探索Google Cloud SQL for SQL Server在AI应用中的强大功能

用户850429986511
135 阅读2分钟

探索Google Cloud SQL for SQL Server在AI应用中的强大功能

引言

Google Cloud SQL是一种全托管的关系数据库服务，支持多种数据库引擎，包括MySQL、PostgreSQL和SQL Server。它提供高性能、无缝集成和惊人的可扩展性。这篇文章将引导你如何使用Google Cloud SQL for SQL Server存储聊天消息历史，并利用Langchain集成来构建AI驱动的应用。

主要内容

准备工作

在开始之前，需要完成以下准备工作：

  1. 创建一个Google Cloud项目。
  2. 启用Cloud SQL Admin API。
  3. 创建Cloud SQL for SQL Server实例。
  4. 创建数据库并设置用户。

库的安装

我们需要安装langchain-google-cloud-sql-mssql包来进行集成。

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

认证和项目设置

确保你已认证Google Cloud账户，并设置项目ID。

from google.colab import auth
auth.authenticate_user()

PROJECT_ID = "my-project-id"
!gcloud config set project {PROJECT_ID}

启用API

确保在Google Cloud项目中启用Cloud SQL Admin API。

!gcloud services enable sqladmin.googleapis.com

MSSQLEngine连接池

用MSSQLEngine.from_instance()创建MSSQLEngine对象，其中需要提供项目信息、实例、数据库、用户及密码。

from langchain_google_cloud_sql_mssql import MSSQLEngine

engine = MSSQLEngine.from_instance(
    project_id=PROJECT_ID,
    region="us-central1",
    instance="my-mssql-instance",
    database="my-database",
    user="my-username",
    password="my-password",
)

初始化表

使用init_chat_history_table()方法创建合适的表来存储聊天消息历史。

engine.init_chat_history_table(table_name="message_store")

使用MSSQLChatMessageHistory

创建MSSQLChatMessageHistory实例，并添加用户与AI的消息。

from langchain_google_cloud_sql_mssql import MSSQLChatMessageHistory

history = MSSQLChatMessageHistory(
    engine, session_id="test_session", table_name="message_store"
)
history.add_user_message("hi!")
history.add_ai_message("whats up?")

print(history.messages)  # 输出消息历史

清理历史记录

当不再需要时，删除特定会话的历史记录。

history.clear()

与AI Chat Model的结合

启用Vertex AI API，并结合LCEL Runnables和Vertex AI模型使用消息历史。

!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: MSSQLChatMessageHistory(engine, session_id=session_id, table_name="message_store"),
    input_messages_key="question",
    history_messages_key="history",
)

config = {"configurable": {"session_id": "test_session"}}
response = chain_with_history.invoke({"question": "Hi! I'm Bob"}, config=config)
print(response.content)

常见问题和解决方案

  1. 连接超时：由于网络限制问题，建议使用API代理服务以提高访问稳定性。

  2. 认证错误：请确保你已正确完成Google Cloud账户的认证，并设置了正确的项目ID。

总结和进一步学习资源

通过这篇文章，你学习了如何利用Google Cloud SQL for SQL Server存储和管理聊天消息历史，并结合Vertex AI构建更智能的应用。你可以进一步探索Google Cloud SQL文档和Langchain的GitHub资源以获取更深入的理解。

参考资料

如果这篇文章对你有帮助，欢迎点赞并关注我的博客。您的支持是我持续创作的动力！

---END---

avatar
文章
阅读
粉丝