Skip to content
Pydantic AI

Text-to-SQL-Agent mit Pydantic AI

Erstellen Sie einen Natural-Language-to-SQL-Agenten, der Fragen in Datenbankabfragen umwandelt, validiert und formatierte Ergebnisse liefert — mit Pydantic AI.

SQLdatabaseNL2SQLdata

Funktionierender Code

Pydantic AI
from pydantic_ai import Agent, RunContext
from langchain_community.utilities import SQLDatabase
from langchain_community.agent_toolkits import SQLDatabaseToolkit
agent = Agent(
"openai:gpt-4o",
system_prompt="You are a SQL analyst. Convert natural language questions into SQL queries. Only use SELECT statements. Limit results to 10 rows.",
)
@agent.tool
async def list_tables(ctx: RunContext) -> str:
"""List all tables in the database."""
return "\n".join(inspector.get_table_names())
@agent.tool
async def run_query(ctx: RunContext, sql: str) -> str:
"""Execute a read-only SQL query and return results."""
if not sql.strip().upper().startswith("SELECT"):
return "Error: Only SELECT queries are allowed."
result = db.execute(text(sql))
rows = result.fetchmany(10)
return "\n".join(str(row) for row in rows)
result = await agent.run("Show me top 5 customers by total spending this quarter")
print(result.output)

Schritt für Schritt

1

Abhängigkeiten installieren

Installieren Sie Pydantic AI 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 Pydantic AI-Agenten mit Ihren Tools, setzen Sie den System-Prompt und führen Sie eine Abfrage aus.

Bereit, mit Pydantic AI zu bauen?

Generieren Sie ein produktionsbereites Projekt mit vorkonfiguriertem Pydantic AI — 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.