LLM agents with docker

Readme

Mira la demostración: https://www.youtube.com/watch?v=ugqmn2xdu54

Este repositorio se basa en el código de Langchain's Azure Container Apps Dynamic Sessions Analyst de analista de datos (https://github.com/langchain-ai/langchain/blob/master/cookbook/Azure_container_apps_dynamic_session un archivo CSV y ejecuta código basado en el archivo CSV, como trazar un gráfico.

La característica principal del código fue que ejecutó el código en un contenedor utilizando las sesiones dinámicas de Azure Container Apps.

Este proyecto reemplaza las sesiones dinámicas de Azure Container Apps con Docker. Entonces, cuando el agente ejecuta el código, creará un contenedor Docker, ejecutará el código y luego eliminará el contenedor. Esto asegura que la máquina host esté a salvo del código arbitrario del agente.

La arquitectura del agente es la siguiente:

Después de ejecutar el nodo Execute_SQL_Query, los datos se guardan como un CSV en la máquina host. El contenedor Docker luego tiene permiso de solo lectura para acceder a este CSV. Si traza algo, la imagen se vuelve a pasar a la máquina host a través de una cadena Base64.

Instrucciones de configuración

1. Clon el repositorio:

 git clone https : // github . com / paulomuraroferreira / LLM - agents - with - docker . git
cd LLM - agents - with - docker

2. Instalar dependencias:

$ pip install - e .

Además, asegúrese de tener Docker instalado y en ejecución.

3. Configuración del entorno:

Cree un archivo .env y complete las siguientes variables de entorno:

 OPENAI_API_KEY = your_openai_api_key
DATABASE_URL = your_postgres_url
LLM_MODEL = i am using 'gpt-4o'

4. Ejecute la aplicación:

Ejecute el script principal para inicializar el flujo de trabajo y manejar consultas de usuario:

 python main . py