Comece agoraComece grátis

Criar agente SQL do LangChain conectado ao Databricks

LangChain é uma biblioteca para criar e implantar aplicações com LLM. Ela também permite criar agentes de IA, conectando-se a fontes de dados e executando consultas SQL.

Nos próximos exercícios, você vai interagir com esquemas do catálogo samples. Neste exercício, você vai criar um agente Databricks SQL e, nos exercícios seguintes, também vai consultar os agentes que criar.

Importamos as seguintes funções no ambiente de código para você:

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

Este exercicio faz parte do curso

Databricks com o SDK em Python

Ver curso

Instruções do exercicio

  • Crie um SQLDatabase do LangChain a partir do esquema nyctaxi no catálogo "samples" do Databricks.
  • Crie um LLM do LangChain no Databricks usando o modelo fundamental Meta Llama 3 do Databricks.
  • Crie um toolkit de LangChain SQL Database que use o db de Databricks SQL do LangChain e o llm.
  • Crie um agente SQL do LangChain no Databricks usando o toolkit e o llm.

exercicio interativo prático

Tente este exercicio completando este código de exemplo.

# 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)
Editar e Executar Código