Consultar el conjunto de datos de taxis de NYC con un agente SQL
Databricks expone un catálogo de código abierto llamado samples que contiene varios esquemas. En este ejercicio, crearemos un agente LangChain Databricks SQL para conectarnos al esquema nyctaxi y luego le haremos una pregunta que requiera SQL para responder. Crear uno de estos agentes permite al usuario realizar análisis de datos y plantear preguntas sobre datos que requieren SQL, sin necesidad de tener conocimientos previos de SQL.
Este ejercicio forma parte del curso
Databricks con el SDK de Python
Instrucciones del ejercicio
- Crea un objeto LangChain SQLDatabase a partir del esquema
nyctaxien el catálogosamplesde Databricks. - Crea un LLM personalizado de LangChain usando el modelo Meta Llama 3 de Databricks.
- Crea un agente LangChain Databricks SQL usando el LLM personalizado.
- Lanza una consulta al agente Databricks SQL.
ejercicio interactivo práctico
Prueba este ejercicio completando este código de ejemplo.
# Connect to the nyctaxi schema
db = SQLDatabase.from_databricks(
____="samples",
____="nyctaxi",
warehouse_id=warehouse_id)
# Create the custom LangChain LLM
meta_llm = ChatDatabricks(
____="databricks-meta-llama-3-3-70b-instruct",
max_tokens=100)
toolkit = SQLDatabaseToolkit(db=db, llm=meta_llm)
# Create the SQL agent
agent = create_sql_agent(llm=____, toolkit=toolkit, verbose=True, handle_parsing_errors=True)
# Query the Databricks SQL Agent
result = agent.____("what's the duration and distance of the longest trip?")
print(result)