Google SQL for SQL Server

Google Cloud SQL 是一项完全托管的关系数据库服务，具有高性能、无缝集成和出色的可扩展性。它提供 MySQL、PostgreSQL 和 SQL Server 数据库引擎。利用 Cloud SQL 的 Langchain 集成，扩展您的数据库应用程序以构建支持 AI 的体验。

本笔记本将介绍如何使用 Google Cloud SQL for SQL Server 类来存储聊天消息历史记录。

在 GitHub 上了解更多关于该软件包的信息。

开始之前

要运行此Notebook，您需要执行以下操作：

🦜🔗 库安装

集成 resides in its own langchain-google-cloud-sql-mssql package, so we need to install it.

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

仅限 Colab： 取消注释以下单元格以重新启动内核，或使用按钮重新启动内核。对于 Vertex AI Workbench，您可以使用顶部的按钮重启终端。

# # Automatically restart kernel after installs so that your environment can access the new packages
# import IPython

# app = IPython.Application.instance()
# app.kernel.do_shutdown(True)

🔐 身份验证

请登录到 Google Cloud，使用当前笔记本中登录的 IAM 用户来访问您的 Google Cloud 项目。

如果您正在使用 Colab 运行此笔记本，请使用下面的单元格并继续。
如果您正在使用 Vertex AI Workbench，请查看此处的设置说明：here。

from google.colab import auth

auth.authenticate_user()

☁ 设置您的 Google Cloud 项目

设置您的 Google Cloud 项目，以便在本笔记本中利用 Google Cloud 资源。

如果您不知道您的项目 ID，可以尝试以下方法：

运行 gcloud config list。
运行 gcloud projects list。
查看支持页面：查找项目 ID。

# @markdown Please fill in the value below with your Google Cloud project ID and then run the cell.

PROJECT_ID = "my-project-id"  # @param {type:"string"}

# Set the project id
!gcloud config set project {PROJECT_ID}

💡 API 启用

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

# enable 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 实例页面中查找您的数据库值。

# @title Set Your Values Here { 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

将 Cloud SQL 设置为 ChatMessageHistory 内存存储的要求和参数之一是 MSSQLEngine 对象。MSSQLEngine 配置连接池到您的 Cloud SQL 数据库，从而实现您应用程序的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 个项：

project_id：Cloud SQL 实例所在的 Google Cloud 项目的项目 ID。
region：Cloud SQL 实例所在的区域。
instance：Cloud SQL 实例的名称。
database：要连接到 Cloud SQL 实例上的数据库的名称。
user：用于内置数据库身份验证和登录的数据库用户。
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，将使用内置数据库身份验证（使用用户名和密码访问 Cloud SQL 数据库）来进行数据库身份验证。

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

MSSQLChatMessageHistory 类需要一个具有特定架构的数据库表来存储聊天消息历史记录。

MSSQLEngine 引擎有一个名为 init_chat_history_table() 的辅助方法，您可以使用它来为您创建具有适当架构的表。

engine.init_chat_history_table(table_name=TABLE_NAME)

MSSQLChatMessageHistory

要初始化 MSSQLChatMessageHistory 类，您只需要提供三样东西：

engine - MSSQLEngine 引擎的实例。
session_id - 一个唯一的标识符字符串，用于指定会话 ID。
table_name : Cloud SQL 数据库中用于存储聊天消息历史的表的名称。

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已过时且可以删除时，可以通过以下方式进行。

注意： 删除后，数据将不再存储在 Cloud SQL 中，并且将永久消失。

history.clear()

🔗 链式调用

我们可以轻松地将此消息历史类与 LCEL Runnables 结合使用

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

# enable 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

API Reference:ChatPromptTemplate | MessagesPlaceholder | RunnableWithMessageHistory | 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",
)

# This is where we configure the session id
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.')

开始之前​

🦜🔗 库安装​

🔐 身份验证​

☁ 设置您的 Google Cloud 项目​

💡 API 启用​

基本用法​

设置 Cloud SQL 数据库值​

MSSQLEngine 连接池​

初始化表​

MSSQLChatMessageHistory​

清理​

🔗 链式调用​