SQL 에이전트로 NYC 택시 데이터셋 쿼리하기
Databricks는 여러 스키마를 포함하는 오픈 소스 samples 카탈로그를 제공합니다. 이 연습 문제에서는 LangChain Databricks SQL 에이전트를 생성하여 nyctaxi 스키마에 연결한 후, SQL이 필요한 질문을 던져 보겠습니다. 이러한 에이전트를 활용하면 SQL 사전 지식 없이도 데이터 분석을 수행하고 데이터에 대한 질문에 답을 얻을 수 있습니다.
이 연습은 강의의 일부입니다
Python SDK로 Databricks 다루기
연습 안내
- Databricks
samples카탈로그의nyctaxi스키마에서 LangChain SQLDatabase 객체를 생성하세요. - Databricks Meta Llama 3 모델을 사용하여 커스텀 LangChain LLM을 생성하세요.
- 커스텀 LLM을 사용하여 LangChain Databricks SQL 에이전트를 생성하세요.
- Databricks SQL 에이전트에 쿼리를 실행하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Connect to the nyctaxi schema
db = SQLDatabase.from_databricks(
____="samples",
____="nyctaxi",
warehouse_id=warehouse_id)
# Create the custom LangChain LLM
meta_llm = ChatDatabricks(
____="databricks-meta-llama-3-3-70b-instruct",
max_tokens=100)
toolkit = SQLDatabaseToolkit(db=db, llm=meta_llm)
# Create the SQL agent
agent = create_sql_agent(llm=____, toolkit=toolkit, verbose=True, handle_parsing_errors=True)
# Query the Databricks SQL Agent
result = agent.____("what's the duration and distance of the longest trip?")
print(result)