AI × Lakehouse：实现自然语言驱动的数据分析

💡 输入业务语言 → AI 理解并生成查询 → Lakehouse 高效执行 → AI 用自然语言返回答案

这背后的价值体现在三个维度：

1. 认知门槛降低

更多人可以直接与数据对话，而不是依赖数据工程师。业务分析师、产品经理，甚至业务决策者都能直接获取数据洞察，真正实现了数据的民主化。

2. 迭代速度加快

实验和分析不再被阻塞在“写查询 → 等人”的环节。想法可以立即验证，假设可以快速测试，大大缩短了从问题到答案的路径。

3. 实时智能服务

Lakehouse的秒级延迟能力，让AI可以返回「鲜活」的数据。无论是实时监控、动态报表还是即时决策支持，都能基于最新的数据状态进行。

💡 云器Lakehouse 正式开放 MCP 协议集成公测。这意味着任何支持 MCP 的 AI 客户端都可以直接与云器 Lakehouse 进行交互，用户仅需使用自然语言，就可以享受企业级数据湖仓的强大能力。

系统要求

• 操作系统：MacOS、Windows、Linux

• Docker：20.10+ 版本

• 内存：最低 2GB，推荐 8GB

• CPU：最低 2 核，推荐 4 核

• 存储：最低 10GB 可用空间

Docker 环境准备：访问<https://www.docker.com/products/docker-desktop/> 下载 Docker Desktop for Mac。

• Windows PowerShell:

创建docker-compose.yml文件，拷贝内容到文件中（文件内容详见附录）

在包含该文件的目录下打开终端或命令行，并执行以下命令。

预期输出：

校验状态，使用docker compose ps --format "table {{.Name}}\t{{.Service}}\t{{.Status}}" 命令，预期输出如下(忽略 WARNING 信息)：

如果需要关闭，请在包含docker-compose.yml文件的目录下执行：docker compose down

本示例选择的MCP 客户端工具是Claude Desktop，主机与MCP Server 端位于同一台主机

找到并打开 Claude Desktop 配置文件：

• 打开 Finder

• 按 Cmd+Shift+G

• 粘贴路径：~/Library/Application Support/Claude

• 双击打开 claude_desktop_config.json（用文本编辑器）

Windows 操作步骤：

• 按 Win+R 打开运行对话框

• 输入 %APPDATA%\Claude 并回车

• 右键点击 claude_desktop_config.json

• 选择"编辑"或"用记事本打开"

将以下内容复制到配置文件（替换原有内容或添加到mcpServers 中）：

请输入 MCP Server 的地址：如果服务器与客户端运行在同一台机器上，请填写 localhost；否则，请填写服务器的 IP 地址。

配置完成！

另外：Claude Desktop 支持通过多种方式连接后端的 MCP Server，以适应不同的部署环境和性能需求。上面的示例介绍了 **HTTP (Streamable**) 协议连接方式，如果想利用 SSE 或者 STDIO 协议连接，配置也很简单：

SSE 连接方式（远程服务）

SSE (Server-Sent Events) 是一种基于 HTTP 的长连接技术，允许服务器向客户端单向推送消息。相比于传统的轮询方式，SSE 能够以更低的延迟实现实时通信。

• 适用场景：需要从服务器实时接收数据流或更新通知的场景。

• Docker Server 配置参考：此方式对应启动容器中的 clickzetta-sse 的服务，该服务在8003端口上提供服务。

• 配置示例：在Claude Desktop的claude_desktop_config.json配置文件中更新如下信息，连接到远程SSE端点。

说明：

• 请将 <YOUR_SERVER_IP> 替换为 MCP Server 实际的 IP 地址或域名。

• 目标端口为8003，端点路径为 /sse。

• --transport sse 参数指明了使用SSE通信协议。

STDIO 连接方式（本地进程）

此方式主要用于本地开发和调试。Claude Desktop 会将 MCP Server 作为一个子进程直接在本地启动，并通过标准输入/输出（STDIO）进行通信。这种方式延迟最低，但不适用于远程连接。

• 适用场景：本地开发、单机部署。

• Docker Server 配置参考：此方式对应启动容器中的 clickzetta-stdio 的服务，该容器镜像会随着 Claude Desktop 的开启和关闭，自动操作容器镜像拉起和停止。

• 配置示例：在Claude Desktop的 claude_desktop_config.json 配置文件中更新如下信息，直接指定启动本地 Server 的命令。

注意：

1. 配置文件中-v 后的路径中USERNAME请根据系统的实际路径进行修改。

2. 请使用docker compose down关闭创建的相关容器，因为此种方式下，Claude Desktop会随着自身的开启和关闭，自动操作容器镜像拉起和停止。

说明：

• command和args 直接定义了如何在本地启动 MCP Server。

• 无需指定IP地址和端口。

• --transport stdio参数指明了使用STDIO通信协议。

2. 验证WebUI界面

在您的浏览器中访问以下地址：http://localhost:8503, 预期可以展示以下页面：

如果以上两个步骤都顺利完成，恭喜您，您的应用已成功安装！

接下来，让我们配置一个Lakehouse连接，以便Claude可以访问您的数据。

1、打开连接管理器

访问WebUI界面http://localhost:8503，然后在左侧菜单中选择「连接管理」。

2、添加并填写连接信息

点击「添加新连接」按钮，并根据提示准确填写您的Lakehouse连接信息（如主机、端口、凭证等）

测试并保存

1. 填写完毕后，点击「**测试连接**」按钮，确保所有配置信息无误且网络通畅。

2. 测试通过后，点击「**保存**」完成配置。

现在一切准备就绪！您可以开始与您的数据进行交互了。尝试在Claude Desktop中提问：

"帮我看下有哪些 Lakehouse 实例"

这个步骤会将云器Lakehouse产品知识库表集成进来，构建一个智能问答知识库。配置完成后，您将能够在MCP Client（如Claude Desktop）中，通过自然语言提问的方式，快速获得关于Lakehouse操作的官方指导和答案

该功能的核心是利用**嵌入服务 (Embedding**) 和**向量搜索 (Vector Search**) 技术，将非结构化的文档转化为可供机器理解和检索的知识库。

此步骤的目的是告诉MCP系统如何将用户的“问题”也转换成向量，以便在知识库中进行匹配。

1、在MCP Server管理界面，从左侧导航栏进入「**系统配置**」。

2、在主配置区，选择 「**嵌入服务**」 标签页。

3、找到并填写 **DashScope 配置**（默认）部分：

• API Key：粘贴您的阿里云百炼平台的 API 密钥。这是调用模型的身份凭证，请妥善保管。
  

• 向量维度 (Vector Dimension)：输入您选择的嵌入模型所输出的向量维度。**此值必须与知识库文档向量化时使用的维度完全一致**。例如，截图中 text-embedding-v4 模型的维度是 1024。
  

• 嵌入模型 (Embedding Model)：选择或填写用于将文本转换为向量的模型名称，例如 text-embedding-v4。
  

• 最大文本长度 (Max Text Length)：设置模型一次可以处理的文本单元（Token）的最大数量。如果问题过长，超出部分将被忽略。

此步骤的目的是告诉MCP系统去哪里、以及如何搜索已经存储好的文档知识库。

1. 在系统配置页面，切换到 「**向量搜索**」 标签页。

2. 填写向量表配置部分：

• 向量表名称 (Vector Table Name)：准确填写存储了文档向量的完整表名。格式通常为数据库名.模式名.表名，例如clickzetta_sample_data.clickzetta_doc.kb_dashscope_clickzetta_elements。

• 嵌入列 (Embedding Column)：填写该表中用于存储**文本向量**的列名，例如 embeddings。

• 内容列 (Content Column)：填写该表中用于存储**原始文本内容**的列名，例如 text。当系统找到相关答案时，这里的内容会作为主要参考。

• 其他列 (Other Columns)：可选。填写您希望一并检索出的元数据列，如 file_directory, filename，这有助于用户追溯信息的原始出处。

• 距离阈值 (Distance Threshold)：设置一个相似度匹配的严格程度。系统会计算问题向量与文档向量之间的“距离”，只有距离小于此值的文档才会被视为相关。**值越小，代表匹配要求越严格**。通常建议从0.80 开始尝试。

• 返回结果数 (Number of Results to Return)：定义单次查询从数据库中检索出的最相关文档的数量。例如，设置为5表示每次找出5个最相关的文档片段。

• 启用重排序 (Enable Reranking)：勾选此项后，系统会对初步检索出的结果进行二次智能排序，以提高最准确答案出现在最前面的概率。

1. 创建docker-compose.yml文件内容，详见：

https://www.yunqi.tech/documents/LakehouseMCPServer_intro 

2. Lakehouse MCP工具列表：