这将帮助您开始使用 Memgraph 工具包.

其中的工具 MemgraphToolkit 设计用于与 Memgraph database.

设置

要能够按照以下步骤操作，请确保您在本地主机上有一个正在运行的 Memgraph 实例。有关如何运行 Memgraph 的更多详细信息，请查看 Memgraph 文档

如果您想从各个工具的运行中获得自动追踪，您还可以设置您的 LangSmith 通过取消下面的注释来设置 API 密钥：

os.environ["LANGSMITH_API_KEY"] = getpass.getpass("Enter your LangSmith API key: ")
os.environ["LANGSMITH_TRACING"] = "true"

安装

此工具包位于 langchain-memgraph package:

pip install -qU langchain-memgraph

实例化

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 MemgraphLangChain

db = MemgraphLangChain(url=url, username=username, password=password)

model = init_chat_model("gpt-5.4-mini", model_provider="openai")

toolkit = MemgraphToolkit(
    db=db,  # Memgraph instance
    llm=model,  # LLM chat model for LLM operations
)

工具

查看可用工具：

toolkit.get_tools()

调用

可以通过传递参数来单独调用工具，对于 QueryMemgraphTool 应该是：

from langchain_memgraph.tools import QueryMemgraphTool

# Rest of the code omitted for brevity

tool.invoke({QueryMemgraphTool({"query": "MATCH (n) RETURN n LIMIT 5"})})

在代理中使用

from langchain.agents import create_agent


agent_executor = create_agent(model, tools)

example_query = "MATCH (n) RETURN n LIMIT 1"

stream = agent_executor.stream_events(
    {"messages": [("user", example_query)]},
    version="v3",
)
for snapshot in stream.values:
    snapshot["messages"][-1].pretty_print()

API 参考

有关 API 的更多详细信息，请访问 Memgraph 集成文档