跳到主要内容
这将帮助您开始使用 Memgraph 工具包。 MemgraphToolkit 中的工具旨在与 Memgraph 数据库进行交互。

​
设置

为了能够遵循以下步骤，请确保您的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，请参阅 Memgraph 文档 如果您想从各个工具的运行中获取自动化跟踪，您还可以通过取消注释下面的内容来设置您的 LangSmith 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 包中 
pip install -qU langchain-memgraph

​
实例化

现在我们可以实例化我们的工具包了 
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-4o-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

工具可以通过传递参数单独调用，对于 QueryMemgraphTool 来说是 
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"

events = agent_executor.stream(
    {"messages": [("user", example_query)]},
    stream_mode="values",
)
for event in events:
    event["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
在 GitHub 上编辑此页面源文件。
以编程方式连接这些文档到 Claude、VSCode 等，通过 MCP 获取实时答案。
© . This site is unofficial and not affiliated with LangChain, Inc.