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.

L’architecture d’un agent text-to-query

Constituer la boîte à outils de l’agent

Créer l’invite text-to-query

Orchestrer l’agent text-to-query

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

Vous avez déjà rêvé de pouvoir discuter avec votre base de données ? C’est désormais possible grâce aux LLM et aux agents d’IA. Dans ce cours, vous apprendrez à interagir et à dialoguer avec une instance MongoDB, en utilisant LangGraph pour l’orchestration des agents. Vous verrez les défis et les avantages des workflows text-to-query, vous en construirez un pour répondre à des questions liées aux données d’un jeu de données de films, et vous mettrez même en place un mécanisme de checkpointing de mémoire pour reprendre vos conversations là où vous les aviez laissées !

Introduction to Functions in Python

Découvrez comment interroger vos données avec des agents IA de texte-à-requête via MongoDB et LangGraph.

Agents de text-to-query avec MongoDB et LangGraph

Découvrez comment interagir avec vos données à l'aide d'agents IA de conversion de texte en requête avec MongoDB et LangGraph.

Constituer la boîte à outils de l’agent

Agents de text-to-query avec MongoDB et LangGraph

Instructions

Exercice interactif pratique