Mulai sekarangMulai gratis

Buat LangChain SQL Agent yang Terhubung ke Databricks

LangChain adalah pustaka untuk membangun dan menerapkan aplikasi LLM. Pustaka ini juga memungkinkan Anda membuat agen AI, menghubungkan ke sumber data, dan menjalankan kueri SQL.

Dalam latihan berikut, Anda akan berinteraksi dengan skema dari katalog samples. Pada latihan ini, Anda akan membuat agen Databricks SQL, dan pada latihan berikutnya Anda juga akan melakukan kueri pada agen yang Anda buat.

Kami mengimpor fungsi-fungsi berikut ke lingkungan pengkodean untuk Anda:

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

Latihan ini merupakan bagian dari kursus

Databricks dengan Python SDK

Lihat Kursus

Instruksi latihan

  • Buat LangChain SQLDatabase dari skema nyctaxi di katalog Databricks "samples".
  • Buat LLM LangChain Databricks menggunakan Meta Llama 3 Foundational Model di Databricks.
  • Buat toolkit LangChain SQL Database yang menggunakan LangChain Databricks SQL db dan llm.
  • Buat agen LangChain Databricks SQL menggunakan toolkit dan llm.

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# 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)
Edit dan Jalankan Kode