LgChuin と LingGraph を使用した自然言語でMongoDB のクエリ

LgChuin MongoDB統合を使用して、自然言語MongoDBクエリを実行できます。このチュートリアルでは、 React AgentフレームワークとMongoDB Agent ツールキーを使用して、自然言語を MQLに変換する基本的なAIエージェントを構築します。

このチュートリアルの実行可能なバージョンをPythonノートとして操作します。

前提条件

MongoDBクラスターとユーザーを作成します。
レストランのサンプルデータセットをMongoDBクラスターに追加します。
OpenAI APIキーを用意します。
必要な依存関係をインストールするには、以下を実行します。
```
pip install langchain-mongodb langchain-openai langgraph
```

概念として

このエージェントは、事前定義されたツールのセットを活用して、LVM によって定義されたステップ付きプランを実行します。ユーザーがエージェントにプロンプトを送信すると、エージェントは、使用可能なツールとユーザーの結果の詳細を示すリクエストを LM に送信します。その情報を使用して、LVM は、エージェントの利用可能なツールセットを活用してユーザーの結果を得る特定の一連のステップを生成します。

次に、エージェントはステップを実行して成功を確認するか、分析のために中間結果を LM に送り返して、必要に応じて更新されたステップを実行します。そして最後に、システムの結果がユーザーに返されます。

エージェントをビルドする

必要な環境変数を設定します。

ターミナルで、に入力して実行し、必要な環境変数を設定します。

export OPENAI_API_KEY=<your-openai-api-key>

例をローカルPythonファイルとして保存します。

以下をコピーして、natural_language_to_mql.py というローカルファイルに貼り付けます。

キーポイント

self.toolkitは、エージェントが使用できるツールで、 MongoDB Tools のインスタンスです。
self.agent、エージェント自体は、React Agentフレームワークのインスタンスであり、self.toolkit をパラメータとして受け取ります。

1 import os
2 from langchain_openai import ChatOpenAI
3 from langgraph.prebuilt import create_react_agent
4 from langchain_mongodb.agent_toolkit import (
5     MONGODB_AGENT_SYSTEM_PROMPT,
6     MongoDBDatabase,
7     MongoDBDatabaseToolkit,
8 )
9 
10 MONGODB_URI = '<connection-string>'
11 DB_NAME = 'sample_restaurants'
12 NATURAL_LANGUAGE_QUERY = 'Find all restaurants that serve hamburgers.'
13 
14 class NaturalLanguageToMQL:
15     def __init__(self):
16         self.llm = ChatOpenAI(model="gpt-4o-mini", timeout=60)
17         self.system_message = MONGODB_AGENT_SYSTEM_PROMPT.format(top_k=5)
18         self.db_wrapper = MongoDBDatabase.from_connection_string(
19                             MONGODB_URI, 
20                             database=DB_NAME)
21         self.toolkit = MongoDBDatabaseToolkit(db=self.db_wrapper, llm=self.llm)
22         self.agent = create_react_agent(
23                         self.llm, 
24                         self.toolkit.get_tools(), 
25                         state_modifier=self.system_message)
26         self.messages = []
27 
28     def convert_to_mql_and_execute_query(self, query):
29         # Start the agent with the agent.stream() method
30         events = self.agent.stream(
31             {"messages": [("user", query)]},
32             stream_mode="values",
33         )
34         # Add output (events) from the agent to the self.messages list
35         for event in events:
36             self.messages.extend(event["messages"])
37     
38     def print_results(self):
39         # Print the the end-user's expected output from 
40         # the final message produced by the agent.
41         print(self.messages[-1].content)
42 
43 def main():
44     converter = NaturalLanguageToMQL()
45     converter.convert_to_mql_and_execute_query(NATURAL_LANGUAGE_QUERY)
46     converter.print_results()
47 
48 if __name__ == '__main__':
49     main()

MongoDB接続文字列を追加します。

<connection-string> を Atlas クラスターまたはローカル Atlas 配置の接続文字列に置き換えます。

接続stringには、次の形式を使用する必要があります。

mongodb+srv://<db_username>:<db_password>@<clusterName>.<hostname>.mongodb.net

詳しくは、ドライバーを使用してクラスターに接続するを参照してください。

接続stringには、次の形式を使用する必要があります。

mongodb://localhost:<port-number>/?directConnection=true

詳細については、「接続文字列」を参照してください。

テストクエリの実行

ローカルファイルを保存したディレクトリから、次のコマンドを実行します。結果は異なる場合があります。

python natural_language_to_mql.py

Here are some restaurants that serve hamburgers:
1. **Wendy's**
   - Address: 469 Flatbush Avenue, Brooklyn, NY 11225
   - Borough: Brooklyn
2. **White Castle**
   - Address: 531 Myrtle Avenue, Brooklyn, NY 11205
   - Borough: Brooklyn
3. **McDonald's**
   - Address: 75-50 101 Avenue, Queens, NY 11416
   - Borough: Queens
4. **McDonald's**
   - Address: 943 Flatbush Avenue, Brooklyn, NY 11226
   - Borough: Brooklyn
5. **McDonald's**
   - Address: 395 Flatbush Avenue Extension, Brooklyn, NY 11201
   - Borough: Brooklyn
Let me know if you'd like more details or additional results!

戻る

GraphRAG

LgChuin JavaScript / Typescript

1	import os
2	from langchain_openai import ChatOpenAI
3	from langgraph.prebuilt import create_react_agent
4	from langchain_mongodb.agent_toolkit import (
5	MONGODB_AGENT_SYSTEM_PROMPT,
6	MongoDBDatabase,
7	MongoDBDatabaseToolkit,
8	)
9
10	MONGODB_URI = '<connection-string>'
11	DB_NAME = 'sample_restaurants'
12	NATURAL_LANGUAGE_QUERY = 'Find all restaurants that serve hamburgers.'
13
14	class NaturalLanguageToMQL:
15	def __init__(self):
16	self.llm = ChatOpenAI(model="gpt-4o-mini", timeout=60)
17	self.system_message = MONGODB_AGENT_SYSTEM_PROMPT.format(top_k=5)
18	self.db_wrapper = MongoDBDatabase.from_connection_string(
19	MONGODB_URI,
20	database=DB_NAME)
21	self.toolkit = MongoDBDatabaseToolkit(db=self.db_wrapper, llm=self.llm)
22	self.agent = create_react_agent(
23	self.llm,
24	self.toolkit.get_tools(),
25	state_modifier=self.system_message)
26	self.messages = []
27
28	def convert_to_mql_and_execute_query(self, query):
29	# Start the agent with the agent.stream() method
30	events = self.agent.stream(
31	{"messages": [("user", query)]},
32	stream_mode="values",
33	)
34	# Add output (events) from the agent to the self.messages list
35	for event in events:
36	self.messages.extend(event["messages"])
37
38	def print_results(self):
39	# Print the the end-user's expected output from
40	# the final message produced by the agent.
41	print(self.messages[-1].content)
42
43	def main():
44	converter = NaturalLanguageToMQL()
45	converter.convert_to_mql_and_execute_query(NATURAL_LANGUAGE_QUERY)
46	converter.print_results()
47
48	if __name__ == '__main__':
49	main()