Integra Atlas con Google Vertex IA

Puede integrar Vertex AI con MongoDB Atlas para construir y desplegar aplicaciones de IA. La plataforma Vertex AI incluye varias herramientas y modelos preentrenados de Google que puedes usar con Atlas para RAG y otros casos de uso, tales como Consulta en lenguaje natural.

Overview

Vertex AI permite una variedad de casos de uso con MongoDB Atlas:

Utiliza los modelos base de Google con MongoDB Vector Search para compilar aplicaciones de IA e implementar RAG. Para obtener más información, consulte Modelos de Google.
Utiliza las extensiones de Vertex AI para personalizar cómo los modelos de Google interactúan con Atlas. Para comenzar, consulta Usar las Extensiones Vertex IA para queries MongoDB de lenguaje natural.
Utiliza el motor de agentes Vertex AI para construir y escalar agentes de IA con Atlas como base de datos. Para empezar, consulta Compila agentes de IA con Vertex AI Agent Engine y Atlas.

Empezar

La siguiente aplicación de ejemplo muestra cómo usar Vertex AI con Atlas para RAG. La aplicación incluye una interfaz que permite cargar documentos PDF y responder preguntas sobre los datos PDF mediante MongoDB Vector Search y los modelos de Vertex AI.

Requisitos previos

Antes de iniciar este tutorial, debes tener lo siguiente:

Un clúster de Atlas que ejecuta la versión 6.0.11, 7.0.2 o posterior de MongoDB. Asegúrese de que su dirección IP esté incluida en la lista de acceso de su proyecto Atlas.
Acceso a un proyecto de Google Cloud con Vertex IA API habilitado. Para obtener más información, consulte la documentación de Google Cloud.

Crear una instancia de Google Cloud Compute

Sigue los pasos en la documentación de Google Cloud para crear e iniciar una instancia de máquina virtual (VM) en tu consola de Google Cloud. Configura la instancia de Google Cloud VM con la siguiente configuración y usa la configuración por defecto para el resto de las opciones:

Opción	Configuración
Nombre	`vertexai-chatapp`
Región y zona	Cualquier región y zona de Google Cloud cercana a tu ubicación física
Configuración de la máquina	Series: Alta memoria Machine Type: `n1-standard-1`
Disco de arranque	Size100 GB
Acceso	Permitir acceso total a todas las API de nube
Firewall	Seleccionar todo
Gestión de redes	Para el rango de IP externa, especifique Reserve external static IP address

Implementa y ejecuta la aplicación

Esta sección carga una aplicación de muestra que podéis usar para transformar y almacenar PDFs en Atlas y consultar utilizando MongoDB Vector Search. Para implementar y ejecutar la aplicación en tu instancia de VM de Google Cloud, deberá completar los siguientes pasos:

Crea un índice de MongoDB Vector Search.

Debe crear un índice de búsqueda vectorial de MongoDB llamado vector_index en el espacio de nombres vertexaiApp.chat-vec de su clúster Atlas para habilitar las consultas en sus incrustaciones vectoriales. Utilice la configuración predeterminada y especifique las dimensiones 768.

Para obtener más información, consulte Cómo indexar campos para la búsqueda vectorial.

Obtené la aplicación de muestra.

Conecte a la instancia de VM usando SSH. En el entorno, clona el repositorio de GitHub que contiene el código de la aplicación:

git clone https://github.com/mongodb-partners/MongoDB-VertexAI-Qwiklab.git

Nota

Para saber más sobre la aplicación, consulta el repositorio.

Instalar las dependencias del repositorio clonado.

Ejecute los siguientes comandos para instalar las dependencias:

sudo apt update
sudo apt install python3-pip
sudo apt install git
cd MongoDB-VertexAI-Qwiklab
pip3 install -r requirements.txt

Ejecuta la aplicación usando Streamlit.

streamlit run app.py

Accede a la aplicación.

Abre la dirección IP pública de tu VM en un navegador web con el puerto que se muestra en la salida del comando.

Sube documentos PDF usando la interfaz de la aplicación.

En la aplicación, sube los datos PDF que quieres buscar.

El repositorio incluye un archivo PDF de muestra que puedes usar. La aplicación fragmenta los datos en lotes, convierte cada fragmento en incrustaciones vectoriales mediante un modelo de incrustación de Vertex AI e incorpora estos datos a tu colección Atlas.

Tip

Después de cargar el archivo, si está usando Atlas, puede verificar sus incrustaciones vectoriales navegando al espacio de nombres en vertexaiApp.chat-vec la interfaz de usuario de Atlas.

Responde preguntas sobre tus datos.

En la aplicación, haga clic en la pestaña Q&A.
Ingresa una pregunta en la barra de búsqueda y, después, presiona Enter.
La aplicación realiza la operación de RAG ejecutando una búsqueda vectorial en tu colección para recuperar los documentos más relevantes y luego utiliza un modelo de chat de Vertex AI para generar una respuesta contextual.

Volver

Solución de problemas

Extensiones de Vertex IA