d+
devoteam
Snowflake Partner
Pack de formation · Devoteam Snowflake Practice · 2026

Demo guide

15 min← Retour au sommaire

Une démo scriptée de 10 minutes : accroche d'ouverture, démonstration en direct, clôture. Public : décideurs techniques, ingénieurs data, praticiens Snowflake.

Checklist des prérequis techniques (avant la démo)#

  • Compte Snowflake avec accès à Cortex Code, connexion configurée
  • cortex --version réussit
  • make install exécuté, make check passe
  • Une base de données Snowflake avec des tables d'exemple disponibles

    (par ex. SNOWFLAKE_SAMPLE_DATA.TPCH_SF1)

  • Fenêtres de terminal et de navigateur disposées côte à côte
  • Répétition effectuée une fois, chronométrée, dans les dernières 24

    heures

Accroche d'ouverture (30 sec — le problème)#

« Câbler un agent CoCo dans une application Streamlit vous-même signifie construire la gestion de session à travers les reruns, le rendu en streaming, l'affichage des cartes d'outils et les portes de sécurité à partir de zéro. streamlit-coco vous donne tout cela en quelques lignes de Python. Laissez-moi vous montrer. »

Démonstration en direct (7 min — étape par étape avec points de discussion)#

Étape 1 — Première impression (2 min)#

  1. Montrez examples/chat_app.py — soulignez que c'est un fichier court et

    lisible, construit à partir de quatre appels : check_environment(), render_start_gate(), get_or_create_session(), panel() + chat_input_bar().

  2. Lancez make chat.
  3. Le navigateur s'ouvre → montrez l'UI du panneau (porte de démarrage,

    puis l'historique de conversation vide et la ligne de statut une fois démarré).

  4. Tapez : « What tables are available in SNOWFLAKE_SAMPLE_DATA.TPCH_SF1? »
  5. Observez le rendu en temps réel de l'historique de conversation en

    streaming ; soulignez la carte d'outil qui apparaît (Glob/SQL).

Point de discussion : « Un fichier Python court. Une UI d'agent complète avec streaming, visibilité des outils, et gestion de session prises en charge pour vous. »

Étape 2 — Portes d'approbation (3 min)#

  1. Tapez : *« Show me the top 5 customers by total order amount. Write the

    SQL and run it. »*

  2. L'agent propose du SQL → la bannière d'approbation se déclenche.

    Parcourez le SQL complet affiché, cliquez sur Approve once → les résultats apparaissent.

  3. Tapez : *« Now create a summary table called TOP_CUSTOMERS in my

    schema. »*

  4. La porte d'approbation se déclenche à nouveau — cette fois cliquez sur

    Deny avec une raison (« let's not create tables in the demo »). L'agent reconnaît le refus et suggère une alternative.

Point de discussion : « Chaque action destructive — SQL, écritures de fichiers, commandes bash — requiert une approbation humaine explicite, configurée par outil dans CocoOptions.require_approval_for. »

Étape 3 — Sortie structurée (1,5 min)#

  1. Passez à make structured (examples/structured_output.py).
  2. Montrez output_schema dans le code.
  3. Tapez : « Give me a breakdown of orders by status. »
  4. L'agent renvoie du JSON structuré → l'application le rend comme un

    graphique, pas comme du texte brut.

Point de discussion : « La sortie de l'agent peut circuler directement vers vos propres widgets via un callback on_structured_output — sans parsing JSON manuel. »

Marge (0,5 min)#

Arrivez à la clôture depuis où que vous soyez dans l'étape 3. S'il reste du temps dans la salle après la clôture scriptée, deux choses valent la peine d'être montrées mais ne font pas partie du script chronométré de 10 minutes :

  • make headless (examples/headless_pipeline.py) — la même API query()

    sans import Streamlit, pour la CI et les jobs par lots.

  • make bi-semantic ou make backlog — copilot_rail(), montrant CoCo

    comme une colonne à droite dans une application produit plutôt qu'un chat plein écran.

Clôture (2,5 min — récapitulatif de valeur + appel à l'action)#

Points de synthèse à afficher à l'écran ou à énoncer verbalement :

  • pip install "streamlit-coco[sdk]" — une application fonctionnelle en

    quelques lignes

  • Portes d'approbation activées par défaut pour les outils destructifs
  • Une seule bibliothèque couvre le panneau interactif, la sortie structurée

    et l'usage headless

  • Open source (Apache-2.0), conçu pour Snowflake

Appel à l'action : « Essayez-la sur votre propre compte Snowflake cette semaine — le quickstart du README vous mène rapidement à une application fonctionnelle. Contactez l'asset owner si vous rencontrez des problèmes de configuration. »

Questions fréquentes (FAQ)#

QuestionRéponse
Est-ce que ça fonctionne avec Streamlit in Snowflake (SiS) ?Pas encore livré aujourd'hui. Le déploiement local (CLI + Streamlit + configuration Snowflake sur le même hôte) est la seule topologie livrée ; SiS/SPCS ne sont que dans le périmètre du modèle de menace.
Quel LLM utilise-t-elle ?Celui qu'utilise Cortex Code en interne — aucune configuration de modèle dans cette bibliothèque au-delà de CocoOptions.model.
Puis-je personnaliser quels outils nécessitent une approbation ?Oui — allowed_tools / require_approval_for dans CocoOptions, par outil.
Est-ce prêt pour la production ?Alpha (0.1.9) — l'API peut encore évoluer.
Quelle est la différence avec l'utilisation directe de la CLI CoCo ?Cette bibliothèque gère la plomberie spécifique à Streamlit : état de session compatible avec les reruns, rendu en streaming, cartes d'outils et UI d'approbation — la CLI seule n'a rien de tout cela.
Qu'en est-il du téléversement de fichiers ?upload_to_cwd() / cwd_uploader() / chat_input_bar(accept_file=...) téléversent dans le répertoire de travail de l'agent ; voir make cwd-upload.
Qu'est-ce que copilot_rail() ?Un Copilot en rail latéral autour de panel() — connexion, jobs en file d'attente, et un popover Display config (limites de messages/caractères) pour un historique de conversation compact. Voir make bi-semantic / make backlog.
Y a-t-il un journal d'audit des approbations ?Pas persisté aujourd'hui — « Always allow » est limité à la session et s'efface à la réinitialisation.

Nettoyage#

bash