Comienza con la integración Spring AI

Crea una aplicación Java Spring.

1. Navega al Spring Initializr y configura tu proyecto con los siguientes ajustes:

   • Proyecto: Maven

   • Lenguaje: Java

   • Spring Boot: puedes utilizar la versión por defecto que está seleccionada.

   • Metadatos del proyecto:

   • Java: 21

   • Se pueden utilizar valores por defecto para todos los demás campos.

2. En el lado derecho del Spring Initializr, haz clic en ADD DEPENDENCIES, luego busca y agrega las siguientes dependencias:

   • MongoDB Atlas Vector Database

   • Spring Data MongoDB

3. Haz clic en GENERATE para descargar una versión comprimida en zip de tu proyecto Spring. Descomprime el archivo y ábrelo en tu IDE.

Agrega dependencias.

1. Spring AI proporciona autoconfiguración de Spring Boot para MongoDB Vector Search.

   Agregue las siguientes dependencias a dependencies arreglo en el archivo pom.xml de tu proyecto. Estas dependencias agregan Spring AI y la librería de configuración automática a tu aplicación:

   pom.xml

   <dependency>
       <groupId>org.springframework.ai</groupId>
       <artifactId>spring-ai-openai-spring-boot-starter</artifactId>
   </dependency>
   <dependency>
       <groupId>org.springframework.ai</groupId>
       <artifactId>spring-ai-spring-boot-autoconfigure</artifactId>
   </dependency>
   <dependency>
       <groupId>org.springframework.boot</groupId>
       <artifactId>spring-boot-starter-web</artifactId>
   </dependency>

2. A continuación, asegúrese de que su archivo pom.xml contenga una entrada dependencyManagement para el Proyecto de Materiales de Spring IA (BOM).

   Importante

   Establezca la constante spring-ai.version utilizada para la lista de materiales de Spring AI en 1.0.0-SNAPSHOT para implementar las funciones más recientes de Spring AI en su aplicación.

   Para aprender más sobre el Spring AI BOM, consulta la sección Gestión de dependencias de la documentación de Spring AI.

3. Finalmente, añade el repositorio Spring AI Snapshot en la entrada repositories en el archivo pom.xml:

   pom.xml

   <repository>
     <id>spring-snapshots</id>
     <name>Spring Snapshots</name>
     <url>https://repo.spring.io/snapshot</url>
     <releases>
       <enabled>false</enabled>
     </releases>
   </repository>

   Para obtener más información sobre estos repositorios, consulte la sección Agregar repositorios de Milestone y Snapshot de la documentación de Spring AI.

   Cuando termines de editar el archivo pom.xml, vuelve a cargar tu proyecto para asegurarte de que tus dependencias estén instaladas.

Definir propiedades de la aplicación.

Ubica el archivo src/main/resources/application.properties y reemplaza el contenido de ese archivo con las siguientes propiedades. Reemplaza los marcadores de posición con tu clave API de OpenAI y tu cadena de conexión de Atlas:

spring.application.name=springai-mongodb
spring.ai.openai.api-key=<OpenAI API Key>
spring.ai.openai.embedding.options.model=text-embedding-ada-002
spring.data.mongodb.uri=<connection string>
spring.data.mongodb.database=springai_test
spring.ai.vectorstore.mongodb.indexName=vector_index
spring.ai.vectorstore.mongodb.collection-name=vector_store

mongodb+srv://<db_username>:<db_password>@<clusterName>.<hostname>.mongodb.net/?<settings>

Habilitar la inicialización del esquema.

Cuando configuras Atlas como el almacén vectorial en tu aplicación, Spring AI puede inicializar automáticamente el esquema del backend. Esta inicialización incluye la creación de un índice de MongoDB Vector Search en la colección que contiene tus embeddings vectoriales.

Para habilitar la inicialización del esquema, añade la siguiente configuración a tu archivo application.properties:

spring.ai.vectorstore.mongodb.initialize-schema=true

Al especificar, Spring AI crea initialize-schema=true programáticamente un índice de búsqueda vectorial de MongoDB en su clúster. Para obtener más información, consulte Crear un índice de búsqueda vectorial de MongoDB.

Añade instrucciones de importación.

Pegue el siguiente código en el archivo Config.java para importar las clases necesarias:

import org.springframework.ai.embedding.EmbeddingModel;
import org.springframework.ai.openai.OpenAiEmbeddingModel;
import org.springframework.ai.openai.api.OpenAiApi;
import org.springframework.ai.vectorstore.MongoDBAtlasVectorStore;
import org.springframework.ai.vectorstore.VectorStore;
import org.springframework.beans.factory.annotation.Value;
import org.springframework.boot.SpringBootConfiguration;
import org.springframework.boot.autoconfigure.EnableAutoConfiguration;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;
import org.springframework.data.mongodb.core.MongoTemplate;

Propiedades de la aplicación de referencia.

Pegue el siguiente código en el archivo Config.java para hacer referencia a los valores que estableció en el archivo de propiedades de su aplicación:

@Configuration
@SpringBootConfiguration
@EnableAutoConfiguration
public class Config {
    @Value("${spring.ai.openai.api-key}")
    private String openAiKey;
    @Value("${spring.data.mongodb.database}")
    private String databaseName;
    @Value("${spring.ai.vectorstore.mongodb.collection-name:vector_store}")
    private String collectionName;
    @Value("${spring.ai.vectorstore.mongodb.indexName:vector_index}")
    private String indexName;
    @Value("${spring.data.mongodb.uri}")
    private String mongoUri;
    @Value("${spring.ai.vectorstore.mongodb.initialize-schema}")
    private Boolean initSchema;
    // Add beans here...
}

Crea el bean EmbeddingModel de Spring.

A continuación, pegue el siguiente código para generar la instancia OpenAiEmbeddingModel que utiliza la API de OpenAI para crear incrustaciones vectoriales:

@Bean
public EmbeddingModel embeddingModel() {
    return new OpenAiEmbeddingModel(new OpenAiApi(openAiKey));
}

Crea el bean VectorStore de Spring.

Finalmente, pega el siguiente código para crear un bean que devuelva una instancia de VectorStore. La instancia VectorStore utiliza el MongoTemplate que corresponde a tu implementación y el OpenAiEmbeddingModel creado en el paso anterior.

@Bean
public VectorStore mongodbVectorStore(MongoTemplate mongoTemplate, EmbeddingModel embeddingModel) {
    return new MongoDBAtlasVectorStore(mongoTemplate, embeddingModel,
            MongoDBAtlasVectorStore.MongoDBVectorStoreConfig.builder().build(), initSchema);
}