1
1

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

はじめに

DB-GPTは 、Text2SQL効果の最適化、RAGフレームワークと最適化、マルチエージェントフレームワークの協力などを通して、データを使用した大規模モデルアプリケーションをよりシンプルで便利にするAIネイティブデータアプリ開発フレームワークです。Text2SQLによってデータベースの操作を自然言語で行う事ができます。

セットアップ

DB-GPTは様々なデータベースを扱う事が出来ますが、今回はSQLiteで動かしてみます。また、LLMにはOllamaを使用します。
セットアップ方法はいくつかありますが、 公式のDockerを用いる方法を参考に、下記の様に docker-compose.yaml を作成します。docker-compose.yaml には各種設定も記述してしまいました。また、Ollamaも同時に起動する様にしました。

services:
  dbgbt:
    image: eosphorosai/dbgpt
    container_name: dbgpt
    ports:
    - 5670:5670
    environment:
      # 言語選択 en(英語) or zh(中国語)
      - LANGUAGE=en 
      # DBの設定
      - LOCAL_DB_TYPE=sqlite
      - LOCAL_DB_PATH=data/default_sqlite.db
      # (Ollamaを使用する場合の)LLMの設定
      - LLM_MODEL=ollama_proxyllm 
      - PROXY_SERVER_URL=http://ollama:11434
      - PROXYLLM_BACKEND=command-r:35b-v0.1-q4_K_M # 使用するモデル名
      - PROXY_API_KEY=not_used                     # 何かを設定しないとエラーになる
      # (Ollamaを使用する場合の)Embeddingモデルの設定
      - EMBEDDING_MODEL=proxy_ollama
      - proxy_ollama_proxy_server_url=http://ollama:11434
      - proxy_ollama_proxy_backend=mxbai-embed-large:v1 # 使用するモデル名
    volumes:
      # DB-GPTで継続的に使用するフォルダおよびファイル
      - ./data/pilot/data:/app/pilot/data
      - ./data/pilot/message:/app/pilot/message
      - ./data/pilot/meta_data/alembic/versions:/app/pilot/meta_data/alembic/versions
      - ./data/pilot/meta_data/dbgpt.db:/app/pilot/meta_data/dbgpt.db
      - ./data/models:/app/models
      # SQLiteのdbファイルを置く場所
      - ./data/input:/input 

  ollama:
    image: ollama/ollama
    container_name: ollama
    ports:
      - 11434:11434
    volumes:
      - $HOME/apps/ollama/.ollama:/root/.ollama
    deploy:
      resources:
        reservations:
          devices:
            - driver: nvidia
              count: all
              capabilities: [gpu]
mkdir -p data/pilot/meta_data
touch data/pilot/meta_data/dbgpt.db

初回は上記の様にDB-GPTの設定ファイルをホスト側に確保してから、起動します。

docker compose up -d

実行

http://localhost:5670/ にアクセスすると下の画面が表示されます。

dbgpt_01

DB登録

左下の Database を選択するとデータベース登録画面になります。

dbgpt_02

今回は、MySQLのサンプルデータベースSakilaをSQLiteに変換したものを使います。

上記サイトなどから sakila_master.db をダウンロードし、./data/input/ に置いてから、上部の +Create をクリックして、データベースを登録します。Dockerの設定で、ホストの ./data/input/ は コンテナ内の /input/ に接続されているので、 Path/input/sakila_master.db とします。

dbgpt_03

登録が完了すると、下の様に赤丸の数字が表示されます。

dbgpt_04

DB操作

データベースの登録が完了したので、データベースの操作を試してみます。
トップ画面に戻り、Chat Dataを選択すると、下記の画面になります。上部に、データベースとして先ほど登録したSakilaが選択されているのを確認し、下部のチャット欄にデータベースに関する質問を入力します。

dbgpt_05

今回は下記サイトの問題を質問として入力してみました。

  1. 俳優のフルネーム
    dbgpt_06
    正解してくれました。SQL タブで使用したコマンドも確認できます。
    dbgpt_07

  2. エジプトに住んでいる客のフルネーム
    dbgpt_08
    これも正解です。

  3. 出演している俳優の数が多い映画ランキング
    dbgpt_10
    参考にしたサイトとは出演数が12名の映画のタイトルが異なりますが、同人数の映画が4件以上あり、10件を超えてしまったためなので、正解として良いでしょう。

  4. 各顧客が支払った合計
    dbgpt_12
    上手くコマンドが生成出来なかった様で、エラーになってしまいましたが、質問を変えると上手く行きました(ついでに金額を200ドルから150ドルに変えていますが、意味はありません)。
    dbgpt_13
    なお、同じ質問をしても、正解する場合とエラーになる場合があったので、何度か試してみる事も必要です。この点はLLMの性能にもよるので、できるだけ高性能なモデルやText2SQLに特化したモデルを使う方が良いでしょう。

  5. 売上トップ5のカテゴリ
    dbgpt_15
    この様に数値が先頭に来る場合は、グラフも作成してくれます。グラフの形式は選択できますし、他と同様に表でも確認できます。
    dbgpt_18
    dbgpt_17

  6. 年別で売上順のカテゴリ
    dbgpt_19
    この問題と次の問題は、どう質問を変えてもエラーになってしまいました。今回使用したLLMの限界かと思われます。

まとめ

DB-GPTでデータベースを操作してみました。SQLはほぼ初めてでしたが、この様に自然言語で質問できると簡単です。結果と共にコマンドも確認できるので、SQL初心者の勉強にも使えそうです。

1
1
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
1
1

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?