Skip to content
LangGraph

Agent Text-to-SQL z LangGraph

Zbuduj agenta konwertującego język naturalny na SQL, który zamienia pytania na zapytania do bazy danych, waliduje je i zwraca sformatowane wyniki — z LangGraph.

SQLdatabaseNL2SQLdata

Działający kod

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)

Krok po kroku

1

Zainstaluj zależności

Zainstaluj LangGraph i wymagane narzędzia do tego przypadku użycia.

2

Zdefiniuj narzędzia

Stwórz specyficzne dla domeny funkcje narzędzi, których agent będzie używał do interakcji z zewnętrznymi serwisami.

3

Stwórz agenta i uruchom

Zainicjalizuj agenta LangGraph z narzędziami, ustaw prompt systemowy i wykonaj zapytanie.

Gotowy do budowania z LangGraph?

Wygeneruj gotowy do produkcji projekt z LangGraph — FastAPI + Next.js, autoryzacja, streaming i więcej.

Rozpocznij

Gotowy, żeby zbudować swojego pierwszego agenta AI?

Open-source'owe narzędzia, sprawdzone wzorce, zero boilerplate'u. Skonfiguruj swój stos i wyślij w minuty — nie miesiące.