Google SQL for MySQL
Google Cloud SQL 是一种完全托管的关系型数据库服务,提供高性能、无缝集成和出色的可扩展性。它支持
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 AI 驱动的体验。
本笔记本将介绍如何使用 Google Cloud SQL for MySQL
以及 MySQLChatMessageHistory
类来存储聊天消息历史记录。
在 GitHub 上了解更多关于此包的信息。
开始之前
要运行此笔记本,您需要执行以下操作:
- 创建 Google Cloud 项目
- 启用 Cloud SQL Admin API。
- 创建 Cloud SQL for MySQL 实例
- 创建 Cloud SQL 数据库
- 向数据库添加 IAM 数据库用户(可选)
🦜🔗 库安装
该集成位于其独立的 langchain-google-cloud-sql-mysql
包中,因此我们需要安装它。
%pip install --upgrade --quiet langchain-google-cloud-sql-mysql langchain-google-vertexai
仅限 Colab:取消注释以下单元格以重启内核,或使用按钮重启内核。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)
🔐 认证
以登录此笔记本的 IAM 用户身份向 Google Cloud 进行认证,以便访问您的 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。
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
。 - 请参阅支持页面: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-mysql
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-mysql-instance" # @param {type: "string"}
DATABASE = "my-database" # @param {type: "string"}
TABLE_NAME = "message_store" # @param {type: "string"}
MySQLEngine 连接池
将 Cloud SQL 建立为 ChatMessageHistory 内存存储的要求和参数之一是 MySQLEngine
对象。MySQLEngine
为您的 Cloud SQL 数据库配置连接池,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 MySQLEngine.from_instance()
创建一个 MySQLEngine
,您只需提供 4 个信息
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
:要连接的 Cloud SQL 实例上的数据库名称。
默认情况下,将使用IAM 数据库身份验证作为数据库身份验证方法。此库使用来自环境的应用程序默认凭据 (ADC) 所属的 IAM 主体。
有关 IAM 数据库身份验证的更多信息,请参阅
可选地,也可以使用内置数据库身份验证,通过用户名和密码访问 Cloud SQL 数据库。只需向 MySQLEngine.from_instance()
提供可选的 user
和 password
参数即可。
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。
from langchain_google_cloud_sql_mysql import MySQLEngine
engine = MySQLEngine.from_instance(
project_id=PROJECT_ID, region=REGION, instance=INSTANCE, database=DATABASE
)
初始化表
MySQLChatMessageHistory
类需要一个具有特定模式的数据库表来存储聊天消息历史记录。
MySQLEngine
引擎有一个辅助方法 init_chat_history_table()
,可以用于为您创建具有正确模式的表。
engine.init_chat_history_table(table_name=TABLE_NAME)
MySQLChatMessageHistory
要初始化 MySQLChatMessageHistory
类,您只需提供 3 项内容
engine
- 一个MySQLEngine
引擎实例。session_id
- 用于指定会话 ID 的唯一标识符字符串。table_name
:Cloud SQL 数据库中用于存储聊天消息历史记录的表的名称。
from langchain_google_cloud_sql_mysql import MySQLChatMessageHistory
history = MySQLChatMessageHistory(
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: 一旦删除,数据将不再存储在 Cloud SQL 中,且无法恢复。
history.clear()
🔗 链接
我们可以轻松地将此消息历史记录类与 LCEL Runnables 结合使用
为此,我们将使用 Google 的Vertex AI 聊天模型之一,这要求您在 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
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: MySQLChatMessageHistory(
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.')