Google El Carro Oracle

Google Cloud El Carro Oracle 提供了一种在 Kubernetes 中运行 Oracle 数据库的方法，作为一个可移植的、开源的、社区驱动的、无供应商锁定的容器编排系统。El Carro 提供了强大的声明式 API，用于全面和一致的配置和部署，以及实时操作和监控。通过利用 El Carro Langchain 集成，扩展您的 Oracle 数据库的功能，以构建 AI 驱动的体验。

本指南介绍了如何使用 El Carro Langchain 集成来存储聊天消息历史，使用 ElCarroChatMessageHistory 类。此集成适用于任何 Oracle 数据库，无论其运行在哪里。

在 GitHub 上了解更多关于该包的信息。

开始之前

要运行此笔记本，您需要执行以下操作：

• 如果您希望使用 El Carro 运行 Oracle 数据库，请完成 入门 部分。

🦜🔗 库安装

集成在其自己的 langchain-google-el-carro 包中，因此我们需要安装它。

%pip install --upgrade --quiet langchain-google-el-carro langchain-google-vertexai langchain

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，请尝试以下操作：

• 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，然后运行该单元。

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

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

基本用法

设置 Oracle 数据库连接

填写以下变量以提供您的 Oracle 数据库连接详细信息。

# @title Set Your Values Here { display-mode: "form" }
HOST = "127.0.0.1"  # @param {type: "string"}
PORT = 3307  # @param {type: "integer"}
DATABASE = "my-database"  # @param {type: "string"}
TABLE_NAME = "message_store"  # @param {type: "string"}
USER = "my-user"  # @param {type: "string"}
PASSWORD = input("请输入用于数据库用户的密码: ")

如果您使用的是 El Carro，可以在 El Carro Kubernetes 实例的状态中找到主机名和端口值。使用您为 PDB 创建的用户密码。 示例

kubectl get -w instances.oracle.db.anthosapis.com -n db NAME DB ENGINE VERSION EDITION ENDPOINT URL DB NAMES BACKUP ID READYSTATUS READYREASON DBREADYSTATUS DBREADYREASON mydb Oracle 18c Express mydb-svc.db 34.71.69.25:6021 False CreateInProgress

ElCarroEngine 连接池

ElCarroEngine 配置一个连接池到您的 Oracle 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。

from langchain_google_el_carro import ElCarroEngine

elcarro_engine = ElCarroEngine.from_instance(
    db_host=HOST,
    db_port=PORT,
    db_name=DATABASE,
    db_user=USER,
    db_password=PASSWORD,
)

初始化表

ElCarroChatMessageHistory 类需要一个具有特定架构的数据库表以存储聊天消息历史记录。

ElCarroEngine 类有一个方法 init_chat_history_table()，可以用于为您创建具有正确架构的表。

elcarro_engine.init_chat_history_table(table_name=TABLE_NAME)

ElCarroChatMessageHistory

要初始化 ElCarroChatMessageHistory 类，您只需提供 3 个参数：

1. elcarro_engine - ElCarroEngine 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 : 存储聊天消息历史的 Oracle 数据库中的表名。

from langchain_google_el_carro import ElCarroChatMessageHistory

history = ElCarroChatMessageHistory(
    elcarro_engine=elcarro_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过时时，可以通过以下方式删除。

注意： 一旦删除，数据将不再存储在您的数据库中，且将永远消失。

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: ElCarroChatMessageHistory(
        elcarro_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)