Atlas 와 Google Vertex AI 통합

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 내용은 벡터 검색을 위한 필드 인덱싱 방법을 참조하세요.

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

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

Streamlit을 사용하여 애플리케이션을 실행합니다.

streamlit run app.py

애플리케이션에 액세스합니다.

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

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.

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.