Creează un agent LangChain SQL conectat la Databricks

LangChain este o bibliotecă pentru crearea și implementarea aplicațiilor LLM. Îți permite, de asemenea, să creezi agenți AI care se conectează la surse de date și execută interogări SQL.

În exercițiile următoare, vei lucra cu scheme din catalogul samples. În acest exercițiu, vei crea un agent SQL Databricks, iar în exercițiile ulterioare vei interoga și agenții pe care îi creezi.

Îți importăm în mediul de lucru următoarele funcții:

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

Acest exercițiu face parte din cursul

Databricks cu Python SDK

Vezi cursul

Instrucțiuni pentru exercițiu

Creează o bază de date LangChain SQLDatabase din schema nyctaxi din catalogul Databricks "samples".
Creează un LLM LangChain pentru Databricks folosind modelul fundațional Databricks Meta Llama 3.
Creează un toolkit LangChain SQL Database care utilizează db-ul LangChain Databricks SQL și llm-ul.
Creează un agent LangChain Databricks SQL folosind toolkit și llm.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# 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)

Editează și rulează codul