[利用Google Cloud SQL实现SQL Server的无缝AI集成：从存储聊天记录开始]-CSDN博客

本文链接：https://blog.csdn.net/dfvcbipanjr/article/details/142721759

引言

在现代数据驱动的世界中，企业需要高效的数据库解决方案。Google Cloud SQL 提供了一个强大的、可扩展的托管数据库服务，支持 MySQL、PostgreSQL 和 SQL Server。本文将重点介绍如何使用 Google Cloud SQL for SQL Server 来存储聊天历史记录，以及利用 Langchain 与 Vertex AI 集成来构建 AI 驱动的应用体验。

主要内容

准备工作

在开始之前，请确保完成以下步骤：

创建一个 Google Cloud 项目。
启用 Cloud SQL Admin API。
创建一个 Cloud SQL for SQL Server 实例。
创建一个数据库和数据库用户（可选）。

安装库

我们需要安装 langchain-google-cloud-sql-mssql 包。

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

认证和项目设置

在 Google Colab 中认证并设置您的 Google Cloud 项目。

from google.colab import auth
auth.authenticate_user()

PROJECT_ID = "my-project-id"  # 请替换为您的项目ID
!gcloud config set project {PROJECT_ID}

启用 API

确保启用了所需的 API：

!gcloud services enable sqladmin.googleapis.com
!gcloud services enable aiplatform.googleapis.com

MSSQLEngine 连接池

要建立与 Cloud SQL 的连接，首先需要配置一个 MSSQLEngine 对象。

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() 方法来创建存储聊天历史记录的表。

engine.init_chat_history_table(table_name="message_store")

MSSQLChatMessageHistory 使用

初始化 MSSQLChatMessageHistory 类来存储和管理聊天记录。

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)

清理数据

如果需要清理历史记录，可以使用 clear() 方法。

history.clear()

与 Vertex AI 的结合

通过与 Vertex AI 集成，可以利用聊天模型实现更智能的交互。

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)