Skip to main content

谷歌

所有与Google Cloud Platform和其他Google产品相关的功能。

语言模型

我们建议个人开发者从Gemini API (langchain-google-genai)开始,当他们需要访问商业支持和更高的速率限制时,再转向Vertex AI (langchain-google-vertexai)。如果您已经适应云或云原生,那么您可以立即开始使用Vertex AI。

请在这里找到更多信息。

谷歌生成式人工智能

通过GoogleGenerativeAI类访问谷歌AI Gemini 模型,如 gemini-progemini-pro-vision

安装 Python 包。

pip install langchain-google-genai

查看使用示例

from langchain_google_genai import GoogleGenerativeAI

Vertex AI 模型库

通过Vertex AI Model Garden服务访问PaLM和数百个开源模型。

我们需要安装 langchain-google-vertexai Python 包。

pip install langchain-google-vertexai

查看使用示例

from langchain_google_vertexai import VertexAIModelGarden

聊天模型

谷歌生成式人工智能

通过ChatGoogleGenerativeAI类访问谷歌AI Gemini 模型,如 gemini-progemini-pro-vision

pip install -U langchain-google-genai

配置您的 API 密钥。

export GOOGLE_API_KEY=your-api-key
from langchain_google_genai import ChatGoogleGenerativeAI
llm = ChatGoogleGenerativeAI(model="gemini-pro")
llm.invoke("Sing a ballad of LangChain.")

当提供单个聊天消息时,Gemini vision 模型支持图像输入。

from langchain_core.messages import HumanMessage
from langchain_google_genai import ChatGoogleGenerativeAI
llm = ChatGoogleGenerativeAI(model="gemini-pro-vision")
message = HumanMessage(
content=[
{
"type": "text",
"text": "What's in this image?",
}, # You can optionally provide text parts
{"type": "image_url", "image_url": "https://picsum.photos/seed/picsum/200/300"},
]
)
llm.invoke([message])

image_url 的值可以是以下之一:

  • 公共图像 URL

  • gcs 文件(例如,"gcs://path/to/file.png")

  • 本地文件路径

  • base64 编码的图像(例如,data:image/png;base64,abcd124)

  • PIL 图像

Vertex AI

通过 Google Cloud 访问 PaLM 聊天模型,如 chat-bisoncodechat-bison

我们需要安装 langchain-google-vertexai Python 包。

pip install langchain-google-vertexai

查看使用示例

from langchain_google_vertexai import ChatVertexAI

嵌入模型

谷歌生成式人工智能嵌入

查看使用示例

pip install -U langchain-google-genai

配置您的 API 密钥。

export GOOGLE_API_KEY=your-api-key
from langchain_google_genai import GoogleGenerativeAIEmbeddings

Vertex AI

我们需要安装 langchain-google-vertexai Python 包。

pip install langchain-google-vertexai

查看使用示例

from langchain_google_vertexai import VertexAIEmbeddings

文档加载器

AlloyDB for PostgreSQL

Google Cloud AlloyDB 是谷歌云上提供高性能、无缝集成和令人印象深刻的可扩展性的全托管关系数据库服务。AlloyDB 与 PostgreSQL 100% 兼容。

安装 Python 包:

pip install langchain-google-alloydb-pg

查看使用示例

from langchain_google_alloydb_pg import AlloyDBEngine, AlloyDBLoader

BigQuery

Google Cloud BigQuery 是一种无服务器且成本效益的企业数据仓库,可跨云工作并随着您在谷歌云上的数据扩展。

我们需要安装带有 Big Query 依赖项的 langchain-google-community

pip install langchain-google-community[bigquery]

查看使用示例

from langchain_google_community import BigQueryLoader

Bigtable

Google Cloud Bigtable 是谷歌云中的完全托管 NoSQL 大数据数据库服务。

安装 Python 包:

pip install langchain-google-bigtable

查看Google Cloud 使用示例

from langchain_google_bigtable import BigtableLoader
### 云 SQL for MySQL
> [Google Cloud SQL for MySQL](https://cloud.google.com/sql) 是一个完全托管的数据库服务,可帮助您在 Google Cloud 上设置、维护、管理和管理 MySQL 关系数据库。
安装 Python 包:
```bash
pip install langchain-google-cloud-sql-mysql

查看使用示例

from langchain_google_cloud_sql_mysql import MySQLEngine, MySQLDocumentLoader

云 SQL for SQL Server

Google Cloud SQL for SQL Server 是一个完全托管的数据库服务,可帮助您在 Google Cloud 上设置、维护、管理和管理 SQL Server 数据库。 安装 Python 包:

pip install langchain-google-cloud-sql-mssql

查看使用示例

from langchain_google_cloud_sql_mssql import MSSQLEngine, MSSQLLoader

云 SQL for PostgreSQL

Google Cloud SQL for PostgreSQL 是一个完全托管的数据库服务,可帮助您在 Google Cloud 上设置、维护、管理和管理 PostgreSQL 关系数据库。 安装 Python 包:

pip install langchain-google-cloud-sql-pg

查看使用示例

from langchain_google_cloud_sql_pg import PostgresEngine, PostgresLoader

云存储

云存储 是一种用于在 Google Cloud 中存储非结构化数据的托管服务。 我们需要安装带有 Google Cloud 存储依赖项的 langchain-google-community


pip install langchain-google-community[gcs]

`Google Cloud Storage` 有两个加载器:`Directory` 和 `File`。
查看[使用示例](/docs/integrations/document_loaders/google_cloud_storage_directory)。
```python
from langchain_google_community import GCSDirectoryLoader

查看使用示例

from langchain_google_community import GCSFileLoader

El Carro 用于 Oracle 工作负载

Google El Carro Oracle Operator 提供了一种在 Kubernetes 中运行 Oracle 数据库的方式,作为一个可移植、开源、社区驱动的、无供应商锁定的容器编排系统。

pip install langchain-google-el-carro

查看使用示例

from langchain_google_el_carro import ElCarroLoader

Google Drive

Google Drive 是由 Google 开发的文件存储和同步服务。 目前,只支持 Google Docs。 我们需要安装带有 Google Drive 依赖项的 langchain-google-community


pip install langchain-google-community[drive]

查看[使用示例和授权说明](/docs/integrations/document_loaders/google_drive)。
```python
from langchain_google_community import GoogleDriveLoader

Firestore(原生模式)

Google Cloud Firestore 是一个为自动扩展、高性能和易于应用程序开发而构建的 NoSQL 文档数据库。 安装 Python 包:

pip install langchain-google-firestore

查看使用示例

from langchain_google_firestore import FirestoreLoader

Firestore(Datastore 模式)

Google Cloud Firestore(Datastore 模式) 是一个为自动扩展、高性能和易于应用程序开发而构建的 NoSQL 文档数据库。 Firestore 是 Datastore 的最新版本,相比 Datastore 引入了几项改进。 安装 Python 包:

pip install langchain-google-datastore

查看使用示例

from langchain_google_datastore import DatastoreLoader

Memorystore for Redis

Google Cloud Memorystore for Redis 是一个完全托管的 Redis 服务,用于 Google Cloud。在 Google Cloud 上运行的应用程序可以利用高度可扩展、可用性高、安全的 Redis 服务来实现极高的性能,而无需管理复杂的 Redis 部署。 安装 Python 包:

pip install langchain-google-memorystore-redis

查看使用示例

from langchain_google_memorystore_redis import MemorystoreLoader

Spanner

Google Cloud Spanner 是一个完全托管的、关键任务的关系数据库服务,可在 Google Cloud 上提供全球范围的事务一致性、高可用性的自动同步复制,并支持两种 SQL 方言:GoogleSQL(带扩展的 ANSI 2011)和 PostgreSQL。 安装 Python 包:

pip install langchain-google-spanner

查看使用示例

from langchain_google_spanner import SpannerLoader

语音转文本

Google Cloud 语音转文本 是由 Google 云中的 Google 语音识别模型提供支持的音频转录 API。 该文档加载器将音频文件转录为文本,并将文本结果输出为文档。 首先,我们需要安装带有语音转文本依赖项的 langchain-google-community


pip install langchain-google-community[speech]

查看[使用示例和授权说明](/docs/integrations/document_loaders/google_speech_to_text)。
```python
from langchain_google_community import SpeechToTextLoader

文档转换器

文档 AI

Google Cloud 文档 AI 是 Google Cloud 的一个服务,将文档中的非结构化数据转换为结构化数据,使其更易于理解、分析和消化。 我们需要设置一个 GCS 存储桶并创建您自己的 OCR 处理器 GCS_OUTPUT_PATH 应该是 GCS 上的一个文件夹路径(以 gs:// 开头) 处理器名称应该类似于 projects/PROJECT_NUMBER/locations/LOCATION/processors/PROCESSOR_ID。 我们可以通过编程方式获取它,也可以从 Google Cloud 控制台的 Processor details 选项卡中的 Prediction endpoint 部分复制。


pip install langchain-google-community[docai]

查看[使用示例](/docs/integrations/document_transformers/google_docai)。
```python
from langchain_core.document_loaders.blob_loaders import Blob
from langchain_google_community import DocAIParser

Google 翻译

Google 翻译 是由 Google 开发的多语言神经机器翻译服务,用于将文本、文档和网站从一种语言翻译为另一种语言。 GoogleTranslateTransformer 允许您使用 Google Cloud 翻译 API 翻译文本和 HTML。 首先,我们需要安装带有翻译依赖项的 langchain-google-community


pip install langchain-google-community[translate]

查看[使用示例和授权说明](/docs/integrations/document_transformers/google_translate)。
```python
from langchain_google_community import GoogleTranslateTransformer

向量存储

AlloyDB for PostgreSQL

Google Cloud AlloyDB 是 Google Cloud 上提供高性能、无缝集成和令人印象深刻的可扩展性的全托管关系数据库服务。AlloyDB 与 PostgreSQL 100% 兼容。 安装 Python 包:

pip install langchain-google-alloydb-pg

查看使用示例

from langchain_google_alloydb_pg import AlloyDBEngine, AlloyDBVectorStore

BigQuery 向量搜索

Google Cloud BigQuery 是 Google Cloud 中的无服务器且具有成本效益的企业数据仓库。 Google Cloud BigQuery 向量搜索 BigQuery 向量搜索允许您使用 GoogleSQL 进行语义搜索,使用向量索引快速但近似结果,或使用蛮力进行精确结果。 它可以计算欧氏距离或余弦距离。在 LangChain 中,我们默认使用欧氏距离。 我们需要安装几个 Python 包。


pip install google-cloud-bigquery

查看[使用示例](/docs/integrations/vectorstores/google_bigquery_vector_search)。
```python
from langchain.vectorstores import BigQueryVectorSearch

Memorystore for Redis

Google Cloud Memorystore for Redis 是 Google Cloud 的一个全托管 Redis 服务。在 Google Cloud 上运行的应用程序可以通过利用高度可扩展、可用、安全的 Redis 服务来实现极致性能,而无需管理复杂的 Redis 部署负担。 安装 Python 包:

pip install langchain-google-memorystore-redis

查看使用示例

from langchain_google_memorystore_redis import RedisVectorStore

Spanner

Google Cloud Spanner 是 Google Cloud 上的一个全托管、关键任务、关系数据库服务,提供全球规模的事务一致性、高可用性的自动同步复制,并支持两种 SQL 方言:GoogleSQL(带扩展的 ANSI 2011)和 PostgreSQL。 安装 Python 包:

pip install langchain-google-spanner

参见使用示例

from langchain_google_spanner import SpannerVectorStore

Firestore(原生模式)

Google Cloud Firestore 是一种NoSQL文档数据库,专为自动扩展、高性能和应用程序开发的便利性而构建。

安装python包:

pip install langchain-google-firestore

参见使用示例

from langchain_google_firestore import FirestoreVectorstore

云 SQL for MySQL

Google Cloud SQL for MySQL 是一种完全托管的数据库服务,可帮助您在Google Cloud上设置、维护、管理和管理MySQL关系数据库。

安装python包:

pip install langchain-google-cloud-sql-mysql

参见使用示例

from langchain_google_cloud_sql_mysql import MySQLEngine, MySQLVectorStore

云 SQL for PostgreSQL

Google Cloud SQL for PostgreSQL 是一种完全托管的数据库服务,可帮助您在Google Cloud上设置、维护、管理和管理PostgreSQL关系数据库。

安装python包:

pip install langchain-google-cloud-sql-pg

参见使用示例

from langchain_google_cloud_sql_pg import PostgresEngine, PostgresVectorStore

Vertex AI矢量搜索

Google Cloud Vertex AI矢量搜索 来自Google Cloud,

以前被称为Vertex AI Matching Engine,提供行业领先的高规模

低延迟矢量数据库。这些矢量数据库通常

被称为矢量相似度匹配或近似最近邻(ANN)服务。

安装python包:

pip install langchain-google-vertexai

参见使用示例

from langchain_google_vertexai import VectorSearchVectorStore

ScaNN

Google ScaNN

(可扩展最近邻)是一个python包。

ScaNN是一种用于高效的大规模矢量相似度搜索的方法。

ScaNN包括搜索空间修剪和最大内积搜索的量化,还支持其他距离函数,如

欧几里德距离。该实现针对具有AVX2支持的x86处理器进行了优化。请参阅其Google Research github

以获取更多详细信息。

我们需要安装scann python包。

pip install scann

参见使用示例

from langchain_community.vectorstores import ScaNN

检索器

Google Drive

我们需要安装几个python包。

pip install google-api-python-client google-auth-httplib2 google-auth-oauthlib

参见使用示例和授权说明

from langchain_googledrive.retrievers import GoogleDriveRetriever

Vertex AI搜索

Vertex AI搜索

来自Google Cloud,允许开发人员快速构建基于生成式AI的搜索引擎,用于客户和员工。

我们需要安装google-cloud-discoveryengine python包。

pip install google-cloud-discoveryengine

参见使用示例

from langchain.retrievers import GoogleVertexAISearchRetriever

Document AI Warehouse

Document AI Warehouse

来自Google Cloud,允许企业在单一平台中搜索、存储、管理和管理文档及其AI提取

数据和元数据。

from langchain.retrievers import GoogleDocumentAIWarehouseRetriever
docai_wh_retriever = GoogleDocumentAIWarehouseRetriever(
project_number=...
)
query = ...
documents = docai_wh_retriever.invoke(
query, user_ldap=...
)

工具

文本转语音

Google Cloud文本转语音 是Google Cloud服务,可让开发人员

合成具有100多种语音的自然语音,可用于多种语言和变体。

它应用了DeepMind在WaveNet和Google强大神经网络方面的突破性研究

以提供可能的最高保真度。

我们需要安装一个python包。


pip install google-cloud-text-to-speech

查看使用示例和授权说明

from langchain_google_community import TextToSpeechTool

Google Drive

我们需要安装几个 Python 包。

pip install google-api-python-client google-auth-httplib2 google-auth-oauthlib

查看使用示例和授权说明

from langchain_community.utilities.google_drive import GoogleDriveAPIWrapper
from langchain_community.tools.google_drive.tool import GoogleDriveSearchTool

Google Finance

我们需要安装一个 Python 包。

pip install google-search-results

查看使用示例和授权说明

from langchain_community.tools.google_finance import GoogleFinanceQueryRun
from langchain_community.utilities.google_finance import GoogleFinanceAPIWrapper

Google Jobs

我们需要安装一个 Python 包。

pip install google-search-results

查看使用示例和授权说明

from langchain_community.tools.google_jobs import GoogleJobsQueryRun
from langchain_community.utilities.google_finance import GoogleFinanceAPIWrapper

Google Lens

查看使用示例和授权说明

from langchain_community.tools.google_lens import GoogleLensQueryRun
from langchain_community.utilities.google_lens import GoogleLensAPIWrapper

Google Places

我们需要安装一个 Python 包。

pip install googlemaps

查看使用示例和授权说明

from langchain.tools import GooglePlacesTool

Google Scholar

我们需要安装一个 Python 包。

pip install google-search-results

查看使用示例和授权说明

from langchain_community.tools.google_scholar import GoogleScholarQueryRun
from langchain_community.utilities.google_scholar import GoogleScholarAPIWrapper
  • 设置自定义搜索引擎,按照这些说明

  • 从上一步获取 API 密钥和自定义搜索引擎 ID,并将它们设置为环境变量

GOOGLE_API_KEYGOOGLE_CSE_ID

from langchain_google_community import GoogleSearchAPIWrapper

有关此包装器的更详细演练,请参见此笔记本

我们可以轻松地将此包装器加载为工具(用于与代理一起使用)。我们可以这样做:

from langchain.agents import load_tools
tools = load_tools(["google-search"])

我们需要安装一个 Python 包。

pip install google-search-results

查看使用示例和授权说明

from langchain_community.tools.google_trends import GoogleTrendsQueryRun
from langchain_community.utilities.google_trends import GoogleTrendsAPIWrapper

工具包

GMail

Google Gmail 是由 Google 提供的免费电子邮件服务。

此工具包通过 Gmail API 处理电子邮件。

我们需要安装带有必需依赖项的 langchain-google-community

pip install langchain-google-community[gmail]

查看使用示例和授权说明

from langchain_google_community import GmailToolkit

存储

AlloyDB for PostgreSQL

AlloyDB for PostgreSQL 是 Google Cloud 上提供高性能、无缝集成和令人印象深刻的可扩展性的完全托管关系数据库服务。AlloyDB 与 PostgreSQL 100% 兼容。

安装 Python 包:

pip install langchain-google-alloydb-pg

查看使用示例

from langchain_google_alloydb_pg import AlloyDBEngine, AlloyDBChatMessageHistory

Cloud SQL for PostgreSQL

Cloud SQL for PostgreSQL 是 Google Cloud 上的全托管数据库服务,可帮助您在 PostgreSQL 关系数据库上设置、维护、管理和管理。

安装 Python 包:

pip install langchain-google-cloud-sql-pg

查看使用示例


from langchain_google_cloud_sql_pg import PostgresEngine, PostgresChatMessageHistory

云 SQL for MySQL

云 SQL for MySQL 是一个完全托管的数据库服务,可帮助您在 Google Cloud 上设置、维护、管理和管理 MySQL 关系数据库。

安装 Python 包:

pip install langchain-google-cloud-sql-mysql

查看使用示例

from langchain_google_cloud_sql_mysql import MySQLEngine, MySQLChatMessageHistory

云 SQL for SQL Server

云 SQL for SQL Server 是一个完全托管的数据库服务,可帮助您在 Google Cloud 上设置、维护、管理和管理 SQL Server 数据库。

安装 Python 包:

pip install langchain-google-cloud-sql-mssql

查看使用示例

from langchain_google_cloud_sql_mssql import MSSQLEngine, MSSQLChatMessageHistory

Spanner

Google Cloud Spanner 是 Google Cloud 上的一个完全托管的、关键任务关系数据库服务,可在全球范围内提供事务一致性、高可用性的自动同步复制,并支持两种 SQL 方言:GoogleSQL(带扩展的 ANSI 2011)和 PostgreSQL。

安装 Python 包:

pip install langchain-google-spanner

查看使用示例

from langchain_google_spanner import SpannerChatMessageHistory

Memorystore for Redis

Google Cloud Memorystore for Redis 是 Google Cloud 上的一个完全托管的 Redis 服务。在 Google Cloud 上运行的应用程序可以通过利用高度可扩展、可用、安全的 Redis 服务实现极高的性能,而无需管理复杂的 Redis 部署负担。

安装 Python 包:

pip install langchain-google-memorystore-redis

查看使用示例

from langchain_google_memorystore_redis import MemorystoreChatMessageHistory

Bigtable

Google Cloud Bigtable 是 Google Cloud 上的完全托管的 NoSQL 大数据数据库服务。

安装 Python 包:

pip install langchain-google-bigtable

查看使用示例

from langchain_google_bigtable import BigtableChatMessageHistory

Firestore(原生模式)

Google Cloud Firestore 是一种为自动扩展、高性能和应用程序开发便利而构建的 NoSQL 文档数据库。

安装 Python 包:

pip install langchain-google-firestore

查看使用示例

from langchain_google_firestore import FirestoreChatMessageHistory

Firestore(Datastore 模式)

Google Cloud Firestore 数据存储模式 是一种为自动扩展、高性能和应用程序开发便利而构建的 NoSQL 文档数据库。

Firestore 是 Datastore 的最新版本,并引入了几项改进。

安装 Python 包:

pip install langchain-google-datastore

查看使用示例

from langchain_google_datastore import DatastoreChatMessageHistory

El Carro:Kubernetes 的 Oracle Operator

Google El Carro Oracle Operator for Kubernetes

提供了一种在可移植、开源、社区驱动、无供应商锁定的容器编排系统 Kubernetes 中运行 Oracle 数据库的方法。

pip install langchain-google-el-carro

查看使用示例

from langchain_google_el_carro import ElCarroChatMessageHistory

聊天加载器

GMail

Gmail 是 Google 提供的免费电子邮件服务。

此加载器与通过 Gmail API 处理电子邮件一起使用。

我们需要安装带有底层依赖关系的 langchain-google-community

pip install langchain-google-community[gmail]

查看使用示例和授权说明

from langchain_google_community import GMailLoader

第三方集成

SearchApi

SearchApi 提供了一个第三方 API,用于访问 Google 搜索结果、YouTube 搜索和转录,以及其他与 Google 相关的引擎。

查看使用示例和授权说明.

from langchain_community.utilities import SearchApiAPIWrapper

SerpApi

SerpApi 提供了第三方 API 来访问谷歌搜索结果。

查看使用示例和授权说明

from langchain_community.utilities import SerpAPIWrapper

Serper.dev

查看使用示例和授权说明

from langchain_community.utilities import GoogleSerperAPIWrapper

YouTube

YouTube Search 包搜索 YouTube 视频,避免使用其受到严格限制的 API。

它使用 YouTube 主页上的表单,并抓取生成的页面。

我们需要安装一个 Python 包。

pip install youtube_search

查看使用示例

from langchain.tools import YouTubeSearchTool

YouTube 音频

YouTube 是由 Google 创建的在线视频分享和社交媒体平台。

使用 YoutubeAudioLoader 来获取/下载音频文件。

然后,使用 OpenAIWhisperParser 将其转录为文本。

我们需要安装几个 Python 包。

pip install yt_dlp pydub librosa

查看使用示例和授权说明

from langchain_community.document_loaders.blob_loaders.youtube_audio import YoutubeAudioLoader
from langchain_community.document_loaders.parsers import OpenAIWhisperParser, OpenAIWhisperParserLocal

YouTube 字幕

YouTube 是由 Google 创建的在线视频分享和社交媒体平台。

我们需要安装 youtube-transcript-api Python 包。

pip install youtube-transcript-api

查看使用示例

from langchain_community.document_loaders import YoutubeLoader

Was this page helpful?


You can leave detailed feedback on GitHub.