Создание SQL-агента LangChain с подключением к Databricks

LangChain — это библиотека для создания и развёртывания приложений на основе больших языковых моделей (LLM). Она также позволяет создавать ИИ-агентов, подключаться к источникам данных и выполнять SQL-запросы.

В следующих упражнениях вы будете работать со схемами из каталога samples. В этом упражнении вы создадите SQL-агента Databricks, а в последующих — научитесь отправлять запросы к созданным агентам.

В среду программирования уже импортированы следующие функции:

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

Это упражнение является частью курса

Databricks с Python SDK

Посмотреть курс

Инструкции к упражнению

Создайте базу данных LangChain SQLDatabase из схемы nyctaxi в каталоге Databricks "samples".
Создайте LLM Databricks LangChain, используя базовую модель Databricks Meta Llama 3.
Создайте набор инструментов LangChain SQL Database, который использует базу данных db и языковую модель llm.
Создайте SQL-агента LangChain Databricks, используя toolkit и llm.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# 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)

Редактировать и запускать код