Skip to main content
Open In ColabOpen on GitHub

MemgraphToolkit

这将帮助您开始使用 Memgraph toolkit。

MemgraphToolkit 中的工具旨在与 Memgraph 数据库进行交互。

设置​

为了能够遵循以下步骤，请确保您在本地主机上有一个正在运行的 Memgraph 实例。有关如何运行 Memgraph 的更多详细信息，请参阅 Memgraph 文档

如果你想获取单个工具运行的自动化追踪，你也可以通过取消下面一行的注释来设置你的 LangSmith API 密钥：

# os.environ["LANGSMITH_API_KEY"] = getpass.getpass("Enter your LangSmith API key: ")
# os.environ["LANGSMITH_TRACING"] = "true"

安装​

该工具包位于 langchain-memgraph 包中：

%pip install -qU langchain-memgraph

实例化​

现在我们可以实例化我们的工具包了：

from langchain.chat_models import init_chat_model
from langchain_memgraph import MemgraphToolkit
from langchain_memgraph.graphs.memgraph import MemgraphLangChain

db = MemgraphLangChain(url=url, username=username, password=password)

llm = init_chat_model("gpt-4o-mini", model_provider="openai")

toolkit = MemgraphToolkit(
    db=db,  # Memgraph instance
    llm=llm,  # LLM chat model for LLM operations
)
API Reference:init_chat_model

工具​

查看可用工具：

toolkit.get_tools()

调用​

可以通过传递参数来单独调用工具，对于 QueryMemgraphTool，它将是：

from langchain_memgraph.tools import QueryMemgraphTool

# Rest of the code omitted for brevity

tool.invoke({QueryMemgraphTool({"query": "MATCH (n) RETURN n LIMIT 5"})})

在代理中使用​

This example shows how to use this

from langgraph.prebuilt import create_react_agent

agent_executor = create_react_agent(llm, tools)
API Reference:create_react_agent
example_query = "MATCH (n) RETURN n LIMIT 1"

events = agent_executor.stream(
    {"messages": [("user", example_query)]},
    stream_mode="values",
)
for event in events:
    event["messages"][-1].pretty_print()

API 参考​

有关更多 API 详情，请访问 Memgraph 集成文档