Skip to content
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

LangGraph
from langchain_openai import ChatOpenAI
from langchain_core.tools import tool
from langgraph.prebuilt import create_react_agent
from langchain_community.utilities import SQLDatabase
from 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.

Bereit, mit LangGraph zu bauen?

Generieren Sie ein produktionsbereites Projekt mit vorkonfiguriertem LangGraph — FastAPI + Next.js, Auth, Streaming und mehr.

Loslegen

Bereit, deinen ersten Produktions-KI-Agenten zu bauen?

Open-Source-Tools, kampferprobte Patterns, null Boilerplate. Konfiguriere deinen Stack und shippe in Minuten — nicht Monaten.