Pack de formation · Devoteam Snowflake Practice · 2026

Setup guide

Faites fonctionner le dépôt de développement en local et vérifiez que vous êtes prêt pour la visite guidée et les exercices pratiques. Référence complète : doc/deployment/local.md — cette page est le chemin condensé, spécifique à la formation, à travers ce document.

Comptes et permissions requis#

Un compte Snowflake avec accès à Cortex Code. Demandez à votre asset
owner si vous n'en avez pas pour la formation — une connexion partagée/sandbox peut être disponible.
Un accès Git à DevoteamSP/streamlit-coco-dev (le dépôt de
développement). Si vous n'avez besoin que du paquet publié, pip install "streamlit-coco[sdk]" depuis PyPI suffit et vous pouvez sauter l'étape 1 ci-dessous.

1. Cloner et installer#

bash

git clone https://github.com/DevoteamSP/streamlit-coco-dev.git
cd streamlit-coco-dev
make install     # uv sync --extra dev

Vérifiez que le paquet s'importe et consultez la version :

bash

uv run python -c "import streamlit_coco as c; print(c.__version__)"

2. Installer et vérifier la CLI CoCo#

bash

cortex --version

Si elle n'est pas dans le PATH, installez-la ou pointez vers le binaire :

bash

export CORTEX_CODE_CLI_PATH=/path/to/cortex

CocoOptions(cli_path=...) fonctionne aussi, dans le code, comme alternative à la variable d'environnement.

3. Configurer une connexion Snowflake#

Créez ou confirmez ~/.snowflake/connections.toml :

toml

[connections.analytics]
account = "xy12345"
user = "you@company.com"
authenticator = "externalbrowser"

L'ancien ~/.snowflake/config.toml est également détecté. Quand connection est omis dans CocoOptions, le SDK utilise la connexion par défaut de la Snowflake CLI.

4. Vérification de l'environnement (aucun agent démarré pour l'instant)#

bash

uv run python -c "
import streamlit_coco as st_coco
env = st_coco.check_environment(connection='analytics')
print(env.ready, env.sdk_version, env.cli_version, env.snowflake_config_display)
"

env.ready doit afficher True. Si ce n'est pas le cas, consultez le tableau de dépannage dans doc/deployment/local.md §7 avant de continuer.

5. Exécuter la suite de tests#

bash

make check    # ruff + unit/smoke pytest (excludes tests/e2e)

Tous les tests doivent passer. Cela confirme que votre environnement Python correspond à celui de la CI.

6. Lancer votre première démo#

bash

make chat

Un onglet de navigateur s'ouvre avec la démo panel() + chat_input_bar() (examples/chat_app.py). Tapez un prompt — par exemple *« What tables are available in SNOWFLAKE_SAMPLE_DATA.TPCH_SF1? »* (quelles tables sont disponibles dans SNOWFLAKE_SAMPLE_DATA.TPCH_SF1 ?) — et confirmez que vous voyez une réponse en streaming avec au moins une carte d'outil.

Checklist de vérification — vous êtes prêt quand...#

uv run python -c "import streamlit_coco as c; print(c.__version__)" affiche 0.1.9
cortex --version réussit
check_environment(...).ready vaut True
make check passe sans échec
make chat ouvre une application fonctionnelle et vous obtenez une réponse en streaming avec au moins une carte d'outil

Si toutes les cases sont cochées, passez à guided-tour.md.

Référence rapide de dépannage#

Symptôme	Correctif
`SDKNotInstalledError`	Relancez `make install`, ou `pip install streamlit-coco[sdk]`
`CLINotFoundError`	Installez la CLI ; définissez `CORTEX_CODE_CLI_PATH`
`CocoConnectionError`	Corrigez `connections.toml` ; testez avec `cortex --version` et la Snowflake CLI directement
Session bloquée sur « Starting CoCo… »	Consultez les logs du terminal ; définissez `STREAMLIT_COCO_DEBUG=1`

Tableau complet : doc/deployment/local.md §7. Le Guide technique contient la référence complète : help.html.