[랭체인] SQL 데이터베이스 쿼리 자동화

안녕하세요! 오늘은 LangChain을 사용하여 자연어로 SQL 데이터베이스를 쿼리하는 방법에 대해 알아보겠습니다. 이 기술을 사용하면 복잡한 SQL 쿼리를 작성하지 않고도 데이터베이스에서 원하는 정보를 쉽게 얻을 수 있습니다.

1. 환경 설정

먼저, 필요한 라이브러리를 설치합니다:

pip install -Uq langchain langchain_core langchain_openai langchain_community

그리고 OpenAI API 키를 환경 변수로 설정합니다:

import os
from google.colab import userdata
os.environ["OPENAI_API_KEY"] = userdata.get('OPENAI_API_KEY')

참고: 이 부분은 Google Colab에서 작업할 때 필요한 단계입니다. 로컬 환경에서는 API 키를 직접 설정해주세요.

2. 데이터베이스 준비

이 예제에서는 Chinook 데이터베이스를 사용합니다. GitHub에서 SQL 파일을 다운로드하고 SQLite 데이터베이스를 생성합니다:

import urllib.request
import sqlite3

# SQL 파일 다운로드
urllib.request.urlretrieve(
    "https://raw.githubusercontent.com/lerocha/chinook-database/master/ChinookDatabase/DataSources/Chinook_Sqlite.sql",
    filename="Chinook_Sqlite.sql"
)

# 데이터베이스 생성 및 스크립트 실행
conn = sqlite3.connect('Chinook.db')
with open("Chinook_Sqlite.sql", 'r') as file:
    script = file.read()
conn.executescript(script)
conn.close()

3. LangChain 컴포넌트 설정

LangChain을 사용하여 데이터베이스에 연결하고 필요한 컴포넌트를 설정합니다:

from langchain_community.utilities import SQLDatabase
from langchain_core.prompts import ChatPromptTemplate
from langchain_openai import ChatOpenAI
from langchain_core.output_parsers import StrOutputParser
from langchain_core.runnables import RunnablePassthrough

# 데이터베이스 연결
db = SQLDatabase.from_uri("sqlite:///Chinook.db")

# 프롬프트 템플릿 정의
prompt_template = ChatPromptTemplate.from_template("""Based on the table schema below,
write a SQL query that would answer the user's question:

{schema}

Question: {question}
SQL Query:""")

# 스키마 정보를 가져오는 함수
def get_schema(_):
    return db.get_table_info()

4. LangChain 체인 구성

이제 모든 컴포넌트를 연결하여 체인을 구성합니다:

chain = RunnablePassthrough.assign(schema = get_schema)
         | prompt_template
         | ChatOpenAI()
         | StrOutputParser()
         | db.run

이 체인은 다음과 같은 순서로 작동합니다:

1. 스키마 정보를 가져옵니다.
2. 프롬프트 템플릿에 스키마와 사용자 질문을 삽입합니다.
3. ChatGPT 모델을 사용하여 SQL 쿼리를 생성합니다.
4. 생성된 SQL 쿼리를 파싱합니다.
5. 데이터베이스에서 쿼리를 실행합니다.

5. 체인 사용하기

이제 자연어로 데이터베이스에 질문을 할 수 있습니다:

result = chain.invoke({"question": '점원의 수는?'})
print(result)

이 코드를 실행하면 "8"이라는 결과가 출력됩니다. 이는 데이터베이스에 8명의 점원이 있다는 것을 의미합니다.

마무리

LangChain을 사용하면 복잡한 데이터베이스 쿼리를 자연어로 간단히 수행할 수 있습니다. 이 기술은 데이터 분석가, 비즈니스 사용자, 그리고 SQL에 익숙하지 않은 사람들에게 특히 유용할 것입니다.

다음 단계로는 더 복잡한 쿼리를 처리하거나, 결과를 시각화하는 방법을 탐구해볼 수 있습니다. LangChain의 강력한 기능을 활용하여 여러분의 데이터베이스 작업을 더욱 효율적으로 만들어보세요!

#LangChain

• [랭체인] 간단한 텍스트 생성 체인 만들기
• [랭체인] 텍스트 감성 분류 체인 만들기
• [랭체인] 간단한 챗봇 만들기
• [랭체인] 수학 연산 체인 구현하기
• [랭체인] SQL 데이터베이스 쿼리 자동화
• [랭체인] PythonREPL을 활용한 동적 코드 실행 챗봇 구현
• [랭체인] PDF 문서 기반 QA챗봇 구현
• [랭체인] 대화형 챗봇 만들기
• [랭체인] 도구 체인 구축 가이드
• [랭체인] 라우팅 체인 - 유연한 AI 응답 시스템 구축하기

_{Posted using Obsidian Steemit plugin}