Agent SQL IA avec visualisation de données dynamique via Quickchart.io - Workflow n8n

• Les analystes de données et professionnels de la Business Intelligence cherchant à automatiser l'interrogation conversationnelle des données.


• Les équipes ayant besoin de représentations visuelles dynamiques des résultats de requêtes sur base de données SQL.


• Les développeurs en quête de modèles n8n avancés pour intégrer les agents LangChain et l'IA générative (OpenAI) avec des sources de données.


• Les utilisateurs recherchant un workflow n8n puissant gérant des arbres de décision complexes et l'exécution de sous-workflows.

Ce puissant workflow n8n transforme un Agent SQL conversationnel standard en un outil complet de visualisation de données. En combinant la puissance d'interrogation de l'Agent SQL LangChain avec les capacités de génération de sortie structurée d'OpenAI (en utilisant spécifiquement gpt-4o et des définitions de Schéma JSON), ce modèle n8n décide automatiquement si un graphique est nécessaire pour appuyer la réponse à la requête de la base de données.

Le problème principal résolu est de combler le fossé entre les données brutes renvoyées par une requête SQL et des graphiques significatifs et faciles à digérer. Le workflow crée dynamiquement la configuration Chart.js nécessaire et génère l'image via Quickchart.io, fournissant une réponse visuelle plus riche en plus de l'explication textuelle de l'Agent IA. Ce workflow n8n est très efficace pour favoriser une analyse des données plus rapide au sein de n'importe quelle équipe.

Ce workflow n8n avancé opère via un processus conversationnel multi-étapes :

1. Déclenchement et Extraction : Le déclencheur n8n s'active à la réception d'un message de chat via le nœud n8n When chat message received (Lors de la réception d'un message de chat). L'Extracteur d'Informations (alimenté par un nœud n8n OpenAI Chat Model) nettoie la requête utilisateur, supprimant toute instruction explicite liée aux graphiques, assurant ainsi que la question centrale parvienne à l'Agent SQL.


2. Exécution de l'Agent SQL : La question extraite est transmise au nœud n8n Agent IA (configuré en tant qu'Agent SQL). Cet agent se connecte à la base de données PostgreSQL, exécute le SQL nécessaire, et fournit une sortie textuelle conversationnelle contenant l'analyse des données. L'historique de conversation est maintenu via le nœud n8n Window Buffer Memory.


3. Décision de Visualisation : Le nœud n8n Text Classifier - Chart required? (Classificateur de Texte - Graphique requis ?) analyse à la fois la demande utilisateur originale et la sortie de données de l'Agent SQL. En utilisant un Classificateur de Modèle de Chat OpenAI (OpenAI Chat Model Classifier), ce nœud n8n détermine si les données seraient mieux comprises avec un graphique (chart_required).


4. Chemin Texte Uniquement : Si le classificateur juge qu'un graphique n'est pas nécessaire (par exemple, un seul point de données), le nœud n8n Set Text output (Définir la sortie texte) formate la réponse de l'agent, terminant l'exécution du workflow n8n.


5. Chemin de Génération de Graphique (Sous-workflow) : Si un graphique est requis, les données sont transmises à un nœud Execute Workflow (Exécuter le Workflow), qui initie la branche du sous-workflow de génération de graphique.


6. Génération JSON Structurée : Au sein du sous-workflow, le nœud OpenAI - Generate Chart definition (OpenAI - Générer la définition du graphique) (une Requête HTTP vers OpenAI) reçoit les données brutes et la demande utilisateur. Il utilise une définition de Schéma JSON stricte pour Chart.js, exploitant la fonctionnalité de sortie structurée d'OpenAI pour générer un objet de configuration de graphique parfaitement formaté.


7. Assemblage de l'URL Quickchart : Le nœud Set response (Définir la réponse) prend la définition de graphique JSON générée par OpenAI et l'insère dans une URL Quickchart.io, créant ainsi un lien d'image dynamique.


8. Sortie Finale : Le nœud Set Text + Chart output (Définir la sortie Texte + Graphique) fusionne la réponse textuelle originale de l'Agent SQL avec le nouvel URL d'image Quickchart généré (formaté en lien d'image Markdown), fournissant une réponse visuelle riche à l'utilisateur via ce puissant modèle n8n.

Pour déployer ce modèle de workflow n8n spécifique avec succès, suivez ces étapes :

1. Importer le Workflow n8n : Copiez le code JSON fourni et importez-le directement dans votre instance n8n hébergée en auto-suffisance ou dans le cloud.


2. Configurer les Identifiants :

1. Préparation de la Base de Données (Si vous utilisez les données d'exemple) : L'exemple de workflow référence un identifiant de base de données 'Coffee Sales Postgres' et est conçu pour interroger des données issues d'un ensemble de ventes de café. Mettez à jour les identifiants de base de données et le Prefix Prompt (Invite de configuration initiale) au sein du nœud n8n AI Agent si votre schéma diffère.


2. Activer le Déclencheur n8n : Assurez-vous que le nœud déclencheur n8n When chat message received est actif afin que le workflow n8n puisse écouter les requêtes utilisateur entrantes. Ce workflow n8n est prêt à être exécuté.

Ce workflow n8n complexe exploite plusieurs types de nœuds n8n spécialisés pour atteindre son objectif :

When chat message received (Déclencheur n8n) :
Fonction : Démarre l'exécution du workflow n8n dès la réception d'un message utilisateur dans l'interface de chat intégrée.
Configuration Clé : Configuré comme un point d'accès webhook public.
AI Agent (Nœud n8n Agent LangChain) :
Fonction : Le composant central pour l'interaction avec la base de données. Il traduit les questions en langage naturel en requêtes SQL exécutables, les exécute contre la base de données PostgreSQL connectée, et formate les résultats de manière conversationnelle.
Configuration Clé : Utilise le type sqlAgent. Inclut un Prefix Prompt (Invite de configuration initiale) exhaustif instruisant le modèle de se concentrer sur la restitution des réponses, d'éviter le jargon développeur, et de gérer correctement la syntaxe SQL (par exemple, le placement des guillemets autour des noms de tables).
Text Classifier - Chart required? (Nœud n8n Classificateur de Texte LangChain) :
Fonction : Décide de la branche subséquente du workflow n8n en fonction du contexte. Il classe la nécessité d'une visualisation.
Configuration Clé : Définit deux catégories de sortie : chartrequired et chartnotrequired basées sur le fait que les données soient multidimensionnelles ou une valeur unique.
OpenAI - Generate Chart definition with Structured Output (Nœud n8n Requête HTTP) :
Fonction : C'est une étape cruciale du workflow n8n. Il appelle l'API OpenAI (gpt-4o-2024-08-06) et impose explicitement que le format de réponse soit un objet JSON conforme à un schéma Chart.js strict. Ceci garantit que la sortie est utilisable par Quickchart.io.
Configuration Clé : Utilise responseformat avec un Schéma JSON détaillé définissant les propriétés requises comme type, data, et options (incluant les échelles et les plugins).
Set response (Nœud Set n8n) :
Fonction : Construit l'URL Quickchart.io finale en encodant la sortie JSON de définition de graphique du nœud n8n précédent et en l'ajoutant à l'URL de base.
* Configuration Clé : Utilise une expression : ="https://quickchart.io/chart?width=200&c=" + encodeURIComponent($json.choices[0].message.content).