Skip to main content
Open In ColabOpen on GitHub

Google El Carro Oracle

Google Cloud El Carro Oracle offers a way to run Oracle databases in Kubernetes as a portable, open source, community-driven, no vendor lock-in container orchestration system. El Carro provides a powerful declarative API for comprehensive and consistent configuration and deployment as well as for real-time operations and monitoring. Extend your Oracle database's capabilities to build AI-powered experiences by leveraging the El Carro Langchain integration.

本指南将介绍如何使用 El Carro Langchain 集成来存储聊天消息历史记录，该集成使用了 ElCarroChatMessageHistory 类。此集成适用于任何 Oracle 数据库，无论其运行在何处。

在 GitHub 上了解更多关于该包的信息。

Open In Colab

开始之前​

要运行此笔记本，您需要执行以下操作：

  • 如果您想使用 El Carro 运行 Oracle 数据库，请完成入门部分。

🦜🔗 库安装​

该集成位于其独立的 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：取消注释以下单元格以重启内核，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

以登录到此笔记本的 IAM 用户身份对 Google Cloud 进行身份验证，以便访问您的 Google Cloud 项目。

  • 如果您正在使用 Colab 运行此笔记本，请使用下方的单元格并继续。
  • 如果您正在使用 Vertex AI Workbench，请查看设置说明 此处。
# from google.colab import auth

# auth.authenticate_user()

☁ 设置您的 Google Cloud 项目​

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

如果您不知道自己的项目 ID，请尝试以下操作：

  • 运行 gcloud config list。
  • 运行 gcloud projects list。
  • 查看支持页面：定位项目 ID。
# @markdown Please fill in the value below with your Google Cloud project ID and then run the cell.

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

# Set the project id
!gcloud config set project {PROJECT_ID}

基本用法​

设置 Oracle 数据库连接​

请填写以下变量，填入您的 Oracle 数据库连接详情。

# @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("Please provide a password to be used for the database user: ")

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 名称 数据库引擎 版本 版本 端点 URL 数据库名称 备份ID 就绪状态 就绪原因 数据库就绪状态 数据库就绪原因 mydb Oracle 18c Express mydb-svc.db 34.71.69.25:6021 False 创建进行中

ElCarroEngine 连接池

ElCarroEngine 配置到 Oracle 数据库的连接池，使您的应用程序能够成功建立连接，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,
)

初始化表格​

ElCarroChatMessageHistory 类需要一个具有特定模式的数据库表，以便存储聊天消息历史记录。

ElCarroEngine 类有一个 方法 init_chat_history_table()，可用于为您创建具有适当模式的表。

elcarro_engine.init_chat_history_table(table_name=TABLE_NAME)

ElCarroChatMessageHistory​

要初始化 ElCarroChatMessageHistory 类，您只需要提供以下三项内容：

  1. elcarro_engine - ElCarroEngine 引擎的一个实例。
  2. session_id - 一个唯一的标识符字符串，用于指定会话的ID。
  3. table_name : Oracle 数据库中用于存储聊天消息历史的表的名称。
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

正在清理​

当特定会话的历史记录已过时且可以删除时，可以通过以下方式进行。

注意： 一旦删除，数据将不再存储在您的数据库中，并且将永久丢失。

history.clear()

🔗 链式调用​

我们可以轻松地将此消息历史类与LCEL Runnables结合

为此，我们将使用 Google 的 Vertex AI 聊天模型 之一，这需要您在 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)