# Vanna AI (El estándar de la industria para Text-to-SQL)

> Source: <https://dev.to/julio_samuelcortezmaman/vanna-ai-el-estandar-de-la-industria-para-text-to-sql-6k2>
> Published: 2026-07-03 23:40:49+00:00

**Idea central:** Vanna es uno de los frameworks de código abierto más utilizados en la actualidad para crear asistentes de SQL con IA. Funciona en dos pasos: primero entrenas un modelo de IA (o un índice vectorial) con tu esquema, documentación y consultas SQL reales pasadas, y luego genera código con una precisión quirúrgica.

**Ventajas:** Se conecta nativamente a Snowflake, BigQuery, PostgreSQL y MySQL. Incluye interfaces gráficas listas para usar en Slack o aplicaciones web.

`<vanna-chat>`

:`<vanna-chat>`

lo renderiza todo a la perfección.Aquí tienes un ejemplo completo de cómo integrar Vanna con tu aplicación FastAPI y tu sistema de autenticación existentes:

**1. Backend (Python + FastAPI):**

`python`

from fastapi import FastAPI

from vanna import Agent

from vanna.servers.fastapi.routes import register_chat_routes

from vanna.servers.base import ChatHandler

from vanna.core.user import UserResolver, User, RequestContext

from vanna.integrations.anthropic import AnthropicLlmService

from vanna.tools import RunSqlTool

from vanna.integrations.sqlite import SqliteRunner

from vanna.core.registry import ToolRegistry

app = FastAPI()

class MyUserResolver(UserResolver):

async def resolve_user(self, request_context: RequestContext) -> User:

# Extraer desde cookies, JWTs, o sesión

token = request_context.get_header('Authorization')

user_data = self.decode_jwt(token) # Tu lógica existente

```
    return User(
        id=user_data['id'],
        email=user_data['email'],
        group_memberships=user_data['groups']  # Usado para permisos
    )
```

llm = AnthropicLlmService(model="claude-3-5-sonnet")

tools = ToolRegistry()

tools.register(RunSqlTool(sql_runner=SqliteRunner("./data.db")))

agent = Agent(

llm_service=llm,

tool_registry=tools,

user_resolver=MyUserResolver()

)

chat_handler = ChatHandler(agent)

register_chat_routes(app, chat_handler)

`

Simplemente agrega esta etiqueta HTML en tu página web. Funciona con React, Vue o HTML simple y utiliza tus cookies/JWT existentes:

HTML

sse-endpoint="/api/vanna/v2/chat_sse"

theme="dark">

Al hacer una pregunta en lenguaje natural, el componente frontend recibe por transmisión ( streaming ):

Herramientas Personalizadas

Puedes extender Vanna con herramientas específicas para tu caso de uso de negocio (por ejemplo, enviar un correo automático con los resultados):

Python

from vanna.core.tool import Tool, ToolContext, ToolResult

from pydantic import BaseModel, Field

from typing import Type

class EmailArgs(BaseModel):

recipient: str = Field(description="Email recipient")

subject: str = Field(description="Email subject")

class EmailTool(Tool[EmailArgs]):

@property

def name(self) -> str:

return "send_email"

``` php
@property
def access_groups(self) -> list[str]:
    return ["send_email"]  # Verificación de permisos

def get_args_schema(self) -> Type[EmailArgs]:
    return EmailArgs

async def execute(self, context: ToolContext, args: EmailArgs) -> ToolResult:
    user = context.user  # Inyectado automáticamente por Vanna

# Tu lógica de negocio
await self.email_service.send(
    from_email=user.email,
    to=args.recipient,
    subject=args.subject
)

return ToolResult(success=True, result_for_llm=f"Email sent to {args.recipient}")
```

tools.register(EmailTool())

Características Avanzadas y Casos de Uso

¿Para qué casos es ideal?

El siguiente flujo detalla el ciclo de vida de una solicitud en Vanna 2.0 desde que el usuario realiza la pregunta hasta que se renderizan los componentes visuales:

`<vanna-chat>`

.`POST`

al endpoint `/api/vanna/v2/chat_sse`

de tu servidor FastAPI, adjuntando las credenciales de autenticación.`read_sales`

) y se los pasa al Agente.| Enfoque | Complejidad | Mejor para | Herramientas clave |
|---|---|---|---|
1. LLM + Python puro |
Baja | Prototipos rápidos, scripts internos. | API de OpenAI, sqlite3 |
2. Agentes (`smolagents` ) |
Media-Alta | Consultas complejas, autocorrección. | Hugging Face, smolagents |
3. Streamlit + HF |
Media | Paneles para usuarios no técnicos | Streamlit, transformers |
4. RAG Dinámico |
Alta | Entornos Enterprise con cientos de tablas | BD Vectoriales, DB-GPT |
5. Vanna AI |
Media-Alta | Producción escalable, UI web lista y segura | Vanna, FastAPI |

`SELECT`

solamente) y usuarios de base de datos blancos con permisos de solo lectura.Si decides inclinarte por la implementación de agentes empresariales con Vanna AI, aquí tienes los accesos directos a sus canales oficiales para resolver dudas de integración avanzada:

***Documentación completa** — Guías completas y referencia detallada de la API de Vanna.

**Foros de discusión de GitHub** — Espacio para sugerencias de nuevas funciones, extensiones y preguntas/respuestas de la comunidad.

**Problemas de GitHub** — Reportes de errores, fallos de conectores y seguimiento de parches.

**Soporte empresarial** — Soporte técnico directo vía `support@vanna.ai`

.

*Este post recopila y adapta ejemplos de fuentes públicas con fines educativos y de referencia para la comunidad de desarrolladores.*

Ejemplos Oficiales de Inicio Rápido: GitHub - vanna-ai/vanna-boilerplate (Este repositorio contiene plantillas listas para clonar usando Flask, Streamlit o FastAPI, ideales para no empezar desde cero).

Componente Frontend Oficial (): GitHub - vanna-ai/vanna-components (El código fuente del componente web de interfaz gráfica que vimos en los diagramas si quieres modificar su diseño o comportamiento).

Notebooks de Jupyter con Ejemplos por Base de Datos: En la misma organización de GitHub tienen guías paso a paso en formato Notebook para configuraciones específicas:

Para conectar e instruir con Snowflake: Vanna Snowflake Notebook

Para conectar e instruir con BigQuery: Vanna BigQuery Notebook

Para entornos locales con SQLite: Vanna SQLite Notebook