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
from pydantic_ai import Agent, RunContextfrom langchain_community.utilities import SQLDatabasefrom 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.toolasync def list_tables(ctx: RunContext) -> str: """List all tables in the database.""" return "\n".join(inspector.get_table_names())
@agent.toolasync 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.
Mit anderen Frameworks bauen
Weitere Anleitungen mit Pydantic AI
Bereit, mit Pydantic AI zu bauen?
Generieren Sie ein produktionsbereites Projekt mit vorkonfiguriertem Pydantic AI — 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.