使用 LangChain 和 LangGraph 通过自然语言查询MongoDB

您可以使用 LangChain MongoDB集成来运行自然语言MongoDB查询。在本教程中，您构建一个基本的AI代理，使用 React助手框架和 MongoDB 助手工具包。将自然语言转换为 MQL 。

使用本教程的可运行版本以作为 Python 笔记本。

先决条件

拥有MongoDB 集群和用户。
将餐厅示例数据集添加到MongoDB 集群。
拥有 OpenAI API密钥。
运行以下命令以安装所需的依赖项：
```
pip install langchain-mongodb langchain-openai langgraph
```

概念概述

该代理利用一设立预定义的工具来执行 LLM 定义的分步计划。当用户向代理提交提示时，代理会向 LLM 发送请求，其中详细说明其可用工具和用户期望的结果。根据这些信息，法学硕士生成一系列特定的步骤，利用代理的可用工具集来实现用户的预期结果。

然后，代理执行这些步骤并确认成功，或根据需要执行更新的步骤，将中间结果发送回 LLM 进行分析。最后，系统将结果返回给用户。

构建代理

设置所需的环境变量。

在终端中，填充并运行以下命令以设立所需的环境变量。

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

将示例保存为本地Python文件。

将以下内容复制并粘贴到名为 natural_language_to_mql.py 的本地文件中。

要点

self.toolkit, 是代理可以使用的工具，是MongoDB Toolkit。的一个实例。
self.agent，即代理本身，是 React Agent框架的一个实例，该框架将 self.toolkit 作为参数。

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()

添加MongoDB连接字符串。

将 <connection-string> 替换为您的 Atlas 集群或本地部署的连接字符串。

连接字符串应使用以下格式：

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

要学习；了解更多信息，请参阅通过驱动程序连接到集群。

连接字符串应使用以下格式：

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

要学习；了解更多信息，请参阅连接字符串。

运行测试查询

从保存本地文件的目录中运行以下命令。结果可能会有所不同。

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!

后退

GraphRAG

来年

LangChain JS/TS

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()