Python开发AI智能体(十一)———Agent数据库智能体

【本人】

已于 2025-07-16 10:37:33 修改

阅读量1k

点赞数 16

CC 4.0 BY-SA版权

分类专栏： Agent智能体文章标签： python 人工智能开发语言 langchain mysql

于 2025-05-28 11:37:57 首次发布

本文链接：https://blog.csdn.net/weixin_53953736/article/details/148278252

Agent智能体专栏收录该内容

11 篇文章

订阅专栏

前言

上篇文章介绍Langchain框架如何连接数据库

这篇文章将带领大家编写一个Agent数据库智能体

一、开发环境

版本：Python 3.10.4 版本（注：Python版本至少3.9以上，最好是3.10版本） MySQL8.0

我这里用到的是MySQL数据库

二、编写代码

1.调用API、连接数据库

这部分代码在上一篇文章已经做过详细介绍了，这里就不过多讲述了

# 调用AI检测平台（langSmith）
import os
import sys

os.environ["LANGCHAIN_TRACING_V2"] = "true"
os.environ["LANGCHAIN_API_KEY"] = 'xxxxxxxxxx'
os.environ["LANGCHAIN_PROJECT"] = "智谱AI"

#调用智谱AI API
os.environ["ZHIPUAI_API_KEY"] = "xxxxxxxx"

#调用第三方库
from langchain_community.chat_models import ChatZhipuAI
from langchain_community.utilities import SQLDatabase
from langchain_community.agent_toolkits import SQLDatabaseToolkit
from langchain_core.messages import SystemMessage, HumanMessage
from langgraph.prebuilt import chat_agent_executor

#调用大语言模型
model = ChatZhipuAI(model_name='glm-4-flash')


HOSTNAME = '127.0.0.1'
PORT='3306'
DATABASE = 'langchain'
USERNAME = 'root'
PASSWORD = 'root'
MYSQL_UEL = 'mysql+pymysql://{}:{}@{}:{}/{}?charset=utf8mb4'.format(USERNAME,PASSWORD,HOSTNAME,PORT,DATABASE)

db = SQLDatabase.from_uri(MYSQL_UEL)

2.创建工具

toolkit = SQLDatabaseToolkit(db=db,llm=model)
tools = toolkit.get_tools()

SQLDatabase Toolkit：LangChain生态系统中的一个重要组件,专门设计用于帮助AI代理与SQL数据库进行交互。它提供了一系列工具,使得AI系统能够执行诸如查询数据、检查数据库结构、验证SQL语句等操作。
db:连接的数据库
llm:调用的大语言模型
.get_tools:返回了当前工具包中所有可用工具的列表。这些工具随后可以被用于构建智能代理

3.定义提示词模板

system_prompt="""
你是一个被设计用来与SQL数据库交互的代理。
给定一个输入问题，创建一个语法正确的SQL语句并且执行，然后查看查询结果并且返回答案。
除非用户指定了他们想要获得的实例的具体数量，否则始终将SQL查询限制为最多10个结果。
你可以按相关列对结果进行排序，以返回MySQL数据库中最匹配的数据。
你可以使用与数据库交互的工具。在执行查询之前，你必须仔细检查。如果执行查询时出现错误，请重新查询并重试。
不要对数据库做任何的DML语句（插入，更新，删除等）。

首先，你应该查看数据库中的表，看看能查询什么。
不要跳过这个一步。
然后查询最相关表的模式。



"""
system_message = SystemMessage(content=system_prompt)

4.创建代理Agent

agent = chat_agent_executor.create_tool_calling_executor(model,tools,prompt=system_message)

chat_agent_executor.create_tool_calling_executor：创建一个支持工具调用的聊天代理执行器，使代理（Agent）能够在对话过程中动态调用外部工具（如API、函数等），从而增强其处理复杂任务的能力。
这个方法里面一共有三个参数 model调用的大模型 tools创造的工具以即提示词模板

5.运行部分

def run():
  question = input('请输入你的问题')
  question = '"' + question + '"'
  resp = agent.invoke({'messages':[HumanMessage(content=question)]})

  result = resp['messages']

  #最后一个才是真正的答案
  print(result[len(result)-1].content)
  num = int(input('请输入你的选择  1.提问 2.退出系统'))
  if num == 1:
      run()
  else:
      sys.exit()

if __name__ == "__main__":
    print('--------欢迎来到数据库智能体---------')

    run()

6.运行结果

7.完整代码

# 调用AI检测平台（langSmith）
import os
import sys

os.environ["LANGCHAIN_TRACING_V2"] = "true"
os.environ["LANGCHAIN_API_KEY"] = 'xxxxxxxx'
os.environ["LANGCHAIN_PROJECT"] = "智谱AI"

#调用智谱AI API
os.environ["ZHIPUAI_API_KEY"] = "xxxxxxxxxxx"

#调用第三方库
from langchain_community.chat_models import ChatZhipuAI
from langchain_community.utilities import SQLDatabase
from langchain_community.agent_toolkits import SQLDatabaseToolkit
from langchain_core.messages import SystemMessage, HumanMessage
from langgraph.prebuilt import chat_agent_executor

#调用大语言模型
model = ChatZhipuAI(model_name='glm-4-flash')

HOSTNAME = '127.0.0.1'
PORT='3306'
DATABASE = 'langchain'
USERNAME = 'root'
PASSWORD = 'root'
#pymysql驱动URL 这里也可以选其他的
MYSQL_UEL = 'mysql+pymysql://{}:{}@{}:{}/{}?charset=utf8mb4'.format(USERNAME,PASSWORD,HOSTNAME,PORT,DATABASE)
#langchain连接数据库
db = SQLDatabase.from_uri(MYSQL_UEL)

#创建工具
toolkit = SQLDatabaseToolkit(db=db,llm=model)
tools = toolkit.get_tools()


system_prompt="""
你是一个被设计用来与SQL数据库交互的代理。
给定一个输入问题，创建一个语法正确的SQL语句并且执行，然后查看查询结果并且返回答案。
除非用户指定了他们想要获得的实例的具体数量，否则始终将SQL查询限制伟最多10个结果。
你可以按相关列对结果进行排序，以返回MySQL数据库中最匹配的数据。
你可以使用与数据库交互的工具。在执行查询之前，你必须仔细检查。如果执行查询时出现错误，请重新查询并重试。
不要对数据库做任何的DML语句（插入，更新，删除等）。

首先，你应该查看数据库中的表，看看能查询什么。
不要跳过这个一步。
然后查询最相关表的模式。



"""
system_message = SystemMessage(content=system_prompt)

agent = chat_agent_executor.create_tool_calling_executor(model,tools,prompt=system_message)


def run():
  question = input('请输入你的问题')
  question = '"' + question + '"'
  resp = agent.invoke({'messages':[HumanMessage(content=question)]})

  result = resp['messages']
  # print(result)
  # print(len(result))

  #最后一个才是真正的答案
  print(result[len(result)-1].content)
  num = int(input('请输入你的选择  1.提问 2.退出系统'))
  if num == 1:
      run()
  else:
      sys.exit()

if __name__ == "__main__":
    print('--------欢迎来到数据库智能体---------')

    run()