Text-to-Query エージェントを構築して、データと会話できるようになりましょう！

Text-to-Query エージェント

ハンズオン演習の準備をしましょう

Text-to-Query ワークフロー

MongoDB クエリの記述

さらに複雑な集約

テキストからクエリへのワークフローを実践する

Text-to-Query エージェント：用途とアーキテクチャ

Text-to-Query ワークフローをエージェント化しましょう！LangGraph で AI エージェントを構築・オーケストレーションすると、スマートで動的な text-to-query ワークフローを作成できます。

Text-to-Queryエージェントのアーキテクチャ

エージェントのツールボックスを構築する

Text-to-Query 用プロンプトの作成

テキストからクエリへのエージェントをオーケストレーションする

エージェントで Text-to-Query ワークフローを自動化する

短期メモリを text-to-query エージェントに統合し、洞察を統合するためにクエリを再実行しなくて済むようにします。

LangGraph におけるメモリとチェックポイント

エージェントにメモリを追加する

おめでとうございます！

データベースと会話できたら、と思ったことはありませんか？ いまや LLM と AI エージェントでそれが可能です。本コースでは、LangGraph を使ってエージェントをオーケストレーションし、MongoDB データベースと対話・チャットする方法を学びます。text-to-query ワークフローの課題と価値を理解し、映画データセットに関するデータの質問に答えるためのワークフローを構築し、会話を中断したところから再開できるようにメモリのチェックポイントも実装します。

Introduction to Functions in Python

MongoDBとLangGraphを使って、テキストからクエリへのAIエージェントでデータと対話する方法を学ぶ。

MongoDB と LangGraph で学ぶ Text-to-Query エージェント

MongoDBとLangGraphで、テキストからクエリを生成するAIエージェントを使ってデータと対話する方法を学ぶ。

さらに複雑な集約

MongoDB と LangGraph で学ぶ Text-to-Query エージェント

演習の手順

実践的なインタラクティブ演習