为例，在启动命令中增加相关配置：
以下状态表示部署正在进行中：
3. 单击查看调用信息，记录部署后的服务访问地址（`base_url`）及 API Token（`api_key`）。
步骤二：Hologres MCP Server 搭建应用
根据参考手册创建 Hologres 实例。（可使用现有 Hologres 实例）
https://help.aliyun.com/zh/hologres/getting-started/purchase-a-hologres-instance
创建 Hologres 数据库，参考手册导入公共样例数据集。
https://help.aliyun.com/zh/functioncompute/fc-3-0/mcp-server
选择 Region，选择访问 Hologres 实例的 RAM Role，填写 Hologres 实例的 Endpoint 端口和数据库，点击部署项目
项目部署完成后，即生成一个 MCP SSE (Server-Sent Events) 服务，
可以在访问地址处找到 MCP SSE 模式对应的域名 Endpoint。
在配置处找到 SSE 连接所需的 Bearer Token
为选择的 RAM 赋予数据的查询权限，
请参考 Hologres 权限模型，并连接 HoloWeb检查相应权限。
如果只是查询数据，推荐使用简单权限模型，并对 RAM Role 的账号授予 viewer 权限即可。
步骤三：LangStudio 使用模板构建数据分析 Hologres ChatBI Agent
在 LangStudio > 新建运行时 实例，Agent 智能体的运行调试依赖运行时 Runtime。
通过 PAI 控制台 > 进入 LangStudio > 新建连接 > 连接类型-通用 LLM 模型服务连接 > 服务提供方- PAI-EAS 模型服务，单击<确定>。
通过 PAI 控制台 > 进入LangStudio > 新建应用流 > 新建方式-从模板新建 > 选择模版-智能数据 Agent，单击<确定>。
确保函数计算对应的 MCP Server 与 LangStudio 属于在同一 Region。否则会导致 VPC 网络不通。
在应用流看板上，完成 数据分析 Agent 相关设置。详见 Agent 文档
选择 Agent 策略： FunctionCalling
模型设置：选择步骤 2 中创建的模型连接。
打开对话历史
按照如下模板配置 MCP 服务配置 (SSE 的域名 Endpoint / Bearer Token)
设置输入变量信息，包括系统提示词和 USER prompt，最大循环次数设置为 5 次，可以根据需要调整。
步骤四：通过 LangStudio 运行对话框架进行 Chat 数据分析验证
我们尝试一些问题
步骤五：通过 LangStudio 部署 EAS 模型服务，支持 API 调用模型推理能力
应用流开发调试完成后，单击右上角的部署，根据需要选择合适的机型以及专有网络，注意 EAS 实例需要使用与应用流中其他服务实例相同的 VPC，以保证安全和网络连通。点击确定 > 跳转到 PAI-EAS 模型服务 查看部署任务。
通过以上步骤，您可快速使用 LangStudio 构建基于 Qwen3 和 Hologres MCP Server 实现智能数据分析 ChatBI Agent 应用，满足专业分析场景需求。
相关链接
还未添加个人签名 2020-10-15 加入
分享阿里云计算平台的大数据和AI方向的技术创新和趋势、实战案例、经验总结。
评论