Skip to main content
Azure Cosmos DB for Apache Gremlin 是一种图数据库服务，可用于存储包含数十亿个顶点和边的大型图。您可以以毫秒级延迟查询图，并轻松演化图结构。 Gremlin 是由 Apache Software Foundation 的 Apache TinkerPop 开发的图遍历语言和虚拟机。
本 notebook 展示了如何使用 LLM 为可以用 Gremlin 查询语言查询的图数据库提供自然语言接口。

​
环境准备

安装所需库： 
!pip3 install gremlinpython
您需要一个 Azure CosmosDB 图数据库实例。一种选择是在 Azure 中创建免费 CosmosDB 图数据库实例。 创建 Cosmos DB 帐户和图时，请使用 /type 作为分区键。 
cosmosdb_name = "mycosmosdb"
cosmosdb_db_id = "graphtesting"
cosmosdb_db_graph_id = "mygraph"
cosmosdb_access_Key = "longstring=="

import nest_asyncio
from langchain_community.chains.graph_qa.gremlin import GremlinQAChain
from langchain_community.graphs import GremlinGraph
from langchain_community.graphs.graph_document import GraphDocument, Node, Relationship
from langchain_core.documents import Document
from langchain_openai import AzureChatOpenAI

graph = GremlinGraph(
    url=f"wss://{cosmosdb_name}.gremlin.cosmos.azure.com:443/",
    username=f"/dbs/{cosmosdb_db_id}/colls/{cosmosdb_db_graph_id}",
    password=cosmosdb_access_Key,
)

​
初始化数据库

假设您的数据库为空，可以使用 GraphDocuments 填充数据 对于 Gremlin，请始终为每个节点添加名为 ‘label’ 的属性。 如果未设置 label，则使用 Node.type 作为 label。 对于 Cosmos，使用自然 ID 是合理的，因为它们在图浏览器中可见。 
source_doc = Document(
    page_content="Matrix is a movie where Keanu Reeves, Laurence Fishburne and Carrie-Anne Moss acted."
)
movie = Node(id="The Matrix", properties={"label": "movie", "title": "The Matrix"})
actor1 = Node(id="Keanu Reeves", properties={"label": "actor", "name": "Keanu Reeves"})
actor2 = Node(
    id="Laurence Fishburne", properties={"label": "actor", "name": "Laurence Fishburne"}
)
actor3 = Node(
    id="Carrie-Anne Moss", properties={"label": "actor", "name": "Carrie-Anne Moss"}
)
rel1 = Relationship(
    id=5, type="ActedIn", source=actor1, target=movie, properties={"label": "ActedIn"}
)
rel2 = Relationship(
    id=6, type="ActedIn", source=actor2, target=movie, properties={"label": "ActedIn"}
)
rel3 = Relationship(
    id=7, type="ActedIn", source=actor3, target=movie, properties={"label": "ActedIn"}
)
rel4 = Relationship(
    id=8,
    type="Starring",
    source=movie,
    target=actor1,
    properties={"label": "Strarring"},
)
rel5 = Relationship(
    id=9,
    type="Starring",
    source=movie,
    target=actor2,
    properties={"label": "Strarring"},
)
rel6 = Relationship(
    id=10,
    type="Straring",
    source=movie,
    target=actor3,
    properties={"label": "Strarring"},
)
graph_doc = GraphDocument(
    nodes=[movie, actor1, actor2, actor3],
    relationships=[rel1, rel2, rel3, rel4, rel5, rel6],
    source=source_doc,
)

# 底层 python-gremlin 在 notebook 中运行时存在问题
# 以下是解决该问题的变通方法
nest_asyncio.apply()

# 将文档添加到 CosmosDB 图。
graph.add_graph_documents([graph_doc])

​
刷新图模式信息

如果数据库的模式发生变化（更新后），您可以刷新模式信息。 
graph.refresh_schema()

print(graph.schema)

​
查询图

现在我们可以使用 Gremlin QA 链向图提问 
chain = GremlinQAChain.from_llm(
    AzureChatOpenAI(
        temperature=0,
        azure_deployment="gpt-4-turbo",
    ),
    graph=graph,
    verbose=True,
)

chain.invoke("Who played in The Matrix?")

chain.run("How many people played in The Matrix?")
在 GitHub 上编辑此页面 或提交问题。
通过 MCP 将这些文档连接到 Claude、VSCode 等工具，获取实时解答。