Atlas と Google Vertex AI の統合

MongoDB ベクトル検索インデックスを作成します。

ベクトル埋め込みに対するクエリを有効にするには、Atlas クラスターの vertexaiApp.chat-vec名前空間に vector_index という名前のMongoDB ベクトル検索インデックスを作成する必要があります。デフォルト設定を使用し、768 次元を指定します。

詳細については、 ベクトル検索のフィールドにインデックスを作成する方法 を参照してください。

サンプル アプリケーションを取得します。

SSH を使用して VMインスタンスに接続します。環境で、アプリケーションコードを含む Githubリポジトリをクローンします。

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

クローンしたリポジトリから依存関係をインストールしてください。

以下のコマンドを実行して、依存関係をインストールします。

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

Streamlit を使用してアプリケーションを実行します。

streamlit run app.py

アプリケーションにアクセスします。

コマンドの出力に示されたポートを使用して、Web ブラウザで VM の IP アドレスを開きます。

アプリケーションのインターフェースを使用して PDF ドキュメントをアップロードします。

アプリケーション内で、検索する PDF データをアップロードします。

リポジトリには、使用できるサンプル PDF ファイルが含まれています。このアプリはデータをバッチに分割し、Vertex AI の埋め込みモデルを使用して各チャンクをベクトル埋め込みに変換し、このデータを Atlas コレクションに取り込みます。

データに関する質問に答えます。

1. アプリケーションで、[Q&A] タブをクリックします。

2. 検索バーに質問を入力し、Enter を押します。

   アプリケーションは、コレクションに対してベクトル検索クエリーを実行中て最も関連性の高いドキュメントを検索し、Vertex AIのチャットモデルを使用してコンテキスト対応の応答を生成することで RG を実行します。