Hologres+函数计算+Qwen3，对接MCP构建企业级数据分析 Agent

2025-04-29 185

版权

本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。

本文涉及的产品

实时数仓Hologres，5000CU*H 100GB 3个月

简介： 本文介绍了通过阿里云Hologres、函数计算FC和通义千问Qwen3构建企业级数据分析Agent的解决方案。大模型在数据分析中潜力巨大，但面临实时数据接入与跨系统整合等挑战。MCP（模型上下文协议）提供标准化接口，实现AI模型与外部资源解耦。方案利用SSE模式连接，具备高实时性、良好解耦性和轻量级特性。Hologres作为高性能实时数仓，支持多源数据毫秒级接入与分析；函数计算FC以Serverless模式部署，弹性扩缩降低成本；Qwen3则具备强大的推理与多语言能力。用户可通过ModelScope的MCP Playground快速体验，结合TPC-H样例数据完成复杂查询任务。

大模型（LLM）在数据分析领域潜力巨大，但在实际落地中，企业面临实时数据接入、动态调用工具链、上下文记忆短和跨系统数据整合等挑战。MCP（模型上下文协议）提供了很好的解决思路。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，旨在解决大模型与外部工具、数据源的集成难题。LLM通过MCP接入各种数据分析工具或者数据仓库能力时，即可构建跨数据源、多步骤分解的数据分析 Agent。阿里云实时数仓 Hologres，联合函数计算FC 推出「Hologres+函数计算 FunctionAI +Qwen3 构建企业级数据分析 Agent」方案，帮助用户快速对接MCP，高效跨越企业级数据分析 Agent 构建困境。

构建企业级数据分析 Agent 的困境

面对企业场景，Agent 会使用服务化的部署模式。此时往往会面临如下问题。

1. 部署模式困难：现在的 Stdio 的模式需要和 Agent 部署在一起，但是这样部署 MCP Server 和 Agent 的负载无法隔离，在高并发的时候会互相影响。

2. 弹性困境：MCP 工具调用流量呈现显著的非稳态特征以及"脉冲式"波动，比如智能客服系统的峰谷效应非常明显，传统虚拟机部署造成大量资源浪费；

Hologres+函数计算 FunctionAI +Qwen3 构建企业级数据分析 Agent

对比 Stdio 的模式，企业级服务更加适合的模式是 Server-Sent Events（SSE）模式，SSE 模式是 MCP 服务器与客户端交互的一种方式，它利用 SSE 协议实现服务器向客户端的单向实时数据推送。客户端通过连接到服务器的特定 URL（如 http://localhost:8080/sse）来监听事件，服务器则以 SSE 格式发送更新，如工具定义、工具调用结果等。主要优势：

实时性高：服务器能即时将更新推送给客户端，无需客户端频繁请求，确保客户端及时获取最新信息，在数据变化频繁的场景中能提供及时的反馈。
解耦性好：服务器和客户端可以独立运行，客户端可随时连接到服务器，多个客户端能灵活地连接、使用和断开与服务器的连接，不受彼此干扰，提升了系统的灵活性和扩展性。
基于标准协议：SSE 基于 HTTP 协议，不需要额外的协议支持，易于实现和部署，同时利用了 HTTP 的广泛兼容性，能在多种环境中运行。
轻量级与简单易用：SSE 本身实现简单，客户端使用 JavaScript 的 <代码开始> EventSource < 代码结束 > 对象就能接收服务器推送的事件，降低了开发难度和成本。
自动重连机制：客户端在连接断开时会自动尝试重新连接服务器，保证数据传输的连续性，减少因网络波动等原因导致的数据丢失或中断。

所以对于服务化的 Agent 更加适合的模式应该是使用 SSE 模式连接。

面对这种场景，Hologres 和函数计算 FC 深度合作，推出 FunctionAI Hologres MCP Server 一键部署，生成一个托管的支持 SSE 模式的 MCP Server，这种模式有如下优势：

使用 Serverless 模式部署服务，天然的事件驱动模型，提供毫秒级弹性能力、按量付费、安全沙箱的运行时环境，完美解决了云上托管对于性能、成本、安全的需求；
提供 Bearer Token 的鉴权，服务部署在 VPC 内，提供企业级安全能力。
提供基于函数角色的访问控制能力，无需输入用户AK/SK就能实现云产品安全访问，提升数据安全性。

如何通过 Hologres+函数计算FunctionAI+Qwen3构建服务化数据分析 Agent

接下来，我们以 ModelScope 的 MCP Playground 为例子，构建服务化数据分析 Agent

环境准备

启动 MCP 之前，请确保已经有一个正在运行的 Hologres 实例，创建实例可以参考手册

使用 FunctionAI 一键部署 MCP Server

使用Hologres MCP Server 模版一键部署

填写对接的实例和数据库，选择登陆 Hologres 实例的 RAM Role.

查看部署进度

部署完成后，即会生成 sse 的链接，和 Bearer Token

在 Hologres 参照用户管理手册，对于指定的 RAM Role，将用户加入Hologres实例，然后根据DB管理文档授予 RAM Role 对应的权限。

与 ModelScope 集成

登陆 ModelScope 的 MCP Playground

在配置中加入如下 MCP Server 配置信息

{
    "mcpServers": {
        "remote-server": {
            "type": "sse",
            "url": "<sse_enpoint>",
            "headers": {
              "Authorization": "Bearer <Bearer Token>"         
            } 
        }
    }
}

模型选择：通义千问3-235B-A22B

点击保存配置

数据分析体验

下面的例子中，已经在 Hologres 中导入了 TPC-H 的样例数据。TPC-H是一个标准测试集，它模拟了一个商户的销售（订单）信息系统。

在 ModelScope 的 MCP Playground 中我们提出一些问题。

查看 public schema 下有哪些表？

查看1994年各个国家的订单数量

拓展阅读

Hologres 成为MCP官方集成服务

Hologres 是阿里云自研一体化实时湖仓平台，通过统一数据平台实现湖仓存储一体、多模式计算一体、分析服务一体、Data+AI一体，无缝对接主流BI工具，支持OLAP查询、即席分析、在线服务、向量计算多个场景，分析性能打破TPC-H世界记录。Hologres对接标准的MCP协议，通过与众多支持MCP的平台联动，可以构建跨数据源、多步骤分解的数据分析Agent，解决LLM在数据预处理、可视化解读和科学推理环节存在的系统性缺陷。同时，由于Hologres具备高性能数据分析、湖仓一体数据分析的能力，可以快速输出数据结果，并与湖仓的历史数据进行联合分析，极大简化分析人员的分析流程，提高分析效率。

Hologres已成为MCP官方集成服务：https://github.com/modelcontextprotocol/servers

通过Hologres 进行数据分析的优势：

实时数据中枢：通过 MCP 管道实现Hologres与 API / 数据库 / 物联网设备等多源数据毫秒级接入，同时，Hologres作为高性能实时数仓，在Agent的逐步分解分析时，输出结果更快。
湖仓数据加速：支持Agent通过Hologres直接对MaxCompute、OSS等湖仓数据访问，无需频繁搬运数据，MaxCompute透明加速性能提升10倍。
智能数据工厂：Hologres 实时数据库自动完成数据清洗、标准化与元数据管理，预处理效率提升 85%
对话式分析引擎：LLM 直接调用实时数据接口，支持自然语言提问生成动态可视化报告，响应时间 < 2 秒
资源隔离与降本：Hologres支持秒级扩缩容，Agent数据分析资源可以与数据生产系统隔离，让分析成本降低 30%。

函数计算：云上托管MCP服务的最佳运行时

阿里云函数计算 FC 作为阿里云 Serverless 计算平台，提供零改造免运维、轻量隔离、秒级/毫秒级弹性、多AZ自动容灾的运行时能力。开源 MCP Server 一键托管到云上，函数计算 FC 会准备好计算资源，并以弹性、可靠的方式运行 MCP 服务，按实际调用时长和次数计费，Stdio 的 MCP 可零改造转为 SSE。产品优势如下：

弹性扩缩与按需计费：MCP 服务天然适配 Serverless 的事件驱动模型。例如当 LLM 发起数据库查询时，函数计算即时冷启动执行 SQL 解析，响应完成后立即释放资源。实测数据显示，这种模式相比常驻容器节省 83% 的计算成本。
安全沙箱与零信任架构：Serverless 的临时执行环境完美契合 MCP 服务的安全隔离需求。每个 MCP 请求都在独立的上下文中处理，执行完毕后自动销毁实例，消除传统常驻服务的上下文残留，降低数据泄露风险。
生态集成与敏捷交付：函数计算 FC 内置 MCP 运行时。开发者通过控制台可直接部署预置的 MCP 模版，如函数计算的 "amap-maps-mcp-server" 模版可在 30 秒内完成和高德地图的服务对接。

函数计算 FunctionAI MCP: https://cap.console.aliyun.com/explore?lang=MCP+Server

通义大模型-Qwen3

Qwen是阿里巴巴集团Qwen团队研发的大语言模型和大型多模态模型系列。无论是语言模型还是多模态模型，均在大规模多语言和多模态数据上进行预训练，并通过高质量数据进行后期微调以贴近人类偏好。Qwen具备自然语言理解、文本生成、视觉理解、音频理解、工具使用、角色扮演、作为AI Agent进行互动等多种能力。

最新版本Qwen3有以下特点：