EmpezarEmpieza gratis

Crea un agente SQL de LangChain conectado a Databricks

LangChain es una librería para crear y desplegar aplicaciones con LLM. También te permite crear agentes de IA, conectarlos a fuentes de datos y ejecutar consultas SQL.

En los siguientes ejercicios, vas a trabajar con esquemas del catálogo samples. En este ejercicio crearás un agente de Databricks SQL y, en los ejercicios posteriores, consultarás los agentes que hayas creado.

Hemos importado las siguientes funciones en el entorno de codificación por ti:

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

Este ejercicio forma parte del curso

Databricks con el SDK de Python

Ver curso

Instrucciones del ejercicio

  • Crea un SQLDatabase de LangChain a partir del esquema nyctaxi del catálogo de Databricks "samples".
  • Crea un LLM de LangChain en Databricks usando el modelo fundacional Meta Llama 3 de Databricks.
  • Crea un toolkit de LangChain para SQL Database que use el db de Databricks SQL de LangChain y el llm.
  • Crea un agente de LangChain para Databricks SQL usando el toolkit y el llm.

ejercicio interactivo práctico

Prueba este ejercicio completando este código de ejemplo.

# 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)
Editar y ejecutar código