Docs Menu
Docs Home
/
Atlas
/
AI 統合
/
プラットフォーム

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。Vertex AIプラットフォームには、 RG 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。

  • Google の基礎モデルを Atlas Vector Search と組み合わせて使用することで、AI アプリケーションを構築し、RAG を実装できます。詳細については、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 において Vertex AI と Atlas をどのように活用するかを示しています。このアプリケーションには、PDF ドキュメントをアップロードし、Atlas Vector Search と Vertex AI のモデルを使って PDF データに基づいた質問に回答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。

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、PDF を Atlas に変換して保存し、Atlas Vector Search を使用してクエリを実行できるサンプル アプリケーションを読み込みます。このアプリケーションを Google Cloud の VM インスタンスにデプロイして実行するには、次の手順を完了してください。

1

Atlas Vector Search インデックスの作成。

Atlas クラスターの vertexaiApp.chat-vec 名前空間に vector_index という名前の Atlas Vector Search インデックスを作成する必要があります。これにより、ベクトル埋め込みに対するクエリが可能になります。デフォルト設定を使用して、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。

2

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。

3

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
4

Streamlit を使用してアプリケーションを実行します。

streamlit run app.py
5

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。

6

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

ファイルをアップロードした後、クラスターの vertexaiApp.chat-vecコレクションに移動すると、Atlas UIでベクトル埋め込みを表示できます。

7

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RAGを実行します。

戻る

トラブルシューティング

次へ

Vertex AI 拡張機能

項目一覧