Databricks에 연결된 LangChain SQL 에이전트 만들기
LangChain은 LLM 애플리케이션을 구축하고 배포하기 위한 라이브러리입니다. 데이터 소스에 연결하고 SQL 쿼리를 실행하는 AI 에이전트도 만들 수 있습니다.
이어지는 연습 문제에서는 samples 카탈로그의 스키마를 활용합니다. 이번 연습 문제에서는 Databricks SQL 에이전트를 만들고, 이후 연습 문제에서는 생성한 에이전트로 쿼리를 실행해 봅니다.
다음 함수들은 코딩 환경에 미리 임포트되어 있습니다.
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
이 연습은 강의의 일부입니다
Python SDK로 Databricks 다루기
연습 안내
- "samples" Databricks 카탈로그의
nyctaxi스키마에서 LangChain SQLDatabase를 만드세요. - Databricks Meta Llama 3 파운데이셔널 모델을 사용하여 Databricks LangChain LLM을 만드세요.
- LangChain Databricks SQL
db와llm을 사용하는 LangChain SQL Database 툴킷을 만드세요. toolkit과llm을 사용하여 LangChain Databricks SQL 에이전트를 만드세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# 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)