Dotazování s agentem Databricks SQL

Databricks with the Python SDK

Avi Steinberg

Senior Software Engineer

Databricks Unity Catalog

Hlavní způsob ukládání dat v Databricks
Obsahuje schémata, která mohou zahrnovat více tabulek
Tabulky lze vytvářet z různých zdrojů
Vzorový katalog obsahuje několik open-source schémat

Databricks Unity Catalog

¹ https://docs.databricks.com/aws/en/catalogs/

LangChain

Knihovna pro tvorbu a nasazení LLM aplikací
Umožňuje vytvářet AI agenty dotazující se na data pomocí SQL

Závislosti LangChain pro Python

Instalace závislostí Pythonu:

pip install --upgrade databricks-langchain langchain-community langchain 
                      databricks-sql-connector databricks-sqlalchemy

Import knihoven:

from langchain_community.agent_toolkits import create_sql_agent
from langchain_community.agent_toolkits import SQLDatabaseToolkit
from langchain_community.utilities import SQLDatabase
from databricks_langchain import ChatDatabricks

ID SQL Warehouse v Databricks

Detaily připojení k SQL Warehouse v Databricks

Ověření LangChain v pracovním prostoru Databricks

Export proměnných prostředí:

os.environ["DATABRICKS_TOKEN"] = "<Your-Access-Token>"
os.environ["DATABRICKS_HOST"] = "<your-workspace-id>.cloud.databricks.com"

Agent Databricks SQL

Dotazování AI agenta na data ve schématu katalogu Databricks
Agent dokáže odpovídat na otázky o datech pomocí SQL
Pomocí verbose=True zobrazíte postup agenta

Výstup dotazu LangChain

Dotazování katalogu pomocí agenta Databricks SQL

db = SQLDatabase.from_databricks(
    catalog="samples", 
    schema="nyctaxi",
    warehouse_id=warehouse_id)
llm = ChatDatabricks(
    endpoint="databricks-meta-llama-3-3-70b-instruct",
    temperature=0.1,
    max_tokens=100)
toolkit = SQLDatabaseToolkit(db=db, llm=llm)
agent = create_sql_agent(llm=llm, toolkit=toolkit, verbose=True)
# Query the Databricks SQL Agent
result = agent.run("What's the time and distance of the longest trip?")
print(result)

¹ https://docs.databricks.com/aws/en/large-language-models/langchain#databricks-sql-agent

Vytvoření SQL databáze LangChain z katalogu Databricks

db = SQLDatabase.from_databricks(
    catalog="samples", 
    schema="nyctaxi",
    warehouse_id="<your-warehouse-id>"
)

¹ api.python.langchain.com/en/latest/utilities/langchain_community.utilities.sql_database.SQLDatabase.html

Vytvoření LLM v LangChain pomocí základního modelu

llm = ChatDatabricks(

    endpoint="databricks-meta-llama-3-3-70b-instruct",

    temperature=0.1,
    max_tokens=100,
)

temperature: desetinné číslo od 0 do 1 určující náhodnost odpovědí modelu
max_tokens: maximální počet tokenů v odpovědi

¹ https://docs.databricks.com/aws/en/large-language-models/langchain

Vytvoření sady nástrojů SQL databáze v LangChain

toolkit = SQLDatabaseToolkit(db=db, llm=llm)

¹ https://docs.databricks.com/aws/en/large-language-models/langchain

Vytvoření agenta Databricks SQL

agent = create_sql_agent(llm=llm, toolkit=toolkit, verbose=True)

result = agent.run("What's the time and distance of the longest trip?")
display(result)

The average trip takes approximately 15 minutes.

¹ https://docs.databricks.com/aws/en/large-language-models/langchain

Pojďme dotazovat data v Databricks!

Databricks with the Python SDK