Databricks に接続した LangChain SQL エージェントの作成
LangChain は LLM アプリケーションの構築・デプロイに使用するライブラリです。AI エージェントの作成、データソースへの接続、SQL クエリの実行も行えます。
以降の演習では、samples カタログのスキーマを操作します。この演習では Databricks SQL エージェントを作成し、続く演習で作成したエージェントにクエリを送信します。
以下の関数はあらかじめコーディング環境にインポートされています。
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
この演習はコースの一部です
Databricks と Python SDK
演習の手順
- Databricks の "samples" カタログにある
nyctaxiスキーマから LangChain SQLDatabase を作成します。 - Databricks Meta Llama 3 基盤モデルを使用して、Databricks LangChain LLM を作成します。
- LangChain の Databricks SQL
dbとllmを使用する LangChain SQL Database ツールキットを作成します。 toolkitとllmを使用して LangChain Databricks SQL エージェントを作成します。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# 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)