Google AlloyDB for PostgreSQL

Google Cloud AlloyDB for PostgreSQL 是一个完全托管的 PostgreSQL 兼容数据库服务，适用于您最苛刻的企业工作负载。AlloyDB 结合了 Google Cloud 和 PostgreSQL 的最佳特点，提供卓越的性能、可扩展性和可用性。扩展您的数据库应用程序，利用 AlloyDB Langchain 集成构建 AI 驱动的体验。

本笔记本介绍如何使用 Google Cloud AlloyDB for PostgreSQL 存储聊天消息历史记录，使用 AlloyDBChatMessageHistory 类。

在 GitHub 上了解更多有关该软件包的信息。

开始之前

要运行此笔记本，您需要执行以下操作：

• 创建一个 Google Cloud 项目
• 启用 AlloyDB API
• 创建一个 AlloyDB 实例
• 创建一个 AlloyDB 数据库
• 向数据库添加 IAM 数据库用户（可选）

🦜🔗 库安装

集成位于其自己的 langchain-google-alloydb-pg 包中，因此我们需要安装它。

%pip install --upgrade --quiet langchain-google-alloydb-pg langchain-google-vertexai

仅限 Colab： 取消注释以下单元以重启内核，或使用按钮重启内核。对于 Vertex AI Workbench，您可以使用顶部的按钮重启终端。

# # Automatically restart kernel after installs so that your environment can access the new packages
# import IPython

# app = IPython.Application.instance()
# app.kernel.do_shutdown(True)

🔐 身份验证

以登录此笔记本的 IAM 用户身份对 Google Cloud 进行身份验证，以访问您的 Google Cloud 项目。

• 如果您使用 Colab 运行此笔记本，请使用下面的单元格并继续。
• 如果您使用 Vertex AI Workbench，请查看 这里 的设置说明。

from google.colab import auth

auth.authenticate_user()

☁ 设置您的 Google Cloud 项目

设置您的 Google Cloud 项目，以便您可以在此笔记本中利用 Google Cloud 资源。

如果您不知道您的项目 ID，请尝试以下方法：

• 运行 gcloud config list。
• 运行 gcloud projects list。
• 查看支持页面：查找项目 ID。

# @markdown 请在下面填写您的 Google Cloud 项目 ID 的值，然后运行该单元格。

PROJECT_ID = "my-project-id"  # @param {type:"string"}

# 设置项目 ID
!gcloud config set project {PROJECT_ID}

💡 API启用

langchain-google-alloydb-pg 包要求您在 Google Cloud 项目中 启用 AlloyDB 管理 API。

# enable AlloyDB API
!gcloud services enable alloydb.googleapis.com

基本用法

设置 AlloyDB 数据库值

在 AlloyDB 集群页面 中查找您的数据库值。

# @title Set Your Values Here { display-mode: "form" }
REGION = "us-central1"  # @param {type: "string"}
CLUSTER = "my-alloydb-cluster"  # @param {type: "string"}
INSTANCE = "my-alloydb-instance"  # @param {type: "string"}
DATABASE = "my-database"  # @param {type: "string"}
TABLE_NAME = "message_store"  # @param {type: "string"}

AlloyDBEngine 连接池

将 AlloyDB 作为 ChatMessageHistory 内存存储的一个要求和参数是一个 AlloyDBEngine 对象。AlloyDBEngine 配置了一个连接池到您的 AlloyDB 数据库，使您的应用程序能够成功连接并遵循行业最佳实践。

要使用 AlloyDBEngine.from_instance() 创建一个 AlloyDBEngine，您只需提供 5 个参数：

1. project_id : AlloyDB 实例所在 Google Cloud 项目的项目 ID。
2. region : AlloyDB 实例所在的区域。
3. cluster: AlloyDB 集群的名称。
4. instance : AlloyDB 实例的名称。
5. database : 要连接的 AlloyDB 实例上的数据库名称。

默认情况下，将使用 IAM 数据库身份验证 作为数据库身份验证的方法。此库使用来自环境的 应用程序默认凭据 (ADC) 所属的 IAM 主体。

可选地，可以使用用户名和密码访问 AlloyDB 数据库的 内置数据库身份验证。只需向 AlloyDBEngine.from_instance() 提供可选的 user 和 password 参数：

• user : 用于内置数据库身份验证和登录的数据库用户
• password : 用于内置数据库身份验证和登录的数据库密码。

from langchain_google_alloydb_pg import AlloyDBEngine

engine = AlloyDBEngine.from_instance(
    project_id=PROJECT_ID,
    region=REGION,
    cluster=CLUSTER,
    instance=INSTANCE,
    database=DATABASE,
)

初始化表

AlloyDBChatMessageHistory 类需要一个具有特定模式的数据库表来存储聊天消息历史记录。

AlloyDBEngine 引擎有一个辅助方法 init_chat_history_table()，可以用来为您创建具有正确模式的表。

engine.init_chat_history_table(table_name=TABLE_NAME)

AlloyDBChatMessageHistory

要初始化 AlloyDBChatMessageHistory 类，您只需要提供3个参数：

1. engine - 一个 AlloyDBEngine 引擎的实例。
2. session_id - 一个唯一标识符字符串，用于指定会话的 ID。
3. table_name : 在 AlloyDB 数据库中存储聊天消息历史的表名。

from langchain_google_alloydb_pg import AlloyDBChatMessageHistory

history = AlloyDBChatMessageHistory.create_sync(
    engine, session_id="test_session", table_name=TABLE_NAME
)
history.add_user_message("hi!")
history.add_ai_message("whats up?")

history.messages

清理

当特定会话的历史记录不再需要并可以删除时，可以通过以下方式进行处理。

注意： 一旦删除，数据将不再存储在 AlloyDB 中，并且将永久丢失。

history.clear()

🔗 链接

我们可以轻松地将这个消息历史类与 LCEL Runnables 结合起来。

为此，我们将使用 Google 的 Vertex AI 聊天模型，这要求您在 Google Cloud 项目中 启用 Vertex AI API。

# enable Vertex AI API
!gcloud services enable aiplatform.googleapis.com

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: AlloyDBChatMessageHistory.create_sync(
        engine,
        session_id=session_id,
        table_name=TABLE_NAME,
    ),
    input_messages_key="question",
    history_messages_key="history",
)

# This is where we configure the session id
config = {"configurable": {"session_id": "test_session"}}

chain_with_history.invoke({"question": "Hi! I'm bob"}, config=config)

chain_with_history.invoke({"question": "Whats my name"}, config=config)