Skip to main content

适用于 SQL Server 的 Google SQL

Google Cloud SQL 是一个完全托管的关系型数据库服务，提供高性能、无缝集成和令人印象深刻的可扩展性。它提供 MySQL、PostgreSQL 和 SQL Server 数据库引擎。通过 Cloud SQL 的 Langchain 集成，可以扩展数据库应用程序以构建基于人工智能的体验。

本笔记本介绍了如何使用 Google Cloud SQL for SQL Server 来存储聊天消息历史，使用 MSSQLChatMessageHistory 类。

在 GitHub 上了解有关该软件包的更多信息。

在 Colab 中打开

开始之前​

要运行此笔记本，您需要执行以下操作：

🦜🔗 安装库​

集成位于自己的 langchain-google-cloud-sql-mssql 软件包中，因此我们需要安装它。

%pip install --upgrade --quiet langchain-google-cloud-sql-mssql langchain-google-vertexai

仅适用于 Colab：取消下面的注释以重新启动内核，或使用顶部的按钮重新启动内核。对于 Vertex AI Workbench，您可以使用顶部的按钮重新启动终端。

# # 在安装后自动重新启动内核，以便您的环境可以访问新的软件包
# import IPython
# app = IPython.Application.instance()
# app.kernel.do_shutdown(True)

🔐 认证​

作为在此笔记本中登录的 IAM 用户，进行 Google Cloud 认证，以便访问您的 Google Cloud 项目。

  • 如果您使用 Colab 运行此笔记本，请使用下面的单元格并继续。

  • 如果您使用 Vertex AI Workbench，请查看此处的设置说明。

from google.colab import auth
auth.authenticate_user()

☁ 设置您的 Google Cloud 项目​

设置您的 Google Cloud 项目，以便您可以在此笔记本中利用 Google Cloud 资源。

如果您不知道您的项目 ID，请尝试以下操作：

  • 运行 gcloud config list。

  • 运行 gcloud projects list。

  • 参见支持页面：查找项目 ID。

# @markdown 请在下面的值中填写您的 Google Cloud 项目 ID，然后运行单元格。
PROJECT_ID = "my-project-id"  # @param {type:"string"}
# 设置项目 ID
!gcloud config set project {PROJECT_ID}

💡 API 启用​

langchain-google-cloud-sql-mssql 软件包要求您在 Google Cloud 项目中启用 Cloud SQL Admin API。

# 启用 Cloud SQL Admin API
!gcloud services enable sqladmin.googleapis.com

基本用法​

设置 Cloud SQL 数据库值​

在Cloud SQL 实例页面中找到您的数据库值。

# @title 在此处设置您的值 { display-mode: "form" }
REGION = "us-central1"  # @param {type: "string"}
INSTANCE = "my-mssql-instance"  # @param {type: "string"}
DATABASE = "my-database"  # @param {type: "string"}
DB_USER = "my-username"  # @param {type: "string"}
DB_PASS = "my-password"  # @param {type: "string"}
TABLE_NAME = "message_store"  # @param {type: "string"}

MSSQLEngine 连接池​

要将 Cloud SQL 设置为 ChatMessageHistory 内存存储的要求和参数之一是 MSSQLEngine 对象。MSSQLEngine 配置了连接池到您的 Cloud SQL 数据库，使您的应用程序能够成功连接，并遵循行业最佳实践。

要使用 MSSQLEngine.from_instance() 创建 MSSQLEngine，您只需要提供 6 个参数：

  1. project_id：Cloud SQL 实例所在的 Google Cloud 项目 ID。

  2. region：Cloud SQL 实例所在的区域。

  3. instance：Cloud SQL 实例的名称。

  4. database：要连接到的 Cloud SQL 实例上的数据库的名称。

  5. user：用于内置数据库身份验证和登录的数据库用户。

  6. password：用于内置数据库身份验证和登录的数据库密码。

默认情况下，使用用户名和密码进行内置数据库身份验证来访问 Cloud SQL 数据库。

from langchain_google_cloud_sql_mssql import MSSQLEngine
engine = MSSQLEngine.from_instance(
    project_id=PROJECT_ID,
    region=REGION,
    instance=INSTANCE,
    database=DATABASE,
    user=DB_USER,
    password=DB_PASS,
)

初始化表格​

MSSQLChatMessageHistory 类需要一个具有特定模式的数据库表格，以便存储聊天消息历史记录。

MSSQLEngine 引擎有一个辅助方法 init_chat_history_table()，可以用来为您创建具有正确模式的表格。

engine.init_chat_history_table(table_name=TABLE_NAME)

MSSQLChatMessageHistory​

要初始化 MSSQLChatMessageHistory 类，您只需要提供以下 3 个内容：

  1. engine - MSSQLEngine 引擎的一个实例。

  2. session_id - 一个唯一的标识字符串，用于指定会话的 id。

  3. table_name：存储聊天消息历史记录的 Cloud SQL 数据库中的表格名称。

from langchain_google_cloud_sql_mssql import MSSQLChatMessageHistory
history = MSSQLChatMessageHistory(
    engine, session_id="test_session", table_name=TABLE_NAME
)
history.add_user_message("hi!")
history.add_ai_message("whats up?")
history.messages
[HumanMessage(content='hi!'), AIMessage(content='whats up?')]

清理​

当特定会话的历史记录过时且可以删除时，可以按以下方式进行删除。

注意：一旦删除，数据将不再存储在 Cloud SQL 中，将永远丢失。

history.clear()

🔗 链接​

我们可以轻松将此消息历史记录类与 LCEL Runnables 结合使用。

为此，我们将使用其中之一的 Google 的 Vertex AI 聊天模型，该模型要求您在 Google Cloud 项目中 启用 Vertex AI API。

# 启用 Vertex AI API
!gcloud services enable aiplatform.googleapis.com
from langchain_core.prompts import ChatPromptTemplate, MessagesPlaceholder
from langchain_core.runnables.history import RunnableWithMessageHistory
from langchain_google_vertexai import ChatVertexAI
prompt = ChatPromptTemplate.from_messages(
    [
        ("system", "You are a helpful assistant."),
        MessagesPlaceholder(variable_name="history"),
        ("human", "{question}"),
    ]
)
chain = prompt | ChatVertexAI(project=PROJECT_ID)
chain_with_history = RunnableWithMessageHistory(
    chain,
    lambda session_id: MSSQLChatMessageHistory(
        engine,
        session_id=session_id,
        table_name=TABLE_NAME,
    ),
    input_messages_key="question",
    history_messages_key="history",
)
# 这是我们配置会话 id 的地方
config = {"configurable": {"session_id": "test_session"}}
chain_with_history.invoke({"question": "Hi! I'm bob"}, config=config)
AIMessage(content=' Hello Bob, how can I help you today?')
chain_with_history.invoke({"question": "Whats my name"}, config=config)
AIMessage(content=' Your name is Bob.')

Was this page helpful?


You can leave detailed feedback on GitHub.