建立連到 Databricks 的 LangChain SQL Agent
LangChain 是用來建置與部署 LLM 應用程式的函式庫。它也能讓你建立 AI agent，連接資料來源並執行 SQL 查詢。
在接下來的練習中，你會使用 samples catalog 裡的數個 schema。此練習中，你會建立一個 Databricks SQL agent；在之後的練習中，你也會查詢自己建立的 agent。
我們已為你在程式環境中匯入以下函式：
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
本練習屬於課程
使用 Python SDK 的 Databricks
練習說明
- 以 Databricks 的「samples」catalog 中的
nyctaxischema 建立一個 LangChain SQLDatabase。 - 使用 Databricks 的 Meta Llama 3 基礎模型建立一個 Databricks LangChain LLM。
- 建立一個 LangChain SQL Database 工具組，並使用 LangChain Databricks SQL 的
db與llm。 - 使用
toolkit與llm建立一個 LangChain Databricks SQL agent。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# 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)