Začněte nyníZačněte zdarma

Vytvoření LangChain SQL agenta s připojením k Databricks

LangChain je knihovna pro tvorbu a nasazení LLM aplikací. Umožňuje také vytvářet AI agenty, připojovat se k datovým zdrojům a spouštět SQL dotazy.

V následujících cvičeních budeš pracovat se schématy z katalogu samples. V tomto cvičení vytvoříš Databricks SQL agenta a v dalších cvičeních se naučíš dotazovat agenty, které vytvoříš.

Do prostředí jsme pro tebe naimportovali tyto funkce:

from langchain_community.agent_toolkits import create_sql_agent
from langchain_community.agent_toolkits import SQLDatabaseToolkit
from langchain_community.utilities import SQLDatabase
from databricks_langchain import ChatDatabricks
from databricks.sdk import WorkspaceClient

Toto cvičení je součástí kurzu

Databricks with the Python SDK

Zobrazit kurz

Pokyny k cvičení

  • Vytvoř LangChain SQLDatabase ze schématu nyctaxi v Databricks katalogu "samples".
  • Vytvoř Databricks LangChain LLM pomocí Databricks Meta Llama 3 Foundational Model.
  • Vytvoř LangChain SQL Database toolkit, který využívá LangChain Databricks SQL db a llm.
  • Vytvoř LangChain Databricks SQL agenta pomocí toolkit a llm.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Connect to the nyctaxi schema
db = SQLDatabase.____(
    catalog="samples", 
    schema="nyctaxi",
    warehouse_id=warehouse_id)

# Create the LangChain LLM
llm = ____(
    endpoint="databricks-meta-llama-3-3-70b-instruct",
    max_tokens=100)

# Build the SQL toolkit
toolkit = ____(db=db, llm=llm) 

# Create the SQL agent
databricks_sql_agent = ____(llm=llm, toolkit=toolkit, verbose=True, handle_parsing_errors=True)
Upravit a spustit kód