详细内容或原文请订阅后点击阅览
将我的 LangGraph AI Agent 连接到 Postgres
如何使用 Docker 在本地或在云端运行后端将我的 LangGraph AI Agent 连接到 Postgres 的帖子首先出现在 Towards Data Science 上。
来源:走向数据科学在本系列的前三篇文章中，我构建了一个有状态的 LangGraph 代理，用于处理 15 分钟的预订流程，并使用 Streamlit UI 对其进行包装以改善用户体验，并添加了带有 Postgres 数据库的适当后端。
这个人工智能代理的旅程开始于我与一位清洁服务的客户服务代表聊天时。
代理像真正的客户服务代表一样处理整个预订流程。它是一个基于 LangGraph 的代理，可以协调以下操作：
回应客户的询问并了解他们的需求。
计算服务价格并通知客户。
处理客户的接受或拒绝。
建议优化的时间段。
确认并记录约会。
在本文中，我们将使用 Docker 和托管 Postgres 来测试 Postgres 后端。
该项目的完整源代码可在 GitHub 上的 customer-service-agent 上获取。请随意克隆该存储库并自行测试。
代理结构
下图显示了我们的 AI 代理的结构（即图形工作流程）：
对话进度位于 LangGraph AgentState 中并保存为检查点。
当代理提供时段时，它会从数据库中读取现有预订，因此不会建议已占用的时间。
当客户确认预订时，代理会写入一个预订行（技术人员、时间范围、地址、价格）。
测试数据库
正如我在上一篇文章中所解释的，代理有两种持久化模式，即内存中和 Postgres。
内存中用于快速测试和演示目的。如果未设置 DATABASE_URL，应用程序将使用 InMemoryBookingRepository 和 MemorySaver。没有创建表。
为了使用 Streamlit UI 运行本地测试，我们首先使用诗歌安装来安装依赖项，然后通过复制 .env.example 创建一个 .env 文件。
诗歌 installcp .env.example .env
诗歌运行 Streamlit 运行 customer_service_agent/streamlit_app.py
然后我们看到以下 Streamlit UI：