Learn how to build text-to-query agents so you can have conversations with your data!

Text-to-query agents

Get set up for the hands-on exercises

The text-to-query workflow

Writing MongoDB queries

More complex aggregations

A text-to-query workflow in practice

Text-to-Query Agents: Applications and Architecture

Make your text-to-query workflow agentic! Building and orchestrating AI agents with LangGraph will allow you to create smart and dynamic text-to-query workflows.

Die Architektur des Text-zu-Abfrage-Agenten

Den Werkzeugkasten des Agents bauen

Den Text-zu-Abfrage-Prompt erstellen

Den Text-zu-Query-Agenten orchestrieren

Automating Text-to-Query Workflows with Agents

Integrate a short-term memory into your text-to-query agent so it doesn't have to re-run queries to combine insights.

Memory and checkpointing in LangGraph

Adding memory to the agent

Congratulations!

Adding Memory to the Agent

Hast du dir schon einmal gewünscht, mit deiner Datenbank chatten zu können? Mit LLMs und AI-Agents ist das jetzt möglich. In diesem Kurs lernst du, wie du mit einer MongoDB-Datenbank-Instanz interagierst und chattest – mit LangGraph für die Orchestrierung der Agents. Du erfährst mehr über Herausforderungen und Mehrwert von Text-to-Query-Workflows, baust deinen eigenen, um datenbezogene Fragen zu einem Film-Datensatz zu beantworten, und implementierst sogar Memory-Checkpointing, damit du Gespräche genau dort fortsetzen kannst, wo du aufgehört hast!

Introduction to Functions in Python

Entdecken Sie, wie Sie mit Text-zu-Abfrage-AI-Agenten und MongoDB sowie LangGraph mit Daten sprechen.

Text-to-Query-Agents mit MongoDB und LangGraph

Finde heraus, wie du mit deinen Daten über Text-to-Query-KI-Agenten mit MongoDB und LangGraph kommunizieren kannst.

Den Werkzeugkasten des Agents bauen

Text-to-Query-Agents mit MongoDB und LangGraph

Anleitung zur Übung

Interaktive Übung