Amazon Neptune은 뛰어난 확장성과 가용성을 제공하는 고성능 그래프 분석 및 서버리스 데이터베이스입니다. 이 예제는 openCypher를 사용하여 Neptune 그래프 데이터베이스를 쿼리하고 사람이 읽을 수 있는 응답을 반환하는 QA chain을 보여줍니다. Cypher는 property graph에서 표현력 있고 효율적인 데이터 쿼리를 가능하게 하는 선언적 그래프 쿼리 언어입니다. openCypher는 Cypher의 오픈소스 구현입니다.

​
Neptune Open Cypher QA Chain

이 QA chain은 openCypher를 사용하여 Amazon Neptune을 쿼리하고 사람이 읽을 수 있는 응답을 반환합니다 LangChain은 create_neptune_opencypher_qa_chain을 통해 Neptune Database와 Neptune Analytics 모두를 지원합니다. Neptune Database는 최적의 확장성과 가용성을 위해 설계된 서버리스 그래프 데이터베이스입니다. 초당 100,000개의 쿼리로 확장해야 하는 그래프 데이터베이스 워크로드, Multi-AZ 고가용성 및 다중 리전 배포를 위한 솔루션을 제공합니다. Neptune Database는 소셜 네트워킹, 사기 경고 및 Customer 360 애플리케이션에 사용할 수 있습니다. Neptune Analytics는 대량의 그래프 데이터를 메모리에서 빠르게 분석하여 인사이트를 얻고 트렌드를 찾을 수 있는 분석 데이터베이스 엔진입니다. Neptune Analytics는 기존 그래프 데이터베이스 또는 데이터 레이크에 저장된 그래프 데이터셋을 빠르게 분석하기 위한 솔루션입니다. 인기 있는 그래프 분석 알고리즘과 저지연 분석 쿼리를 사용합니다.

​
Neptune Database 사용하기

from langchain_aws.graphs import NeptuneGraph

host = "<neptune-host>"
port = 8182
use_https = True

graph = NeptuneGraph(host=host, port=port, use_https=use_https)

​
Neptune Analytics 사용하기

from langchain_aws.graphs import NeptuneAnalyticsGraph

graph = NeptuneAnalyticsGraph(graph_identifier="<neptune-analytics-graph-id>")

​
Neptune openCypher QA Chain 사용하기

이 QA chain은 openCypher를 사용하여 Neptune 그래프 데이터베이스를 쿼리하고 사람이 읽을 수 있는 응답을 반환합니다. 
from langchain_aws import ChatBedrockConverse
from langchain_aws.chains import create_neptune_opencypher_qa_chain

MODEL_ID = "anthropic.claude-3-5-sonnet-20241022-v2:0"
llm = ChatBedrockConverse(
    model=MODEL_ID,
    temperature=0,
)

chain = create_neptune_opencypher_qa_chain(llm=llm, graph=graph)

result = chain.invoke("How many outgoing routes does the Austin airport have?")
print(result["result"].content)

Austin airport has 98 outgoing routes.

​
Message History 추가하기

Neptune openCypher QA chain은 RunnableWithMessageHistory로 래핑될 수 있는 기능을 가지고 있습니다. 이는 chain에 메시지 히스토리를 추가하여 여러 호출에 걸쳐 대화 상태를 유지하는 챗봇을 만들 수 있게 합니다. 시작하려면 메시지 히스토리를 저장하고 로드하는 방법이 필요합니다. 이를 위해 각 스레드는 InMemoryChatMessageHistory의 인스턴스로 생성되고, 반복적인 액세스를 위해 딕셔너리에 저장됩니다. (참고: python.langchain.com/docs/versions/migrating_memory/chat_history/#chatmessagehistory) 
from langchain_core.chat_history import InMemoryChatMessageHistory

chats_by_session_id = {}


def get_chat_history(session_id: str) -> InMemoryChatMessageHistory:
    chat_history = chats_by_session_id.get(session_id)
    if chat_history is None:
        chat_history = InMemoryChatMessageHistory()
        chats_by_session_id[session_id] = chat_history
    return chat_history
이제 QA chain과 메시지 히스토리 저장소를 사용하여 새로운 RunnableWithMessageHistory를 생성할 수 있습니다. 기본 chain에서 예상하는 형식과 일치하도록 query를 input key로 설정해야 합니다. 
from langchain_core.runnables.history import RunnableWithMessageHistory

runnable_with_history = RunnableWithMessageHistory(
    chain,
    get_chat_history,
    input_messages_key="query",
)
chain을 호출하기 전에 새로운 InMemoryChatMessageHistory가 기억할 대화를 위한 고유한 session_id를 생성해야 합니다. 
import uuid

session_id = uuid.uuid4()
마지막으로 session_id와 함께 메시지 히스토리가 활성화된 chain을 호출합니다. 
result = runnable_with_history.invoke(
    {"query": "How many destinations can I fly to directly from Austin airport?"},
    config={"configurable": {"session_id": session_id}},
)
print(result["result"].content)

You can fly directly to 98 destinations from Austin airport.
동일한 session_id로 chain이 계속 호출되면 대화의 이전 쿼리 컨텍스트에서 응답이 반환됩니다. 
result = runnable_with_history.invoke(
    {"query": "Out of those destinations, how many are in Europe?"},
    config={"configurable": {"session_id": session_id}},
)
print(result["result"].content)

You can fly directly to 4 destinations in Europe from Austin airport.

result = runnable_with_history.invoke(
    {"query": "Give me the codes and names of those airports."},
    config={"configurable": {"session_id": session_id}},
)
print(result["result"].content)

The four European destinations you can fly to directly from Austin airport are:
- AMS (Amsterdam Airport Schiphol)
- FRA (Frankfurt am Main)
- LGW (London Gatwick)
- LHR (London Heathrow)
Edit the source of this page on GitHub.
Connect these docs programmatically to Claude, VSCode, and more via MCP for real-time answers.
⌘I