Memgraph工具包
概览
这将帮助你开始使用Memgraph 工具包。
工具位于MemgraphToolkit中，设计用于与Memgraph数据库的交互。
设置
要能够遵循以下步骤，请确保本地主机上已经运行了Memgraph实例。如需了解如何运行Memgraph的更多细节，请参阅Memgraph文档。
如果您想从单独工具的运行中获得自动跟踪，请通过取消注释下方代码设置您的 LangSmith API密钥：
# os.environ["LANGSMITH_API_KEY"] = getpass.getpass("Enter your LangSmith API key: ")
# os.environ["LANGSMITH_TRACING"] = "true"
安装
这个工具包位于langchain-memgraph包中:
%pip install -qU langchain-memgraph
Instantiation
现在我们可以实例化我们的工具包:
from langchain.chat_models import init_chat_model
from langchain_memgraph import MemgraphToolkit
from langchain_memgraph.graphs.memgraph import Memgraph
db = Memgraph(url=url, username=username, password=password)
llm = init_chat_model("gpt-4o-mini", model_provider="openai")
toolkit = MemgraphToolkit(
db=db, # Memgraph instance
llm=llm, # LLM chat model for LLM operations
)
API 参考:init_chat_model
工具
查看可用工具：
toolkit.get_tools()
Invocation
工具可以通过传递参数单独调用，对于QueryMemgraphTool来说，会是这样的：
from langchain_memgraph.tools import QueryMemgraphTool
# Rest of the code omitted for brevity
tool.invoke({QueryMemgraphTool({"query": "MATCH (n) RETURN n LIMIT 5"})})
使用于代理
from langgraph.prebuilt import create_react_agent
agent_executor = create_react_agent(llm, tools)
API 参考:create_react_agent
example_query = "MATCH (n) RETURN n LIMIT 1"
events = agent_executor.stream(
{"messages": [("user", example_query)]},
stream_mode="values",
)
for event in events:
event["messages"][-1].pretty_print()
API 参考
更多详细信息请参阅Memgraph集成文档