Datasette-agent

Datasette-agent

21 mei 2026

We hebben zojuist de eerste release aangekondigd van Datasette Agent, een nieuwe uitbreidbare AI-assistent voor Datasette. Ik werk nu iets meer dan drie jaar aan mijn LLM Python-bibliotheek en Datasette Agent vertegenwoordigt het moment waarop LLM en Datasette eindelijk samenkomen. Ik ben er echt enthousiast over!

Datasette Agent biedt een conversatie-interface voor het stellen van vragen over de gegevens die u in Datasette heeft opgeslagen. Voeg de plug-in datasette-agent-charts toe en deze kan ook grafieken van uw gegevens genereren.

De demo

De aankondigingspost (op de nieuwe Datasette-projectblog) bevat deze demovideo:

Ik heb de video opgenomen tegen de nieuwe live demo-instantie agent.datasette.io, die Datasette Agent uitvoert tegen voorbeelddatabases, waaronder de klassieke mondiale energiecentrales van WRI, en een kopie van de Datasette-back-up van mijn blog.

De live demo draait op Gemini 3.1 Flash-Lite: het is goedkoop, snel en probleemloos met het schrijven van SQLite-query’s.

Een vraag die ik tijdens de demo stelde was:

Wanneer heeft Simon voor het laatst een pelikaan gezien?

Waarmee deze SQL-query werd uitgevoerd:

SELECT
  title, commentary, created
FROM
  blog_beat
WHERE
  beat_type = 'sighting'
  AND (title LIKE '%pelican%' OR commentary LIKE '%pelican%')
ORDER BY
  created DESC
LIMIT
  5

En antwoordde:

De meest recente waarneming van een pelikaan door Simon werd vastgelegd op 20 mei 2026.

De waarneming omvatte een Californische bruine pelikaan, samen met een gewone duiker, Canadese gans, gestreepte kustkrab en een Californische zeeleeuw.

Hier is die waarneming op mijn blog, en de Markdown-export van het volledige transcript van het gesprek.

De plug-ins

Mijn favoriete functie van Datasette Agent is dat het, net als de rest van Datasette, uitbreidbaar is met behulp van plug-ins.

We hebben tot nu toe drie plug-ins verzonden:

Plug-ins bouwen wel echt leuk. Ik heb nog een heleboel prototypes die nog niet helemaal van alfakwaliteit zijn.

Claude Code en OpenAI Codex blijken beide uitstekend in het schrijven van plug-ins. Wijs ze ter referentie gewoon naar een afrekenpagina van de datasette-agent-repository en vertel ze wat je wilt bouwen!

Voer het uit tegen lokale modellen

Ik heb ook veel plezier gehad met het uitvoeren van de nieuwe plug-in op lokale modellen. Hier is een uv one-liner om de plug-in uit te voeren tegen gemma-4-26b-a4b in LM Studio op een Mac:

uvx --prerelease=allow \
  --with datasette-agent --with llm-lmstudio \
  datasette --internal internal.db --root \
  -s plugins.datasette-llm.default_model lmstudio/google/gemma-4-26b-a4b \
  data.db

Datasette Agent heeft betrouwbare toolaanroepen nodig en de mogelijkheid voor een model om SQL-query’s te produceren die tegen SQLite worden uitgevoerd. De opengewichtmodellen die het afgelopen half jaar zijn uitgebracht, kunnen daar steeds beter mee overweg.

Wat is het volgende

Datasette Agent wordt geopend zoveel kansen voor het LLM- en Datasette-ecosysteem in het algemeen.

Het heeft al de grote LLM 0.32a0-refactor geïnformeerd, die ik bijna klaar ben om in een stabiele release te rollen, misschien met wat extra “LLM-agent”-abstracties uit Datasette Agent zelf.

Ik heb mijn eigen kijk op de Claude Artefacts onderzocht, die mooi vorm krijgt als plug-in.

Ik ben blij dat ik Datasette Agent kan gebruiken om mijn eigen Claw te bouwen: een persoonlijke AI-assistent die is opgebouwd rond gegevens die zijn geïmporteerd uit verschillende delen van mijn digitale leven, wat een goed excuus is om mijn oudere Dogsheep-familie van tools opnieuw te bekijken.

We gaan Datasette Agent ook uitrollen voor gebruikers van Datasette Cloud.

Word lid van ons #datasette-agent Discord-kanaal als je over het project wilt praten.