次の方法で共有

LlamaIndex と Databricks Unity カタログ ツールの統合

Databricks Unity カタログを使用して、LlamaIndex ワークフローのツールとして SQL 関数と Python 関数を統合します。 この統合は、Unity カタログ ガバナンスと LlamaIndex の機能を組み合わせて、LLM の大規模なデータセットのインデックス作成とクエリを実行します。

要求事項

  • Python 3.10 以降をインストールします。

Unity カタログ ツールを LlamaIndex と統合する

ノートブックまたは Python スクリプトで次のコードを実行して、Unity カタログ ツールを作成し、LlamaIndex エージェントで使用します。

  1. LlamaIndex 用の Databricks Unity カタログ統合パッケージをインストールします。

    %pip install unitycatalog-llamaindex[databricks]
dbutils.library.restartPython()

  2. Unity カタログ関数クライアントのインスタンスを作成します。

    from unitycatalog.ai.core.base import get_uc_function_client

client = get_uc_function_client()

  3. Python で記述された Unity カタログ関数を作成します。

    CATALOG = "your_catalog"
SCHEMA = "your_schema"

func_name = f"{CATALOG}.{SCHEMA}.code_function"

def code_function(code: str) -> str:
  """
  Runs Python code.

  Args:
    code (str): The Python code to run.
  Returns:
    str: The result of running the Python code.
  """
  import sys
  from io import StringIO
  stdout = StringIO()
  sys.stdout = stdout
  exec(code)
  return stdout.getvalue()

client.create_python_function(
  func=code_function,
  catalog=CATALOG,
  schema=SCHEMA,
  replace=True
)

  4. ツールキットとしてUnity Catalog 関数のインスタンスを作成し、それを実行して、ツールが正しく動作することを確認します。

    from unitycatalog.ai.llama_index.toolkit import UCFunctionToolkit
import mlflow

# Enable traces
mlflow.llama_index.autolog()

# Create a UCFunctionToolkit that includes the UC function
toolkit = UCFunctionToolkit(function_names=[func_name])

# Fetch the tools stored in the toolkit
tools = toolkit.tools
python_exec_tool = tools[0]

# Run the tool directly
result = python_exec_tool.call(code="print(1 + 1)")
print(result)  # Outputs: {"format": "SCALAR", "value": "2\n"}

  5. LlamaIndex ツール コレクションの一部として Unity カタログ関数を定義して、LlamaIndex ReActAgent のツールを使用します。 次に、LlamaIndex ツール コレクションを呼び出して、エージェントが正しく動作することを確認します。

    from llama_index.llms.openai import OpenAI
from llama_index.core.agent import ReActAgent

llm = OpenAI()

agent = ReActAgent.from_tools(tools, llm=llm, verbose=True)

agent.chat("Please run the following python code: `print(1 + 1)`")