LangGraph
Text-to-SQL-Agent mit LangGraph
Erstellen Sie einen Natural-Language-to-SQL-Agenten, der Fragen in Datenbankabfragen umwandelt, validiert und formatierte Ergebnisse liefert — mit LangGraph.
SQLdatabaseNL2SQLdata
Funktionierender Code
from langchain_openai import ChatOpenAIfrom langchain_core.tools import toolfrom langgraph.prebuilt import create_react_agentfrom langchain_community.utilities import SQLDatabasefrom langchain_community.agent_toolkits import SQLDatabaseToolkit
db = SQLDatabase.from_uri("sqlite:///sales.db", sample_rows_in_table_info=3)toolkit = SQLDatabaseToolkit(db=db, llm=model)sql_tools = toolkit.get_tools()
agent = create_react_agent( ChatOpenAI(model="gpt-4o"), tools=[sql_tools], prompt="You are a SQL analyst. Convert natural language questions into SQL queries. Only use SELECT statements. Limit results to 10 rows.",)
result = await agent.ainvoke({ "messages": [("user", "Show me top 5 customers by total spending this quarter")]})print(result["messages"][-1].content)Schritt für Schritt
1
Abhängigkeiten installieren
Installieren Sie LangGraph und die benötigten Tools für diesen Anwendungsfall.
2
Tools definieren
Erstellen Sie domänenspezifische Tool-Funktionen, die Ihr Agent zur Interaktion mit externen Diensten verwenden wird.
3
Agent erstellen und ausführen
Initialisieren Sie den LangGraph-Agenten mit Ihren Tools, setzen Sie den System-Prompt und führen Sie eine Abfrage aus.
Mit anderen Frameworks bauen
Weitere Anleitungen mit LangGraph
Bereit, mit LangGraph zu bauen?
Generieren Sie ein produktionsbereites Projekt mit vorkonfiguriertem LangGraph — FastAPI + Next.js, Auth, Streaming und mehr.
LoslegenBereit, deinen ersten Produktions-KI-Agenten zu bauen?
Open-Source-Tools, kampferprobte Patterns, null Boilerplate. Konfiguriere deinen Stack und shippe in Minuten — nicht Monaten.