LlamaIndex を使って Python でUnbounce データに自然言語でクエリを実行する方法

Jerod Johnson
Jerod Johnson
Director, Technology Evangelism
Python で LlamaIndex を使用してリアルタイムのUnbounce のデータに自然言語でクエリを実行。

CData API Driver for Python を使用して、Unbounce からリアルタイムデータへのクエリを開始しましょう。LlamaIndex と AI の力を活用して、複雑な SQL クエリを書くことなく、シンプルな自然言語でインサイトを取得できます。意思決定を強化するリアルタイムデータアクセスのメリットを享受しながら、既存の Python アプリケーションと簡単に統合できます。

CData Python Connector は、組み込みの最適化されたデータ処理により、Python でリアルタイムのUnbounce のデータを操作する際に比類のないパフォーマンスを提供します。Python から複雑な SQL クエリを発行すると、ドライバーはフィルターや集計などのサポートされた SQL 操作を直接 Unbounce にプッシュし、埋め込み SQL エンジンを使用してサポートされていない操作（多くの場合 SQL 関数や JOIN 操作）をクライアント側で処理します。

トレンド分析、レポート作成、データの可視化など、CData Python Connector を使用すれば、リアルタイムのデータソースの可能性を最大限に活用できます。

概要

LlamaIndex を使用して、CData Python Connector forUnbounce のデータでリアルタイムデータにクエリを実行する方法の概要です：

  • ロギング、データベース接続、NLP に必要な Python、CData、LlamaIndex モジュールをインポートします。
  • アプリケーションからの API リクエストを認証するための OpenAI API キーを取得します。
  • CData Python Connector を使用してリアルタイムのUnbounce のデータに接続します。
  • OpenAI を初期化し、自然言語クエリを処理するための SQLDatabase と NLSQLTableQueryEngine のインスタンスを作成します。
  • クエリエンジンと特定のデータベースインスタンスを作成します。
  • 自然言語クエリ（例：「最も稼いでいる従業員は誰ですか？」）を実行して、データベースから構造化されたレスポンスを取得します。
  • 取得したデータを分析してインサイトを得て、データドリブンな意思決定に役立てます。

必要なモジュールのインポート

CData、データベース接続、自然言語クエリに必要なモジュールをインポートします。

import os
import logging
import sys

# ロギングの設定
logging.basicConfig(stream=sys.stdout, level=logging.INFO, force=True)
logging.getLogger().addHandler(logging.StreamHandler(stream=sys.stdout))

# CData と LlamaIndex に必要なモジュールをインポート
import cdata.api as mod
from sqlalchemy import create_engine
from llama_index.core.query_engine import NLSQLTableQueryEngine
from llama_index.core import SQLDatabase
from llama_index.llms.openai import OpenAI

OpenAI API キーの設定

OpenAI の言語モデルを使用するには、API キーを環境変数として設定する必要があります。システムの環境変数で OpenAI API キーが利用可能であることを確認してください。

# 環境変数から OpenAI API キーを取得
OPENAI_API_KEY = os.environ["OPENAI_API_KEY"]

''または、コード内で直接 API キーを追加することもできます（ただし、セキュリティリスクのため、本番環境ではこの方法は推奨されません）：''

# API キーを直接設定（本番使用には非推奨）
OPENAI_API_KEY = "your-api-key-here"

データベース接続の作成

次に、必要な接続プロパティを含む接続文字列を使用して、CData Connector で Unbounce への接続を確立します。

まず、Profile 接続プロパティにUnbounce プロファイルのディスク上の場所を設定します（例：C:\profiles\Unbounce.apip）。

次に、ProfileSettings 接続プロパティにUnbounce の接続文字列を設定します（以下を参照）。

Unbounce API プロファイル設定

Unbounce はOAuth を使用してデータに認証します。

Unbounce に認証するには、まずOAuth アプリケーションを登録する必要があります。https://developer.unbounce.com/getting_started/ にアクセスし、Register OAuth Application フォームを完了します。

以下の接続プロパティを設定すると、接続の準備が整います：

  • AuthScheme：OAuth に設定します。
  • InitiateOAuth：GETANDREFRESH に設定します。InitiateOAuth を使用してOAuthAccessToken を取得するプロセスを管理できます。
  • OAuthClientId：アプリ設定で指定されているClient Id を設定します。
  • OAuthClientSecret：アプリ設定で指定されているClient Secret を設定します。
  • CallbackURL：アプリ設定で指定したRedirect URI を設定します。

Unbounce への接続

# CData API Driver for Python を使用してデータベースエンジンを作成
engine = create_engine("cdata_api_2:///?User=Profile=C:\profiles\Unbounce.apip;Authscheme=OAuth;OAuthClientId=your_client_id;OAuthClientSecret=your_client_secret;CallbackUrl=your_callback_url;")

OpenAI インスタンスの初期化

OpenAI 言語モデルのインスタンスを作成します。ここで、temperature やモデルバージョンなどのパラメータを指定できます。

# OpenAI 言語モデルインスタンスを初期化
llm = OpenAI(temperature=0.0, model="gpt-3.5-turbo")

データベースとクエリエンジンの設定

SQL データベースとクエリエンジンを設定します。NLSQLTableQueryEngine を使用すると、SQL データベースに対して自然言語クエリを実行できます。

# SQL データベースインスタンスを作成
sql_db = SQLDatabase(engine)  # すべてのテーブルを含む

# 自然言語 SQL クエリ用のクエリエンジンを初期化
query_engine = NLSQLTableQueryEngine(sql_database=sql_db)

クエリの実行

これで、リアルタイムのデータソースに対して自然言語クエリを実行できます。この例では、最も稼いでいる従業員上位 2 名をクエリします。

# クエリ文字列を定義
query_str = "Who are the top earning employees?"

# クエリエンジンからレスポンスを取得
response = query_engine.query(query_str)

# レスポンスを出力
print(response)

CData API Driver for Python の無料 30 日間トライアルをダウンロードして、リアルタイムデータへのシームレスなクエリを始めましょう。自然言語処理の力を体験し、データから貴重なインサイトを引き出してください。

はじめる準備はできましたか？

API Driver で Unbounce のライブデータに接続

Unbounce に接続 お問い合わせ

この記事の内容

関連記事