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

Vanna AI has released Vanna 2.0, an open-source framework for building text-to-SQL assistants. The framework supports native connections to Snowflake, BigQuery, PostgreSQL, and MySQL, and includes pre-built interfaces for Slack and web applications. Vanna 2.0 introduces a two-step process: training an AI model or vector index on schema, documentation, and past SQL queries, then generating SQL code with high accuracy.

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