crewAI/docs/edge/ko/tools/database-data/snowflakesearchtool.mdx

---
title: Snowflake 검색 도구
description: SnowflakeSearchTool은 CrewAI 에이전트가 Snowflake 데이터 웨어하우스에서 SQL 쿼리를 실행하고 시맨틱 검색을 수행할 수 있도록 합니다.
icon: snowflake
mode: "wide"
---

# `SnowflakeSearchTool`

## 설명

`SnowflakeSearchTool`은 Snowflake 데이터 웨어하우스에 연결하고, 연결 풀링, 재시도 로직, 비동기 실행과 같은 고급 기능으로 SQL 쿼리를 실행하도록 설계되었습니다. 이 도구를 통해 CrewAI 에이전트는 Snowflake 데이터베이스와 상호작용할 수 있으므로, Snowflake에 저장된 엔터프라이즈 데이터에 접근이 필요한 데이터 분석, 리포팅, 비즈니스 인텔리전스 작업에 이상적입니다.

## 설치

이 도구를 사용하려면 필요한 종속 항목을 설치해야 합니다:

```shell
uv add cryptography snowflake-connector-python snowflake-sqlalchemy
```

또는 다음과 같이 할 수도 있습니다:

```shell
uv sync --extra snowflake
```

## 시작 단계

`SnowflakeSearchTool`을(를) 효과적으로 사용하려면 다음 단계를 따르세요:

1. **필수 패키지 설치**: 위의 명령어 중 하나를 사용하여 필요한 패키지들을 설치하세요.
2. **Snowflake 연결 구성**: Snowflake 자격 증명을 사용하여 `SnowflakeConfig` 객체를 생성하세요.
3. **도구 초기화**: 필요한 구성을 포함하여 도구의 인스턴스를 생성하세요.
4. **쿼리 실행**: 도구를 사용하여 Snowflake 데이터베이스에서 SQL 쿼리를 실행하세요.

## 예시

다음 예시는 `SnowflakeSearchTool`을 사용하여 Snowflake 데이터베이스에서 데이터를 쿼리하는 방법을 보여줍니다:

```python Code
from crewai import Agent, Task, Crew
from crewai_tools import SnowflakeSearchTool, SnowflakeConfig

# Create Snowflake configuration
config = SnowflakeConfig(
    account="your_account",
    user="your_username",
    password="your_password",
    warehouse="COMPUTE_WH",
    database="your_database",
    snowflake_schema="your_schema"
)

# Initialize the tool
snowflake_tool = SnowflakeSearchTool(config=config)

# Define an agent that uses the tool
data_analyst_agent = Agent(
    role="Data Analyst",
    goal="Analyze data from Snowflake database",
    backstory="An expert data analyst who can extract insights from enterprise data.",
    tools=[snowflake_tool],
    verbose=True,
)

# Example task to query sales data
query_task = Task(
    description="Query the sales data for the last quarter and summarize the top 5 products by revenue.",
    expected_output="A summary of the top 5 products by revenue for the last quarter.",
    agent=data_analyst_agent,
)

# Create and run the crew
crew = Crew(agents=[data_analyst_agent],
            tasks=[query_task])
result = crew.kickoff()
```

추가 매개변수를 사용하여 툴을 맞춤 설정할 수도 있습니다:

```python Code
# Initialize the tool with custom parameters
snowflake_tool = SnowflakeSearchTool(
    config=config,
    pool_size=10,
    max_retries=5,
    retry_delay=2.0,
    enable_caching=True
)
```

## 매개변수

### SnowflakeConfig 매개변수

`SnowflakeConfig` 클래스는 다음과 같은 매개변수를 받습니다:

- **account**: 필수. Snowflake 계정 식별자.
- **user**: 필수. Snowflake 사용자명.
- **password**: 선택 사항*. Snowflake 비밀번호.
- **private_key_path**: 선택 사항*. 비공개 키 파일 경로(비밀번호의 대안).
- **warehouse**: 필수. Snowflake 웨어하우스 이름.
- **database**: 필수. 기본 데이터베이스.
- **snowflake_schema**: 필수. 기본 스키마.
- **role**: 선택 사항. Snowflake 역할.
- **session_parameters**: 선택 사항. 딕셔너리 형태의 사용자 지정 세션 파라미터.

*`password` 또는 `private_key_path` 중 하나는 반드시 제공되어야 합니다.

### SnowflakeSearchTool 매개변수

`SnowflakeSearchTool`은(는) 초기화 시 다음과 같은 매개변수를 받습니다:

- **config**: 필수. 연결 세부 정보를 포함하는 `SnowflakeConfig` 객체입니다.
- **pool_size**: 선택 사항. 풀 내의 연결 수입니다. 기본값은 5입니다.
- **max_retries**: 선택 사항. 실패한 쿼리에 대한 최대 재시도 횟수입니다. 기본값은 3입니다.
- **retry_delay**: 선택 사항. 재시도 간의 지연 시간(초)입니다. 기본값은 1.0입니다.
- **enable_caching**: 선택 사항. 쿼리 결과 캐싱 활성화 여부입니다. 기본값은 True입니다.

## 사용법

`SnowflakeSearchTool`을 사용할 때는 다음과 같은 매개변수를 제공해야 합니다:

- **query**: 필수. 실행할 SQL 쿼리입니다.
- **database**: 선택 사항. config에 지정된 기본 데이터베이스를 재정의합니다.
- **snowflake_schema**: 선택 사항. config에 지정된 기본 스키마를 재정의합니다.
- **timeout**: 선택 사항. 쿼리 타임아웃(초)입니다. 기본값은 300입니다.

이 도구는 각 행을 컬럼 이름을 키로 갖는 딕셔너리로 표현하여, 결과를 딕셔너리 리스트 형태로 반환합니다.

```python Code
# Example of using the tool with an agent
data_analyst = Agent(
    role="Data Analyst",
    goal="Analyze sales data from Snowflake",
    backstory="An expert data analyst with experience in SQL and data visualization.",
    tools=[snowflake_tool],
    verbose=True
)

# The agent will use the tool with parameters like:
# query="SELECT product_name, SUM(revenue) as total_revenue FROM sales GROUP BY product_name ORDER BY total_revenue DESC LIMIT 5"
# timeout=600

# Create a task for the agent
analysis_task = Task(
    description="Query the sales database and identify the top 5 products by revenue for the last quarter.",
    expected_output="A detailed analysis of the top 5 products by revenue.",
    agent=data_analyst
)

# Run the task
crew = Crew(
    agents=[data_analyst],
    tasks=[analysis_task]
)
result = crew.kickoff()
```

## 고급 기능

### 커넥션 풀링

`SnowflakeSearchTool`은 데이터베이스 커넥션을 재사용하여 성능을 향상시키기 위해 커넥션 풀링을 구현합니다. `pool_size` 매개변수를 통해 풀의 크기를 조절할 수 있습니다.

### 자동 재시도

이 도구는 실패한 쿼리를 자동으로 지수적 백오프(Exponential Backoff) 방식으로 재시도합니다. `max_retries` 및 `retry_delay` 매개변수로 재시도 동작을 설정할 수 있습니다.

### 쿼리 결과 캐싱

반복 쿼리의 성능을 향상시키기 위해, 이 도구는 쿼리 결과를 캐싱할 수 있습니다. 이 기능은 기본적으로 활성화되어 있지만 `enable_caching=False`로 설정하면 비활성화할 수 있습니다.

### 키-페어 인증

비밀번호 인증 외에도 도구는 보안 강화를 위해 키-페어 인증을 지원합니다:

```python Code
config = SnowflakeConfig(
    account="your_account",
    user="your_username",
    private_key_path="/path/to/your/private/key.p8",
    warehouse="COMPUTE_WH",
    database="your_database",
    snowflake_schema="your_schema"
)
```

## 오류 처리

`SnowflakeSearchTool`은 일반적인 Snowflake 문제에 대한 포괄적인 오류 처리를 포함하고 있습니다:

- 연결 실패
- 쿼리 시간 초과
- 인증 오류
- 데이터베이스 및 스키마 오류

오류가 발생하면, 도구는 (설정된 경우) 작업을 재시도하고 자세한 오류 정보를 제공합니다.

## 결론

`SnowflakeSearchTool`은 Snowflake 데이터 웨어하우스를 CrewAI 에이전트와 통합할 수 있는 강력한 방법을 제공합니다. 커넥션 풀링, 자동 재시도, 쿼리 캐싱과 같은 기능을 통해 엔터프라이즈 데이터에 효율적이고 신뢰성 있게 접근할 수 있습니다. 이 도구는 특히 Snowflake에 저장된 구조화된 데이터에 접근해야 하는 데이터 분석, 리포팅, 비즈니스 인텔리전스 작업에 유용합니다.