Skip to main content
本指南提供了开始使用 Drasi 工具的快速概览。有关所有 Drasi 功能、参数和配置的详细列表，请访问 Drasi 文档 和 langchain_drasi 仓库。

​
概述

Drasi 是一个变更检测平台，使检测和响应数据库中的变更变得简单高效。LangChain-Drasi 集成通过将外部数据变更与工作流执行连接起来，创建响应式、变更驱动的 AI 智能体。这允许智能体通过桥接外部数据变更与智能体工作流来发现、订阅和响应实时查询更新。Drasi 持续查询流式传输实时更新，触发智能体状态转换、修改记忆或动态控制工作流执行——将静态智能体转变为环境感知的、长期运行的响应式系统。

​
详情

类包可序列化JS 支持下载量版本
DrasiToollangchain-drasi❌❌PyPI - DownloadsPyPI - Version

​
功能

  • 查询发现 - 自动识别可用的 Drasi 查询
  • 实时订阅 - 监控持续查询更新
  • 通知处理器 - 六个内置处理器，适用于不同用例
    • 控制台
    • 日志
    • 记忆
    • 缓冲区
    • LangChain 记忆
    • LangGraph 记忆
  • 自定义处理器 - 扩展基础处理器以实现特定领域逻辑

​
设置

要访问 Drasi 工具，您需要运行 Drasi 和 Drasi MCP 服务器。

​
先决条件

​
凭据（可选）

如果您的 Drasi MCP 服务器需要身份验证，您可以使用 Bearer 令牌或其他身份验证方法配置标头：
配置身份验证
from langchain_drasi import MCPConnectionConfig

config = MCPConnectionConfig(
    server_url="http://localhost:8083",
    headers={"Authorization": "Bearer your-token"},
    timeout=30.0
)

​
安装

Drasi 工具位于 langchain-drasi 包中： 
pip install -U langchain-drasi

​
实例化

现在我们可以实例化一个 Drasi 工具实例。您需要配置 MCP 连接，并可选择添加通知处理器来处理实时更新：
初始化工具实例
from langchain_drasi import create_drasi_tool, MCPConnectionConfig, ConsoleHandler

# 配置到 Drasi MCP 服务器的连接
config = MCPConnectionConfig(
    server_url="http://localhost:8083",
    timeout=30.0
)

# 创建一个通知处理器
handler = ConsoleHandler()

# 创建工具
tool = create_drasi_tool(
    mcp_config=config,
    notification_handlers=[handler]
)

​
调用

​
直接调用

以下是直接调用工具的简单示例。
调用工具
# 发现可用查询
queries = await tool.discover_queries()
# 返回: [QueryInfo, QueryInfo, ...]

# 订阅特定查询
await tool.subscribe("hot-freezers")
# 通知路由到已注册的处理器

# 从查询中读取当前结果
result = await tool.read_query("active-orders")
# 返回: 包含当前数据的 QueryResult

​
作为 ToolCall

我们也可以使用模型生成的 ToolCall 来调用工具，在这种情况下，将返回一个 ToolMessage。

​
在智能体中使用

我们可以在 LangGraph 智能体中使用 Drasi 工具来创建响应式、事件驱动的工作流。为此，我们需要一个具有工具调用能力的模型。
带工具的智能体
from langchain_anthropic import ChatAnthropic
from langchain.agents import create_agent

# 初始化模型
model = ChatAnthropic(model="claude-sonnet-4-6")

# 使用 Drasi 工具创建智能体
agent = create_agent(model, [tool])

# 运行智能体
result = agent.invoke(
    {"messages": [{"role": "user", "content": "有哪些可用的查询？"}]}
)

print(result["messages"][-1].content)

result = agent.invoke(
    {"messages": [{"role": "user", "content": "订阅 customer-orders 查询"}]}
)

print(result["messages"][-1].content)

​
通知处理器

Drasi 的关键功能之一是其内置的通知处理器，用于处理实时查询结果变更。您可以使用这些处理器根据数据变更采取特定操作。

​
内置处理器

ConsoleHandler - 将格式化的通知输出到标准输出： 
from langchain_drasi import ConsoleHandler

handler = ConsoleHandler()
LoggingHandler - 使用 Python 的日志框架记录通知： 
from langchain_drasi import LoggingHandler
import logging

handler = LoggingHandler(
    logger_name="drasi.notifications",
    log_level=logging.INFO
)
MemoryHandler - 在内存中存储通知，支持可选过滤： 
from langchain_drasi import MemoryHandler

handler = MemoryHandler(max_size=100)

# 检索通知
all_notifs = handler.get_all()
freezer_notifs = handler.get_by_query("hot-freezers")
added_events = handler.get_by_type("added")
BufferHandler - 用于顺序处理的 FIFO 队列： 当您的工作流正忙于其他事情时，这对于缓冲传入的变更通知非常有用；然后您可以在工作流中设置一个循环，在准备好时从缓冲区消费通知。 
from langchain_drasi import BufferHandler

handler = BufferHandler(max_size=100)
# 稍后，消费通知
notification = handler.consume()  # 移除并返回下一个通知
notification = handler.peek()     # 查看下一个通知而不移除
LangGraphMemoryHandler - 将更新直接注入 LangGraph 检查点： 
from langchain_drasi import LangGraphMemoryHandler
from langgraph.checkpoint.memory import MemorySaver

checkpoint_manager = MemorySaver()
handler = LangGraphMemoryHandler(
    checkpointer=checkpoint_manager,
    thread_id="your-thread-id"
)

​
自定义处理器

您可以通过扩展 BaseDrasiNotificationHandler 来创建自定义处理器： 
from langchain_drasi import BaseDrasiNotificationHandler

class CustomHandler(BaseDrasiNotificationHandler):
    def on_result_added(self, query_name: str, added_data: dict):
        # 处理新结果
        print(f"{query_name} 中的新结果: {added_data}")

    def on_result_updated(self, query_name: str, updated_data: dict):
        # 处理更新的结果
        print(f"{query_name} 中更新的结果: {updated_data}")

    def on_result_deleted(self, query_name: str, deleted_data: dict):
        # 处理删除的结果
        print(f"{query_name} 中删除的结果: {deleted_data}")

handler = CustomHandler()
tool = create_drasi_tool(
    mcp_config=config,
    notification_handlers=[handler]
)

​
示例

  • 交互式聊天：一个使用 Drasi 进行实时记忆更新的聊天应用程序。
  • 终结者游戏：一个利用 Drasi 实现动态 NPC 行为的游戏。

​
用例

Drasi 对于构建需要响应实时数据变更的环境智能体特别有用。一些示例用例包括：
  • AI 副驾驶 - 监控和响应系统事件的助手
  • AI 游戏玩家 - 适应游戏内事件的 NPC
  • 物联网监控 - 处理传感器数据流的智能体
  • 客户支持 - 响应工单更新或客户操作的机器人
  • DevOps 助手 - 监控基础设施变更的工具
  • 协作编辑 - 响应文档或代码变更的系统

​
API 参考

有关所有 Drasi 功能和配置的详细文档，请访问 API 参考。
将这些文档 通过 MCP 连接到 Claude、VSCode 等，以获取实时答案。
在 GitHub 上编辑此页面 或 提交问题。