Esta página apresenta como criar aplicativos com tecnologia de LLM usando o LangChain. As visões gerais nesta página têm links para guias de procedimento no GitHub.
O que é o LangChain?
O LangChain é um framework de orquestração de LLM que ajuda os desenvolvedores a criar aplicativos de IA generativa ou fluxos de trabalho de geração aumentada de recuperação (RAG, na sigla em inglês). Ele fornece a estrutura, as ferramentas e os componentes para otimizar fluxos de trabalho complexos de LLM.
Para mais informações sobre o LangChain, consulte a página Google LangChain. Para mais informações sobre o framework LangChain, consulte a documentação do produto LangChain.
Componentes do LangChain para Cloud SQL para MySQL
O Cloud SQL para MySQL oferece as seguintes interfaces do LangChain:
Saiba como usar o LangChain com o Guia de início rápido do LangChain para Cloud SQL para MySQL.
Armazenamento de vetores do Cloud SQL para MySQL
O repositório de vetores recupera e armazena documentos e metadados de um banco de dados de vetores. O armazenamento de vetores permite que um aplicativo realize pesquisas semânticas que interpretam o significado de uma consulta do usuário. Esse tipo de pesquisa é chamado de pesquisa vetorial e pode encontrar tópicos que correspondam conceitualmente à consulta. No momento da consulta, o armazenamento de vetores recupera os vetores de embedding mais semelhantes ao embedding da solicitação de pesquisa. No LangChain, um repositório de vetores é responsável pelo armazenamento de dados incorporados e pela realização da pesquisa de vetor para você.
Para trabalhar com armazenamento de vetores no Cloud SQL para MySQL, use a
classe MySQLVectorStore.
Para mais informações, consulte a documentação do produto LangChain Vector Stores.
Guia de procedimentos de armazenamento de vetores
O guia do Cloud SQL para MySQL sobre o armazenamento de vetores mostra como fazer o seguinte:
- Instalar o pacote de integração e o LangChain
- Criar um objeto
MySQLEnginee configurar um pool de conexões para o banco de dados do Cloud SQL para MySQL - Inicializar uma tabela
- Criar um objeto de embedding usando
VertexAIEmbeddings - Inicializar um
MySQLVectorStorepadrão - Adicionar textos
- Excluir textos
- Pesquisar documentos
- Pesquisar documentos por vetor
- Adicionar um índice para acelerar consultas de pesquisa de vetor
- Remover um índice
- Criar um repositório de vetores personalizado
- Pesquisar documentos com um filtro de metadados
Carregador de documentos do Cloud SQL para MySQL
O carregador de documentos salva, carrega e exclui objetos Document do
LangChain. Por exemplo, é possível carregar dados para processamento em embeddings e
armazenar em um armazenamento de vetores ou usá-los como uma ferramenta para fornecer contexto específico
para cadeias.
Para carregar documentos no carregador de documentos do Cloud SQL para MySQL, use a
classe MySQLLoader. Os métodos MySQLLoader retornam um ou mais documentos de uma
tabela. Use a
classe MySQLDocumentSaver para salvar e excluir documentos.
Para mais informações, consulte o tópico Carregadores de documentos LangChain.
Guia de procedimentos do carregador de documentos
O guia do Cloud SQL para MySQL sobre o carregador de documentos mostra como fazer o seguinte:
- Instalar o pacote de integração e o LangChain
- Carregar documentos de uma tabela
- Adicionar um filtro ao carregador
- Personalizar a conexão e a autenticação
- Personalize a construção de documentos especificando o conteúdo e os metadados do cliente
- Como usar e personalizar um
MySQLDocumentSaverpara armazenar e excluir documentos
Histórico de mensagens do Chat do Cloud SQL para MySQL
Aplicativos de perguntas e respostas exigem um histórico do que foi dito na
conversa para dar ao aplicativo contexto para responder a outras perguntas
do usuário. A classe ChatMessageHistory do LangChain permite que o aplicativo
salve mensagens em um banco de dados e as recupere quando necessário para formular outras
respostas. Uma mensagem pode ser uma pergunta, uma resposta, uma declaração, uma saudação ou qualquer outro texto que o usuário ou aplicativo faz durante a conversa.
O ChatMessageHistory armazena cada mensagem e encadeia mensagens para cada
conversa.
O Cloud SQL para MySQL estende essa classe com MySQLChatMessageHistory.
Guia de procedimentos do histórico de mensagens do Chat
No guia do Cloud SQL para MySQL sobre o histórico de mensagens do Chat, mostramos como fazer o seguinte:
- Instalar o LangChain e fazer a autenticação no Google Cloud
- Criar um objeto
MySQLEnginee configurar um pool de conexões para o banco de dados do Cloud SQL para MySQL - Inicializar uma tabela
- Inicialize a classe
MySQLChatMessageHistorypara adicionar e excluir mensagens - Crie uma cadeia de histórico de mensagens usando a LangChain Expression Language (LCEL) e os modelos de chat da Vertex AI do Google.