MemgraphToolkit

这将帮助您开始使用 Memgraph 工具包。

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

设置

为了能够按照以下步骤操作，请确保您在本地主机上运行着 Memgraph 实例。有关如何运行 Memgraph 的更多详细信息，请参阅 Memgraph 文档

如果您希望从单个工具的运行中获取自动化追踪，您还可以通过取消注释下方内容来设置您的 LangSmith API 密钥

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

安装

此工具包位于 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

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 参考:init_chat_model

工具

查看可用工具

toolkit.get_tools()

调用

工具可以通过传递参数单独调用，对于 QueryMemgraphTool 来说是：

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

from langgraph.prebuilt import create_react_agent

agent_executor = create_react_agent(llm, tools)

API 参考：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 API 的更多详细信息，请访问 Memgraph 集成文档

相关

• 工具概念指南
• 工具操作指南