创建连接到 Databricks 的 LangChain SQL Agent
LangChain 是用于构建和部署 LLM 应用的库。它还支持创建 AI agent，连接到数据源并运行 SQL 查询。
在接下来的练习中，您将与 samples catalog 中的多个 schema 交互。本练习中，您将创建一个 Databricks SQL agent；在随后的练习中，您还会对自己创建的 agent 发起查询。
我们已为您在编码环境中导入以下函数：
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
本练习是课程的一部分
使用 Python SDK 的 Databricks
练习说明
- 基于 Databricks "samples" catalog 中的
nyctaxischema 创建一个 LangChain SQLDatabase。 - 使用 Databricks 的 Meta Llama 3 基础模型创建一个 Databricks LangChain LLM。
- 使用 LangChain Databricks SQL 的
db和llm创建一个 LangChain SQL Database 工具包。 - 使用
toolkit和llm创建一个 LangChain Databricks SQL agent。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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)