Docs Menu
Docs Home
/
개발
/
AI 통합
Docs Home
/
개발
/
AI 통합
Docs Home
/
개발
/
AI 통합

Atlas 와 Google Vertex AI 통합

Vertex AI MongoDB Atlas 와 통합하여 AI 애플리케이션을 빌드 하고 배포 할 수 있습니다. Vertex AI 플랫폼에는 RAG 및 기타 사용 사례(예: 언어 쿼리)에 Atlas 와 함께 사용할 수 있는 Google의 여러 도구와 사전 학습된 모델이 포함되어 있습니다.

개요

Vertex AI MongoDB Atlas 를 통해 다양한 사용 사례를 지원합니다.

  • Google의 기초 모델과 MongoDB Vector Search를 사용하여 AI 애플리케이션을 빌드 하고 RAG를 구현 . 자세한 학습 은 Google 모델을참조하세요.

  • Vertex AI 확장 기능을 사용하여 Google 모델이 Atlas와 상호 작용하는 방식을 사용자 지정하세요. 시작하려면 자연어 MongoDB 쿼리를 위한 Vertex AI 확장 기능 사용을 참조하세요.

  • Vertex AI 에이전트 엔진을 사용해 Atlas를 데이터베이스로 활용하여 AI 에이전트를 구축하고 확장하세요. 시작하려면 Vertex AI 에이전트 엔진과 Atlas로 AI 에이전트 구축을 참조하세요.

시작하기

다음 샘플 애플리케이션 Vertex AI Atlas for RAG와 함께 사용하는 방법을 보여줍니다. 이 애플리케이션 에는 MongoDB Vector Search 및 Vertex AI 모델을 사용하여 PDF 문서를 업로드하고 PDF 데이터에 대한 질문에 답변 할 수 있는 인터페이스가 포함되어 있습니다.

전제 조건

이 튜토리얼을 시작하기 전에 다음 조건을 충족해야 합니다.

Google Cloud Platform 컴퓨팅 인스턴스 만들기

Google Cloud Platform 문서 의 단계에 따라 Google Cloud Platform 콘솔에서 가상 머신(VM) 인스턴스를 만들고 시작합니다. 다음 설정으로 Google Cloud Platform VM 인스턴스 구성하고 나머지 옵션에는 기본값 설정을 사용합니다.

옵션
구성

이름

vertexai-chatapp

리전 및 구역

귀하의 물리적 위치 근처에 있는 모든 Google Cloud 리전 및 구역

시스템 구성

  • Series: 대용량 메모리

  • Machine Type: n1-standard-1

부팅 디스크

Size: 100 GB

액세스

모든 클라우드 API에 대한 완전한 액세스를 허용하세요.

방화벽

모두 선택

Networking

외부 IP 범위의 경우 다음을 지정합니다. Reserve external static IP address

애플리케이션 배포 및 실행

이 섹션에서는 Atlas 에서 PDF를 변환 및 저장 하고 MongoDB Vector Search를 사용하여 쿼리 사용할 수 있는 샘플 애플리케이션 로드합니다. Google Cloud Platform VM 인스턴스 에 애플리케이션 배포 하고 실행 하려면 다음 단계를 완료하세요.

1

MongoDB Vector Search 인덱스 생성합니다.

벡터 임베딩에 대한 쿼리를 활성화 하려면 Atlas cluster 의 vertexaiApp.chat-vec 네임스페이스 에 vector_index 이라는 이름의 MongoDB Vector Search 인덱스 만들어야 합니다. 기본값 설정을 사용하고 768 차원을 지정합니다.

자세한 사항은 벡터 검색용 필드 인덱싱 방법을 참조하십시오.

2

샘플 애플리케이션을 가져옵니다.

SSH를 사용하여 VM 인스턴스에 연결합니다. 환경에서 애플리케이션 코드가 포함된 Github 리포지토리 복제합니다.

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

참고

애플리케이션 에 대해 자세히 학습 리포지토리 참조하세요.

3

복제한 리포지토리에서 종속성을 설치하세요.

다음 명령을 실행하여 종속성을 설치합니다.

sudo apt update
sudo apt install python3-pip
sudo apt install git
cd MongoDB-VertexAI-Qwiklab
pip3 install -r requirements.txt
4

Streamlit을 사용하여 애플리케이션을 실행합니다.

streamlit run app.py
5

애플리케이션에 액세스합니다.

명령 출력에 표시된 포트와 함께 웹 브라우저에서 VM의 공용 IP 주소를 엽니다.

6

애플리케이션의 인터페이스를 사용하여 PDF 문서를 업로드하세요.

애플리케이션에서 검색할 PDF 데이터를 업로드합니다.

리포지토리에는 사용할 수 있는 샘플 PDF 파일이 포함되어 있습니다. 앱은 데이터를 배치로 나누고, Vertex AI의 임베딩 모델을 사용하여 각 청크를 벡터 임베딩으로 변환한 후, 이 데이터를 Atlas 컬렉션에 삽입합니다.

팁

파일 업로드한 후 Atlas 사용하는 경우 vertexaiApp.chat-vec Atlas UI 의 네임스페이스 로 이동하여 벡터 임베딩을확인할 수 있습니다.

7

데이터에 대한 질문에 답하세요.

  1. 애플리케이션에서 Q&A 탭을 클릭합니다.

  2. 검색 창에 질문을 입력한 다음 Enter을(를) 누릅니다.

    이 애플리케이션은 컬렉션에서 벡터 검색 쿼리를 실행하여 가장 관련성이 높은 문서를 조회하는 방식으로 RAG 를 수행한 다음, Vertex AI의 채팅 모델을 사용하여 컨텍스트 인식 응답을 생성합니다.

돌아가기

문제 해결

다음

Vertex AI 확장 기능

이 페이지의 내용