Atlas と Google Vertex AI の統合

Vertex AI をMongoDB Atlasと統合し、 AIアプリケーションを構築および配置できます。The Vertex AIプラットフォームには、RAM や自然言語クエリなどのその他のユースケースで Atlas と使用できる Google のツールと事前訓練済みモデルがいくつか含まれています。

Overview

Vertex AIにより、 MongoDB Atlasのさまざまなユースケースが可能になります。

MongoDB ベクトル検索で Google の基礎モデルを使用してAIアプリケーションを構築し、RAG を実装します。詳しくは、Google モデルを参照してください。
Vertex AI 拡張機能を使用して、Google の基礎モデルが Atlas と連携する方法をカスタマイズします。開始するには、自然言語による MongoDB クエリに Vertex AI 拡張機能を使用を参照してください。
Vertex AI Agent Engine を使用して、Atlas をデータベースとして活用し、AI エージェントを構築およびスケーリングします。開始するには、Vertex AI Agent Engine と Atlas を使用して AI エージェントを構築を参照してください。

はじめる

次のサンプルアプリケーションは、RAG 向けに Atlas で Vertex AI を使用する方法を示しています。このアプリケーションには、 MongoDB ベクトル検索と Vertex AIモデルを使用して、 PDF ドキュメントをアップロードしたり、 PDF データに関する質問に答えたりすることができるインターフェースが含まれています。

前提条件

このチュートリアルを開始する前に、次のものを用意する必要があります。

An Atlas cluster running MongoDB version 6.0.11, 7.0.2, or later. Ensure that your IP address is included in your Atlas project's access list.
Vertex AI APIが有効になっている Google Cloud プロジェクトへのアクセス。詳細については、Google Cloud のドキュメントを参照してください。

Google Cloud Platformコンピュートインスタンスの作成

Google Cloud ドキュメントの手順に従って、Google Cloud コンソールで仮想マシン（VM）インスタンスを作成して起動します。Google Cloud の VM インスタンスを次の設定で構成し、それ以外のオプションはデフォルト設定を使用します。

オプション	構成
名前	`vertexai-chatapp`
リージョンとゾーン	お住まいの地域に近い任意の Google Cloud のリージョンおよびゾーン
マシン構成	Series: 高メモリ Machine Type: `n1-standard-1`
起動ディスク	Size：100 GB
アクセス権	すべての Cloud API への完全なアクセスを許可
ファイアウォール	すべてを選択
ネットワーキング	External IP 範囲には、次の値を指定します Reserve external static IP address

アプリケーションの配置および実行

このセクションでは、Atlas で PDF を変換して保存し、 MongoDB ベクトル検索を使用して PDF をクエリするために使用できるサンプルアプリケーションをロードします。Google Cloud Platform VMインスタンスにアプリケーションを配置して実行するには、次の手順を実行します。

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。この環境で、アプリケーションコードを含む GitHub リポジトリを複製します。

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

注意

アプリケーションの詳細については、リポジトリを参照してください。

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。

Tip

AtlasvertexaiApp.chat-vec を使用している場合は、ファイルをアップロードした後、Atlas UIで名前空間に移動することでベクトル埋め込みを確認できます。

データに関する質問に答えます。

アプリケーションで、[Q&A] タブをクリックします。
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RAGを実行します。

戻る

トラブルシューティング

Vertex AI 拡張機能