【Agent】基于Langchain的Agent数据库查询助手

一、介绍

核心框架

deepagents: 创建智能代理的主要框架
FilesystemBackend: 代理状态和记忆的后端存储系统

语言模型

ChatOllama: 本地Ollama模型接口（使用gemma4:e4b模型）
支持云端模型的ChatOpenAI备选方案

数据库工具

SQLDatabase: 连接到SQLite数据库（Chinook数据库）
SQLDatabaseToolkit: 为数据库操作提供专门工具
SQLite: 包含示例数据的轻量级数据库

开发工具

langchain_ollama: 与Ollama集成用于本地LLM部署
langchain_openai: 与OpenAI API集成
dotenv: 环境变量管理

技能与记忆系统

技能: 存储在 ./skills/query-writing和 ./skills/schema-exploration中的预定义程序
记忆: 存储在./AGENTS.md 中的文档，用于指导代理行为

二、配置

1、本地运行电脑配置要求：

内存大于24G
Windows或者Linux

如不使用本地运行，可调用LLM云端API。

2、克隆项目

shell 复制代码

# Clone the repository
git clone https://github.com/Reversev/Agent-for-SQL.git
cd Agent-for-SQL

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

# Set up environment variables
cp .env.example .env

3、修改API配置文件（仅使用云端API需要）

.env文件用于调用云端API，如何使用本地模型，这个文件里的内容可只增加langchain的监控助手API，即LANGCHAIN_API_KEY和LANGCHAIN_PROJECT对应的内容。

python 复制代码

# OpenAI API Configuration
OPENAI_API_KEY=your_api_key_here   # 需要更改

# Optional: Custom API Base URL (if using proxy or local deployment)
# OPENAI_API_BASE=https://api.your-proxy.com/v1
OPENAI_API_BASE="https://openrouter.ai/api/v1/chat/completions"  # 需要更改

# LangSmith Configuration
LANGCHAIN_TRACING_V2=true
LANGSMITH_ENDPOINT=https://api.smith.langchain.com
LANGCHAIN_API_KEY=lsv2_pt_xxx  # 需要更改
LANGCHAIN_PROJECT=your_project_name

三、测试结果

1、本地测试结果（Ollama）

修改agent.py文件内容

python 复制代码

model = ChatOllama(
    # model="qwen3.5:9b",
    model="gemma4:e4b",   # 这里用的是gemma4，推理速度更快
    validate_model=False,
    streaming=False,
    temperature=0,
    base_url=os.getenv("OLLAMA_BASE_URL", "http://localhost:11434"),  # Default Ollama URL
)

确保本地的Ollama应用处于开启状态，如果需要了解怎么安装Ollama可以查看我的教程链接
运行推理，在项目文件夹下运行下述代码：

shell 复制代码

python agent.py

结论：测试结果表明Agent可以根据用户指示查找对应问题的结果，但本地运行时间较慢，大约35分钟左右，可以看langsimth上的监控结果，如下图：

监控的中间过程如下图：

2、云端API调用个测试结果（基于openrouter）

访问openrouter网站，然后到API Keys侧边栏，Create一个新的Key，复制并另外保存API，注意：设置好后无法再复制API。
修改agent.py文件内容

python 复制代码

model = ChatOpenAI(
    model="openrouter/free",
    temperature=0,
    openai_api_base=os.getenv("OPENAI_API_BASE"),
)

运行推理，在项目文件夹下运行下述代码：

shell 复制代码

python agent.py

结论：测试结果与本地运行结果一致，但是快了不少，仅需23秒就搞定，可以看langsimth上的监控结果，如下图：

监控的中间过程如下图：

具体详细代码欢迎大家访问我的Github网站，如果对您有帮助的话麻烦点个star⭐⭐⭐。

四、参考文献

1\] \[2\][https://openrouter.ai](https://openrouter.ai/)